Python re模块介绍

Python中转义字符

正则表达式使用反斜杠" \ "来代表特殊形式或用作转义字符，这里跟Python的语法冲突，因此，Python用" \\\\ "表示正则表达式中的" \ "，因为正则表达式中如果要匹配" \ "，需要用\来转义，变成" \\ "，而Python语法中又需要对字符串中每一个\进行转义，所以就变成了" \\\\ "。
上面的写法是不是觉得很麻烦，为了使正则表达式具有更好的可读性，Python特别设计了原始字符串(raw string)，需要提醒你的是，在写文件路径的时候就不要使用raw string了，这里存在陷阱。raw string就是用'r'作为字符串的前缀，如 r"\n"：表示两个字符"\"和"n"，而不是换行符了。Python中写正则表达式时推荐使用这种形式。

正则表达式元字符说明

.  匹配除换行符以外的任意字符
^  匹配字符串的开始
$  匹配字符串的结束
[] 用来匹配一个指定的字符类别
?  对于前一个字符字符重复0次到1次
*  对于前一个字符重复0次到无穷次
{} 对于前一个字符重复m次
{m,n} 对前一个字符重复为m到n次
\d 匹配数字，相当于[0-9]
\D 匹配任何非数字字符，相当于[^0-9]
\s 匹配任意的空白符，相当于[ fv]
\S 匹配任何非空白字符，相当于[^ fv]
\w 匹配任何字母数字字符，相当于[a-zA-Z0-9_]
\W 匹配任何非字母数字字符，相当于[^a-zA-Z0-9_]
\b 匹配单词的开始或结束

模块函数说明即举例
re.compile 将正则表达式编译成pattern对象

compile(pattern, flags=0)

第一个参数：规则
第二个参数：标志位

re.match 只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None

match(pattern, string, flags=0)

第一个参数：规则
第二个参数：表示要匹配的字符串
第三个参数：标致位，用于控制正则表达式的匹配方式

re.search 匹配整个字符串，直到找到一个匹配

search(pattern, string, flags=0)

第一个参数：规则
第二个参数：表示要匹配的字符串
第三个参数：标致位，用于控制正则表达式的匹配方式

    >>> import re
    >>> pattern = re.compile(r'linuxeye')
    >>> match = pattern.match('jb51.net')
    >>> print match
    <_sre.SRE_Match object at 0x7f4e96e61c60>
    >>> print match.group()
    linuxeye
    >>> m = pattern.match('blog.jb51.net') #match匹配开头，没找到
    >>> print m
    None
    >>> m = pattern.search('blog.jb51.net') #search匹配整个字符串，直到找到一个匹配
    >>> print m
    <_sre.SRE_Match object at 0x7f15abfc6b28>
    >>> print m.group()
    linuxeye

    >>> m = re.match(r'linuxeye','jb51.net') #不用re.compile
    >>> print m
    <_sre.SRE_Match object at 0x7f4e96e61b90>
    >>> print m.group()
    linuxeye
    >>> m = re.match(r'linuxeye','www.jb51.net')
    >>> print m
    None

re.split 用于来分割字符串

split(pattern, string, maxsplit=0)

第一个参数：规则
第二个参数：字符串
第三个参数：最大分割字符串，默认为0，表示每个匹配项都分割
实例：分割所有的字符串

    >>> import re
    >>> test_str = "1 2 3 4 5"
    >>> re.split(r'\s+',test_str)
    ['1', '2', '3', '4', '5']
    >>> re.split(r'\s+',test_str,2) #分割前2个
    ['1', '2', '3 4 5']

    >>> test_str = "1 . 2. 3 .4 . 5"
    >>> re.split(r'\.',test_str)
    ['1 ', ' 2', ' 3 ', '4 ', ' 5']
    >>> re.split(r'\.',test_str,3)
    ['1 ', ' 2', ' 3 ', '4 . 5']

re.findall 在目标字符串查找符合规则的字符串

findall(pattern, string, flags=0)

第一个参数：规则
第二个参数：目标字符串
但三个参数：后面还可以跟一个规则选择项
返回的结果是一个列表，建中存放的是符合规则的字符串，如果没有符合规则的字符串呗找到，就会返回一个空值

    >>> import re
    >>> test_mail = '<test01@gmail.com> <test02@gmail.org> test03@gmail.net'
    >>> mail_re = re.compile(r'\w+@g....\.[a-z]{3}')
    >>> re.findall(mail_re,test_mail)
    ['test01@gmail.com', 'test02@gmail.org', 'test03@gmail.net']

re.sub 以正则表达式为基础的替换工作

sub(pattern, repl, string, count=0)

第一个参数：规则
第二个参数：替换后的字符串
第三个参数：字符串
第四个参数：替换个数。默认为0，表示每个匹配项都替换

    >>> test = 'blog.jb51.net jb51.net'
    >>> test_re = re.compile(r'\.')
    >>> re.sub(test_re,'--',test)
    'blog--linuxeye--com linuxeye--com'
    >>> re.sub(test_re,'--',test,1)
    'blog--jb51.net jb51.net'