初學(xué)Python，對(duì)Python的文字處理能力有很深的印象，除了str對(duì)象自帶的一些方法外，就是正則表達(dá)式這個(gè)強(qiáng)大的模塊了。但是對(duì)于初學(xué)者來(lái)說(shuō)，要用好這個(gè)功能還是有點(diǎn)難度
，我花了好長(zhǎng)時(shí)間才摸出了點(diǎn)門(mén)道。由于我記性不好，很容易就忘事，所以還是寫(xiě)下來(lái)比較好一些，同時(shí)也可以加深印象，整理思路。
由于我是初學(xué)，所以肯定會(huì)有些錯(cuò)誤，還望高手不吝賜教，指出我的錯(cuò)誤。
1 Python正則式的基本用法
Python的正則表達(dá)式的模塊是‘re’,它的基本語(yǔ)法規(guī)則就是指定一個(gè)字符序列，比如你要在一個(gè)字符串s=’123abc456’中查找字符串’abc’,只要這樣寫(xiě)：
>>> import re
>>> s='123abc456eabc789'
>>> re.findall(r’abc’,s)
結(jié)果就是：
['abc', 'abc']
這里用到的函數(shù)”findall(rule , target [,flag] )” 是個(gè)比較直觀的函數(shù)，就是在目標(biāo)字符串中查找符合規(guī)則的字符串。第一個(gè)參數(shù)是規(guī)則，第二個(gè)參數(shù)是目標(biāo)字符串，后面
還可以跟一個(gè)規(guī)則選項(xiàng)（選項(xiàng)功能將在compile函數(shù)的說(shuō)明中詳細(xì)說(shuō)明）。返回結(jié)果結(jié)果是一個(gè)列表，中間存放的是符合規(guī)則的字符串。如果沒(méi)有符合規(guī)則的字符串被找到，就返
回一個(gè)空列表。
為什么要用r’ ..‘字符串（raw字符串）？由于正則式的規(guī)則也是由一個(gè)字符串定義的，而在正則式中大量使用轉(zhuǎn)義字符’/’，如果不用raw字符串，則在需要寫(xiě)一個(gè)’/’的地
方，你必須得寫(xiě)成’//’,那么在要從目標(biāo)字符串中匹配一個(gè)’/’的時(shí)候，你就得寫(xiě)上4個(gè)’/’成為’////’！這當(dāng)然很麻煩，也不直觀，所以一般都使用r’’來(lái)定義規(guī)則字符
串。當(dāng)然，某些情況下，可能不用raw字符串比較好。
以上是個(gè)最簡(jiǎn)單的例子。當(dāng)然實(shí)際中這么簡(jiǎn)單的用法幾乎沒(méi)有意義。為了實(shí)現(xiàn)復(fù)雜的規(guī)則查找，re規(guī)定了若干語(yǔ)法規(guī)則。它們分為這么幾類(lèi)：
功能字符： ‘.’ ‘*’ ‘+’ ‘|’ ‘?’ ‘^’ ‘$’ ‘/’等，它們有特殊的功能含義。特別是’/’字符，它是轉(zhuǎn)義引導(dǎo)符號(hào)，跟在它后面的字符一般有特殊的含義。
規(guī)則分界符： ‘[‘ ‘]’ ‘（’ ‘）’ ‘{‘ ‘}’等，也就是幾種括號(hào)了。
預(yù)定義轉(zhuǎn)義字符集：“/d” “/w” “/s” 等等，它們是以字符’/’開(kāi)頭，后面接一個(gè)特定字符的形式，用來(lái)指示一個(gè)預(yù)定義好的含義。
其它特殊功能字符：’#’ ‘!’ ‘:’ ‘-‘等，它們只在特定的情況下表示特殊的含義，比如(?# …)就表示一個(gè)注釋?zhuān)锩娴膬?nèi)容會(huì)被忽略。
下面來(lái)一個(gè)一個(gè)的說(shuō)明這些規(guī)則的含義，不過(guò)說(shuō)明的順序并不是按照上面的順序來(lái)的，而是我認(rèn)為由淺入深，由基本到復(fù)雜的順序來(lái)編排的。同時(shí)為了直觀，在說(shuō)明的過(guò)程中盡量
多舉些例子以方便理解。
1.1基本規(guī)則
‘[‘ ‘]’字符集合設(shè)定符
首先說(shuō)明一下字符集合設(shè)定的方法。由一對(duì)方括號(hào)括起來(lái)的字符，表明一個(gè)字符集合，能夠匹配包含在其中的任意一個(gè)字符。比如[abc123]，表明字符’a’ ‘b’ ‘c’ ‘1’
‘2’ ‘3’都符合它的要求。可以被匹配。
在’[‘ ‘]’中還可以通過(guò)’-‘ 減號(hào)來(lái)指定一個(gè)字符集合的范圍，比如可以用[a-zA-Z]來(lái)指定所以英文字母的大小寫(xiě)，因?yàn)橛⑽淖帜甘前凑諒男〉酱蟮捻樞騺?lái)排的。你不可以
把大小的順序顛倒了，比如寫(xiě)成[z-a]就不對(duì)了。
如果在’[‘ ‘]’里面的開(kāi)頭寫(xiě)一個(gè)‘^’ 號(hào)，則表示取非，即在括號(hào)里的字符都不匹配。如[^a-zA-Z]表明不匹配所有英文字母。但是如果‘^’不在開(kāi)頭，則它就不再是表示
取非，而表示其本身，如[a-z^A-Z]表明匹配所有的英文字母和字符’^’。
‘|’ 或規(guī)則
將兩個(gè)規(guī)則并列起來(lái)，以‘|’連接，表示只要滿(mǎn)足其中之一就可以匹配。比如
[a-zA-Z]|[0-9]表示滿(mǎn)足數(shù)字或字母就可以匹配，這個(gè)規(guī)則等價(jià)于[a-zA-Z0-9]
注意：關(guān)于’|’要注意兩點(diǎn)：
第一， 它在’[‘ ‘]’之中不再表示或，而表示他本身的字符。如果要在’[‘ ‘]’外面表示一個(gè)’|’字符，必須用反斜杠引導(dǎo)，即’/|’ ;
第二， 它的有效范圍是它兩邊的整條規(guī)則，比如‘dog|cat’匹配的是‘dog’和’cat’，而不是’g’和’c’。如果想限定它的有效范圍，必需使用一個(gè)無(wú)捕獲組‘
(?: )’包起來(lái)。比如要匹配‘I have a dog’或’I have a cat’，需要寫(xiě)成r’I have a (?:dog|cat)’，而不能寫(xiě)成r’I have a dog|cat’
例
>>> s = ‘I have a dog , I have a cat’
>>> re.findall( r’I have a (?:dog|cat)’ , s )
['I have a dog', 'I have a cat'] #正如我們所要的
下面再看看不用無(wú)捕獲組會(huì)是什么后果：
>>> re.findall( r’I have a dog|cat’ , s )
['I have a dog', 'cat'] #它將’I have a dog’和’cat’當(dāng)成兩個(gè)規(guī)則了
至于無(wú)捕獲組的使用，后面將仔細(xì)說(shuō)明。這里先跳過(guò)。
‘.’ 匹配所有字符
匹配除換行符’/n’外的所有字符。如果使用了’S’選項(xiàng)，匹配包括’/n’的所有字符。
例：
>>> s=’123 /n456 /n789’
>>> findall(r‘.+’,s)
['123', '456', '789']
>>> re.findall(r‘.+’ , s , re.S)
['123/n456/n789']
‘^’和’$’匹配字符串開(kāi)頭和結(jié)尾
注意’^’不能在‘[ ]’中，否則含意就發(fā)生變化，具體請(qǐng)看上面的’[‘ ‘]’說(shuō)明。在多行模式下，它們可以匹配每一行的行首和行尾。具體請(qǐng)看后面compile函數(shù)說(shuō)明的’M
’選項(xiàng)部分
‘/d’匹配數(shù)字
這是一個(gè)以’/’開(kāi)頭的轉(zhuǎn)義字符，’/d’表示匹配一個(gè)數(shù)字，即等價(jià)于[0-9]
‘/D’匹配非數(shù)字
這個(gè)是上面的反集，即匹配一個(gè)非數(shù)字的字符，等價(jià)于[^0-9]。注意它們的大小寫(xiě)。下面我們還將看到Python的正則規(guī)則中很多轉(zhuǎn)義字符的大小寫(xiě)形式，代表互補(bǔ)的關(guān)系。這樣很
好記。
‘/w’匹配字母和數(shù)字
匹配所有的英文字母和數(shù)字，即等價(jià)于[a-zA-Z0-9]。
‘/W’匹配非英文字母和數(shù)字
即’/w’的補(bǔ)集，等價(jià)于[^a-zA-Z0-9]。
‘/s’匹配間隔符
即匹配空格符、制表符、回車(chē)符等表示分隔意義的字符，它等價(jià)于[ /t/r/n/f/v]。（注意最前面有個(gè)空格)
‘/S’匹配非間隔符
即間隔符的補(bǔ)集，等價(jià)于[^ /t/r/n/f/v]
‘/A’匹配字符串開(kāi)頭
匹配字符串的開(kāi)頭。它和’^’的區(qū)別是，’/A’只匹配整個(gè)字符串的開(kāi)頭，即使在’M’模式下，它也不會(huì)匹配其它行的很首。
‘/Z’匹配字符串結(jié)尾
匹配字符串的結(jié)尾。它和’$’的區(qū)別是，’/Z’只匹配整個(gè)字符串的結(jié)尾，即使在’M’模式下，它也不會(huì)匹配其它各行的行尾。
例：
>>> s= '12 34/n56 78/n90'
>>> re.findall( r'^/d+' , s , re.M ) #匹配位于行首的數(shù)字
['12', '56', '90']
>>> re.findall( r’/A/d+’, s , re.M ) #匹配位于字符串開(kāi)頭的數(shù)字
['12']
>>> re.findall( r'/d+$' , s , re.M ) #匹配位于行尾的數(shù)字
['34', '78', '90']
>>> re.findall( r’/d+/Z’ , s , re.M ) #匹配位于字符串尾的數(shù)字
['90']
‘/b’匹配單詞邊界
它匹配一個(gè)單詞的邊界，比如空格等，不過(guò)它是一個(gè)‘0’長(zhǎng)度字符，它匹配完的字符串不會(huì)包括那個(gè)分界的字符。而如果用’/s’來(lái)匹配的話，則匹配出的字符串中會(huì)包含那個(gè)
分界符。
例：
>>> s = 'abc abcde bc bcd'
>>> re.findall( r’/bbc/b’ , s ) #匹配一個(gè)單獨(dú)的單詞‘bc’ ，而當(dāng)它是其它單詞的一部分的時(shí)候不匹配
['bc'] ＃只找到了那個(gè)單獨(dú)的’bc’
>>> re.findall( r’/sbc/s’ , s ) ＃匹配一個(gè)單獨(dú)的單詞‘bc’
[' bc '] #只找到那個(gè)單獨(dú)的’bc’，不過(guò)注意前后有兩個(gè)空格，可能有點(diǎn)看不清楚
‘/B’匹配非邊界
和’/b’相反，它只匹配非邊界的字符。它同樣是個(gè)0長(zhǎng)度字符。
接上例：
>>> re.findall( r’/Bbc/w+’ , s ) #匹配包含’bc’但不以’bc’為開(kāi)頭的單詞
['bcde'] #成功匹配了’abcde’中的’bcde’，而沒(méi)有匹配’bcd’
‘(?:)’無(wú)捕獲組
當(dāng)你要將一部分規(guī)則作為一個(gè)整體對(duì)它進(jìn)行某些操作，比如指定其重復(fù)次數(shù)時(shí)，你需要將這部分規(guī)則用’(?:’ ‘)’把它包圍起來(lái)，而不能僅僅只用一對(duì)括號(hào)，那樣將得到絕對(duì)
出人意料的結(jié)果。
例：匹配字符串中重復(fù)的’ab’
>>> s=’ababab abbabb aabaab’
>>> re.findall( r’/b(?:ab)+/b’ , s )
['ababab']
如果僅使用一對(duì)括號(hào)，看看會(huì)是什么結(jié)果：
>>> re.findall( r’/b(ab)+/b’ , s )
['ab']
這是因?yàn)槿绻皇褂靡粚?duì)括號(hào)，那么這就成為了一個(gè)組(group)。組的使用比較復(fù)雜，將在后面詳細(xì)講解。
‘(?# )’注釋
Python允許你在正則表達(dá)式中寫(xiě)入注釋?zhuān)?#8217;(?#’ ‘)’之間的內(nèi)容將被忽略。
(?iLmsux) 編譯選項(xiàng)指定
Python的正則式可以指定一些選項(xiàng)，這個(gè)選項(xiàng)可以寫(xiě)在findall或compile的參數(shù)中，也可以寫(xiě)在正則式里，成為正則式的一部分。這在某些情況下會(huì)便利一些。具體的選項(xiàng)含義請(qǐng)
看后面的compile函數(shù)的說(shuō)明。
此處編譯選項(xiàng)’i’等價(jià)于IGNORECASE ，L 等價(jià)于 LOCAL ，m 等價(jià)于 MULTILINE，s等價(jià)于 DOTALL ，u等價(jià)于UNICODE ， x 等價(jià)于 VERBOSE。
請(qǐng)注意它們的大小寫(xiě)。在使用時(shí)可以只指定一部分，比如只指定忽略大小寫(xiě)，可寫(xiě)為‘(?i)’，要同時(shí)忽略大小寫(xiě)并使用多行模式，可以寫(xiě)為‘(?im)’。
另外要注意選項(xiàng)的有效范圍是整條規(guī)則，即寫(xiě)在規(guī)則的任何地方，選項(xiàng)都會(huì)對(duì)全部整條正則式有效。
1.2重復(fù)
正則式需要匹配不定長(zhǎng)的字符串，那就一定需要表示重復(fù)的指示符。Python的正則式表示重復(fù)的功能很豐富靈活。重復(fù)規(guī)則的一般的形式是在一條字符規(guī)則后面緊跟一個(gè)表示重復(fù)
次數(shù)的規(guī)則，已表明需要重復(fù)前面的規(guī)則一定的次數(shù)。重復(fù)規(guī)則有：
‘*’ 0或多次匹配
表示匹配前面的規(guī)則0次或多次。
‘+’ 1次或多次匹配
表示匹配前面的規(guī)則至少1次，可以多次匹配
例：匹配以下字符串中的前一部分是字母，后一部分是數(shù)字或沒(méi)有的變量名字
>>> s = ‘ aaa bbb111 cc22cc 33dd ‘
>>> re.findall( r’/b[a-z]+/d*/b’ , s ) #必須至少1個(gè)字母開(kāi)頭，以連續(xù)數(shù)字結(jié)尾或沒(méi)有數(shù)字
['aaa', 'bbb111']
注意上例中規(guī)則前后加了表示單詞邊界的’/b’指示符，如果不加的話結(jié)果就會(huì)變成：
>>> re.findall( r’[a-z]+/d*’ , s )
['aaa', 'bbb111', 'cc22', 'cc', 'dd'] #把單詞給拆開(kāi)了
大多數(shù)情況下這不是我們期望的結(jié)果。
‘?’ 0或1次匹配
只匹配前面的規(guī)則0次或1次。
例，匹配一個(gè)數(shù)字，這個(gè)數(shù)字可以是一個(gè)整數(shù)，也可以是一個(gè)科學(xué)計(jì)數(shù)法記錄的數(shù)字，比如123和10e3都是正確的數(shù)字。
>>> s = ‘ 123 10e3 20e4e4 30ee5 ‘
>>> re.findall( r’ /b/d+[eE]?/d*/b’ , s )
['123', '10e3']
它正確匹配了123和10e3,正是我們期望的。注意前后的’/b’的使用，否則將得到不期望的結(jié)果。
1.2.1 精確匹配和最小匹配
Python正則式還可以精確指定匹配的次數(shù)。指定的方式是
‘{m}’ 精確匹配m次
‘{m,n}’ 匹配最少m次，最多n次。(n>m)
如果你只想指定一個(gè)最少次數(shù)或只指定一個(gè)最多次數(shù)，你可以把另外一個(gè)參數(shù)空起來(lái)。比如你想指定最少3次，可以寫(xiě)成{3,}（注意那個(gè)逗號(hào)），同樣如果只想指定最大為5次，可
以寫(xiě)成{，5}，也可以寫(xiě)成{0,5}。
例尋找下面字符串中
a：3位數(shù)
b: 2位數(shù)到4位數(shù)
c: 5位數(shù)以上的數(shù)
d: 4位數(shù)以下的數(shù)
>>> s= ‘ 1 22 333 4444 55555 666666 ‘
>>> re.findall( r’/b/d{3}/b’ , s ) # a：3位數(shù)
['333']
>>> re.findall( r’/b/d{2,4}/b’ , s ) # b: 2位數(shù)到4位數(shù)
['22', '333', '4444']
>>> re.findall( r’/b/d{5,}/b’, s ) # c: 5位數(shù)以上的數(shù)
['55555', '666666']
>>> re.findall( r’/b/d{1,4}/b’ , s ) # 4位數(shù)以下的數(shù)
['1', '22', '333', '4444']
‘*?’ ‘+?’ ‘??’最小匹配
‘*’ ‘+’ ‘?’通常都是盡可能多的匹配字符。有時(shí)候我們希望它盡可能少的匹配。比如一個(gè)c語(yǔ)言的注釋‘/* part 1 */ /* part 2 */’，如果使用最大規(guī)則：
>>> s =r ‘/* part 1 */ code /* part 2 */’
>>> re.findall( r’//*.*/*/’ , s )
[‘/* part 1 */ code /* part 2 */’]
結(jié)果把整個(gè)字符串都包括進(jìn)去了。如果把規(guī)則改寫(xiě)成
>>> re.findall( r’//*.*?/*/’ , s ) #在*后面加上?，表示盡可能少的匹配
['/* part 1 */', '/* part 2 */']
結(jié)果正確的匹配出了注釋里的內(nèi)容
1.3 前向界定與后向界定
有時(shí)候需要匹配一個(gè)跟在特定內(nèi)容后面的或者在特定內(nèi)容前面的字符串，Python提供一個(gè)簡(jiǎn)便的前向界定和后向界定功能，或者叫前導(dǎo)指定和跟從指定功能。它們是：
‘(?<=…)’前向界定
括號(hào)中’…’代表你希望匹配的字符串的前面應(yīng)該出現(xiàn)的字符串。
‘(?=…)’ 后向界定
括號(hào)中的’…’代表你希望匹配的字符串后面應(yīng)該出現(xiàn)的字符串。
例：你希望找出c語(yǔ)言的注釋中的內(nèi)容，它們是包含在’/*’和’*/’之間，不過(guò)你并不希望匹配的結(jié)果把’/*’和’*/’也包括進(jìn)來(lái)，那么你可以這樣用：
>>> s=r’/* comment 1 */ code /* comment 2 */’
>>> re.findall( r’(?<=//*).+?(?=/*/)’ , s )
[' comment 1 ', ' comment 2 ']
注意這里我們?nèi)匀皇褂昧俗钚∑ヅ?，以避免把整個(gè)字符串給匹配進(jìn)去了。
要注意的是，前向界定括號(hào)中的表達(dá)式必須是常值，也即你不可以在前向界定的括號(hào)里寫(xiě)正則式。比如你如果在下面的字符串中想找到被字母夾在中間的數(shù)字，你不可以用前向界
定：
例：
>>> s = ‘aaa111aaa , bbb222 , 333ccc ‘
>>> re.findall( r’(?<=[a-z]+)/d+(?=[a-z]+)' , s ) #錯(cuò)誤的用法
它會(huì)給出一個(gè)錯(cuò)誤信息：
error: look-behind requires fixed-width pattern
不過(guò)如果你只要找出后面接著有字母的數(shù)字，你可以在后向界定寫(xiě)正則式：
>>> re.findall( r’/d+(?=[a-z]+)’, s )
['111', '333']
如果你一定要匹配包夾在字母中間的數(shù)字，你可以使用組（group）的方式
>>> re.findall (r'[a-z]+(/d+)[a-z]+' , s )
['111']
組的使用將在后面詳細(xì)講解。
除了前向界定前向界定和后向界定外，還有前向非界定和后向非界定，它的寫(xiě)法為：
‘(?<!...)’前向非界定
只有當(dāng)你希望的字符串前面不是’…’的內(nèi)容時(shí)才匹配
‘(?!...)’后向非界定
只有當(dāng)你希望的字符串后面不跟著’…’內(nèi)容時(shí)才匹配。
接上例，希望匹配后面不跟著字母的數(shù)字
>>> re.findall( r’/d+(?!/w+)’ , s )
['222']
注意這里我們使用了/w而不是像上面那樣用[a-z]，因?yàn)槿绻@樣寫(xiě)的話，結(jié)果會(huì)是：
>>> re.findall( r’/d+(?![a-z]+)’ , s )
['11', '222', '33']
這和我們期望的似乎有點(diǎn)不一樣。它的原因，是因?yàn)?#8217;111’和’222’中的前兩個(gè)數(shù)字也是滿(mǎn)足這個(gè)要求的。因此可看出，正則式的使用還是要相當(dāng)小心的，因?yàn)槲议_(kāi)始就是這樣
寫(xiě)的，看到結(jié)果后才明白過(guò)來(lái)。不過(guò)Python試驗(yàn)起來(lái)很方便，這也是腳本語(yǔ)言的一大優(yōu)點(diǎn)，可以一步一步的試驗(yàn)，快速得到結(jié)果，而不用經(jīng)過(guò)煩瑣的編譯、鏈接過(guò)程。也因此學(xué)習(xí)
Python就要多試，跌跌撞撞的走過(guò)來(lái)，雖然曲折，卻也很有樂(lè)趣。
1.4組的基本知識(shí)
上面我們已經(jīng)看過(guò)了Python的正則式的很多基本用法。不過(guò)如果僅僅是上面那些規(guī)則的話，還是有很多情況下會(huì)非常麻煩，比如上面在講前向界定和后向界定時(shí)，取夾在字母中間
的數(shù)字的例子。用前面講過(guò)的規(guī)則都很難達(dá)到目的，但是用了組以后就很簡(jiǎn)單了。
‘(‘’)’ 無(wú)命名組
最基本的組是由一對(duì)圓括號(hào)括起來(lái)的正則式。比如上面匹配包夾在字母中間的數(shù)字的例子中使用的(/d+)，我們?cè)倩仡櫼幌逻@個(gè)例子：
>>> s = ‘aaa111aaa , bbb222 , 333ccc ‘
>>> re.findall (r'[a-z]+(/d+)[a-z]+' , s )
['111']
可以看到findall函數(shù)只返回了包含在’()’中的內(nèi)容，而雖然前面和后面的內(nèi)容都匹配成功了，卻并不包含在結(jié)果中。
除了最基本的形式外，我們還可以給組起個(gè)名字，它的形式是
‘(?P<name>…)’命名組
‘(?P’代表這是一個(gè)Python的語(yǔ)法擴(kuò)展’<…>’里面是你給這個(gè)組起的名字，比如你可以給一個(gè)全部由數(shù)字組成的組叫做’num’，它的形式就是’(?P<num>/d+)’。起了名字之
后，我們就可以在后面的正則式中通過(guò)名字調(diào)用這個(gè)組，它的形式是
‘(?P=name)’調(diào)用已匹配的命名組
要注意，再次調(diào)用的這個(gè)組是已被匹配的組，也就是說(shuō)它里面的內(nèi)容是和前面命名組里的內(nèi)容是一樣的。
我們可以看更多的例子：請(qǐng)注意下面這個(gè)字符串各子串的特點(diǎn)。
>>> s='aaa111aaa,bbb222,333ccc,444ddd444,555eee666,fff777ggg'
我們看看下面的正則式會(huì)返回什么樣的結(jié)果：
>>> re.findall( r'([a-z]+)/d+([a-z]+)' , s ) #找出中間夾有數(shù)字的字母
[('aaa', 'aaa'), ('fff', 'ggg')]
>>> re.findall( r '(?P<g1>[a-z]+)/d+(?P=g1)' , s ) #找出被中間夾有數(shù)字的前后同樣的字母
['aaa']
>>> re.findall( r'[a-z]+(/d+)([a-z]+)' , s ) #找出前面有字母引導(dǎo)，中間是數(shù)字，后面是字母的字符串中的中間的數(shù)字和后面的字母
[('111', 'aaa'), ('777', 'ggg')]
我們可以通過(guò)命名組的名字在后面調(diào)用已匹配的命名組，不過(guò)名字也不是必需的。
‘/number’ 通過(guò)序號(hào)調(diào)用已匹配的組
正則式中的每個(gè)組都有一個(gè)序號(hào)，序號(hào)是按組從左到右，從1開(kāi)始的數(shù)字，你可以通過(guò)下面的形式來(lái)調(diào)用已匹配的組
比如上面找出被中間夾有數(shù)字的前后同樣的字母的例子，也可以寫(xiě)成：
>>> re.findall( r’([a-z]+)/d+/1’ , s )
['aaa']
結(jié)果是一樣的。
我們?cè)倏匆粋€(gè)例子
>>> s='111aaa222aaa111 , 333bbb444bb33'
>>> re.findall( r'(/d+)([a-z]+)(/d+)(/2)(/1)' , s ) #找出完全對(duì)稱(chēng)的數(shù)字－字母－數(shù)字－字母－數(shù)字中的數(shù)字和字母
[('111', 'aaa', '222', 'aaa', '111')]
Python2.4以后的re模塊，還加入了一個(gè)新的條件匹配功能
‘(?(id/name)yes-pattern|no-pattern)’ 判斷指定組是否已匹配，執(zhí)行相應(yīng)的規(guī)則
這個(gè)規(guī)則的含義是，如果id/name指定的組在前面匹配成功了，則執(zhí)行yes-pattern的正則式，否則執(zhí)行no-pattern的正則式。
舉個(gè)例子，比如要匹配一些形如usr@mail的郵箱地址，不過(guò)有的寫(xiě)成< usr@mail >即用一對(duì)<>括起來(lái)，有點(diǎn)則沒(méi)有，要匹配這兩種情況，可以這樣寫(xiě)
>>> s='<usr1@mail1> usr2@maill2'
>>> re.findall( r'(<)?/s*(/w+@/w+)/s*(?(1)>)' , s )
[('<', 'usr1@mail1'), ('', 'usr2@maill2')]
不過(guò)如果目標(biāo)字符串如下
>>> s='<usr1@mail1> usr2@maill2 <usr3@mail3 usr4@mail4> < usr5@mail5 '
而你想得到要么由一對(duì)<>包圍起來(lái)的一個(gè)郵件地址，要么得到一個(gè)沒(méi)有被<>包圍起來(lái)的地址，但不想得到一對(duì)<>中間包圍的多個(gè)地址或不完整的<>中的地址，那么使用這個(gè)式子并
不能得到你想要的結(jié)果
>>> re.findall( r'(<)?/s*(/w+@/w+)/s*(?(1)>)' , s )
[('<', 'usr1@mail1'), ('', 'usr2@maill2'), ('', 'usr3@mail3'), ('', 'usr4@mail4'), ('', 'usr5@mail5')]
它仍然找到了所有的郵件地址。
想要實(shí)現(xiàn)這個(gè)功能，單純的使用findall有點(diǎn)吃力，需要使用其它的一些函數(shù)，比如match或search函數(shù)，再配合一些控制功能。這部分的內(nèi)容將在下面詳細(xì)講解。
小結(jié)：以上基本上講述了Python正則式的語(yǔ)法規(guī)則。雖然大部分語(yǔ)法規(guī)則看上去都很簡(jiǎn)單，可是稍不注意，仍然會(huì)得到與期望大相徑庭的結(jié)果，所以要寫(xiě)好正則式，需要仔細(xì)的體
會(huì)正則式規(guī)則的含義后不同規(guī)則之間細(xì)微的差別。
詳細(xì)的了解了規(guī)則后，再配合后面就要介紹的功能函數(shù)，就能最大的發(fā)揮正則式的威力了。
2 re模塊的基本函數(shù)
在上面的說(shuō)明中，我們已經(jīng)對(duì)re模塊的基本函數(shù)‘findall’很熟悉了。當(dāng)然如果光有findall的話，很多功能是不能實(shí)現(xiàn)的。下面開(kāi)始介紹一下re模塊其它的常用基本函數(shù)。靈活
搭配使用這些函數(shù)，才能充分發(fā)揮Python正則式的強(qiáng)大功能。
首先還是說(shuō)下老熟人findall函數(shù)吧
findall(rule , target [,flag] )
在目標(biāo)字符串中查找符合規(guī)則的字符串。
第一個(gè)參數(shù)是規(guī)則，第二個(gè)參數(shù)是目標(biāo)字符串，后面還可以跟一個(gè)規(guī)則選項(xiàng)（選項(xiàng)功能將在compile函數(shù)的說(shuō)明中詳細(xì)說(shuō)明）。
返回結(jié)果結(jié)果是一個(gè)列表，中間存放的是符合規(guī)則的字符串。如果沒(méi)有符合規(guī)則的字符串被找到，就返回一個(gè)空列表。
2.1使用compile加速
compile( rule [,flag] )
將正則規(guī)則編譯成一個(gè)Pattern對(duì)象，以供接下來(lái)使用。
第一個(gè)參數(shù)是規(guī)則式，第二個(gè)參數(shù)是規(guī)則選項(xiàng)。
返回一個(gè)Pattern對(duì)象
直接使用findall ( rule , target )的方式來(lái)匹配字符串，一次兩次沒(méi)什么，如果是多次使用的話，由于正則引擎每次都要把規(guī)則解釋一遍，而規(guī)則的解釋又是相當(dāng)費(fèi)時(shí)間的，
所以這樣的效率就很低了。如果要多次使用同一規(guī)則來(lái)進(jìn)行匹配的話，可以使用re.compile函數(shù)來(lái)將規(guī)則預(yù)編譯，使用編譯過(guò)返回的Regular Expression Object或叫做Pattern對(duì)
象來(lái)進(jìn)行查找。
例
>>> s='111,222,aaa,bbb,ccc333,444ddd'
>>> rule=r’/b/d+/b’
>>> compiled_rule=re.compile(rule)
>>> compiled_rule.findall(s)
['111', '222']
可見(jiàn)使用compile過(guò)的規(guī)則使用和未編譯的使用很相似。compile函數(shù)還可以指定一些規(guī)則標(biāo)志，來(lái)指定一些特殊選項(xiàng)。多個(gè)選項(xiàng)之間用’|’（位或）連接起來(lái)。
I IGNORECASE 忽略大小寫(xiě)區(qū)別。
L LOCAL 字符集本地化。這個(gè)功能是為了支持多語(yǔ)言版本的字符集使用環(huán)境的，比如在轉(zhuǎn)義符/w，在英文環(huán)境下，它代表[a-zA-Z0-9]，即所以英文字符和數(shù)字。如果在一個(gè)法
語(yǔ)環(huán)境下使用，缺省設(shè)置下，不能匹配"é"或"ç"。加上這L選項(xiàng)和就可以匹配了。不過(guò)這個(gè)對(duì)于中文環(huán)境似乎沒(méi)有什么用，它仍然不能匹配中文字符。
M MULTILINE 多行匹配。在這個(gè)模式下’^’(代表字符串開(kāi)頭)和’$’(代表字符串結(jié)尾)將能夠匹配多行的情況，成為行首和行尾標(biāo)記。比如
>>> s=’123 456/n789 012/n345 678’
>>> rc=re.compile(r’^/d+’) #匹配一個(gè)位于開(kāi)頭的數(shù)字，沒(méi)有使用M選項(xiàng)
>>> rc.findall(s)
['123'] #結(jié)果只能找到位于第一個(gè)行首的’123’
>>> rcm=re.compile(r’^/d+’,re.M) #使用M選項(xiàng)
>>> rcm.findall(s)
['123', '789', '345'] #找到了三個(gè)行首的數(shù)字
同樣，對(duì)于’$’來(lái)說(shuō)，沒(méi)有使用M選項(xiàng)，它將匹配最后一個(gè)行尾的數(shù)字，即’678’，加上以后，就能匹配三個(gè)行尾的數(shù)字456 012和678了.
>>> rc=re.compile(r’/d+$’)
>>> rcm=re.compile(r’/d+$’,re.M)
>>> rc.findall(s)
['678']
>>> rcm.findall(s)
['456', '012', '678']
S DOTALL ‘.’號(hào)將匹配所有的字符。缺省情況下’.’匹配除換行符’/n’外的所有字符，使用這一選項(xiàng)以后，’.’就能匹配包括’/n’的任何字符了。
U UNICODE /w,/W,/b,/B,/d,/D,/s和/S都將使用Unicode。
X VERBOSE 這個(gè)選項(xiàng)忽略規(guī)則表達(dá)式中的空白，并允許使用’#’來(lái)引導(dǎo)一個(gè)注釋。這樣可以讓你把規(guī)則寫(xiě)得更美觀些。比如你可以把規(guī)則
>>> rc = re.compile(r"/d+|[a-zA-Z]+") #匹配一個(gè)數(shù)字或者單詞
使用X選項(xiàng)寫(xiě)成：
>>> rc = re.compile(r""" # start a rule/d+ # number| [a-zA-Z]+ # word""", re.VERBOSE)在這個(gè)模式下，如果你想匹配一個(gè)空格，你必須
用'/ '的形式（'/'后面跟一個(gè)空格）
2.2 match與search
match( rule , targetString [,flag] )
search( rule , targetString [,flag] )
（注：re的match與search函數(shù)同compile過(guò)的Pattern對(duì)象的match與search函數(shù)的參數(shù)是不一樣的。Pattern對(duì)象的match與search函數(shù)更為強(qiáng)大，是真正最常用的函數(shù)）
按照規(guī)則在目標(biāo)字符串中進(jìn)行匹配。
第一個(gè)參數(shù)是正則規(guī)則，第二個(gè)是目標(biāo)字符串，第三個(gè)是選項(xiàng)（同compile函數(shù)的選項(xiàng)）
返回：若成功返回一個(gè)Match對(duì)象，失敗無(wú)返回
findall雖然很直觀，但是在進(jìn)行更復(fù)雜的操作時(shí)，就有些力不從心了。此時(shí)更多的使用的是match和search函數(shù)。他們的參數(shù)和findall是一樣的，都是：
match( rule , targetString [,flag] )
search( rule , targetString [,flag] )
不過(guò)它們的返回不是一個(gè)簡(jiǎn)單的字符串列表，而是一個(gè)MatchObject（如果匹配成功的話）.。通過(guò)操作這個(gè)matchObject，我們可以得到更多的信息。
需要注意的是，如果匹配不成功，它們則返回一個(gè)NoneType。所以在對(duì)匹配完的結(jié)果進(jìn)行操作之前，你必需先判斷一下是否匹配成功了，比如：
>>> m=re.match( rule , target )
>>> if m: #必需先判斷是否成功
doSomethin
這兩個(gè)函數(shù)唯一的區(qū)別是：match從字符串的開(kāi)頭開(kāi)始匹配，如果開(kāi)頭位置沒(méi)有匹配成功，就算失敗了；而search會(huì)跳過(guò)開(kāi)頭，繼續(xù)向后尋找是否有匹配的字符串。針對(duì)不同的需
要，可以靈活使用這兩個(gè)函數(shù)。
關(guān)于match返回的MatchObject如果使用的問(wèn)題，是Python正則式的精髓所在，它與組的使用密切相關(guān)。我將在下一部分詳細(xì)講解，這里只舉個(gè)最簡(jiǎn)單的例子：
例：
>>> s= 'Tom:9527 , Sharry:0003'
>>> m=re.match( r'(?P<name>/w+):(?P<num>/d+)' , s )
>>> m.group()
'Tom:9527'
>>> m.groups()
('Tom', '9527')
>>> m.group(‘name’)
'Tom'
>>> m.group(‘num’)
'9527'
2.3 finditer
finditer( rule , target [,flag] )
參數(shù)同findall
返回一個(gè)迭代器
finditer函數(shù)和findall函數(shù)的區(qū)別是，findall返回所有匹配的字符串，并存為一個(gè)列表，而finditer則并不直接返回這些字符串，而是返回一個(gè)迭代器。關(guān)于迭代器，解釋起來(lái)
有點(diǎn)復(fù)雜，還是看看例子把：
>>> s=’111 222 333 444’
>>> for i in re.finditer(r’/d+’ , s ):
print i.group(),i.span() #打印每次得到的字符串和起始結(jié)束位置
結(jié)果是
111 (0, 3)
222 (4, 7)
333 (8, 11)
444 (12, 15)
簡(jiǎn)單的說(shuō)吧，就是finditer返回了一個(gè)可調(diào)用的對(duì)象，使用for i in finditer()的形式，可以一個(gè)一個(gè)的得到匹配返回的Match對(duì)象。這在對(duì)每次返回的對(duì)象進(jìn)行比較復(fù)雜的操作
時(shí)比較有用。
2.4字符串的替換和修改
re模塊還提供了對(duì)字符串的替換和修改函數(shù)，他們比字符串對(duì)象提供的函數(shù)功能要強(qiáng)大一些。這幾個(gè)函數(shù)是
sub ( rule , replace , target [,count] )
subn(rule , replace , target [,count] )
在目標(biāo)字符串中規(guī)格規(guī)則查找匹配的字符串，再把它們替換成指定的字符串。你可以指定一個(gè)最多替換次數(shù)，否則將替換所有的匹配到的字符串。
第一個(gè)參數(shù)是正則規(guī)則，第二個(gè)參數(shù)是指定的用來(lái)替換的字符串，第三個(gè)參數(shù)是目標(biāo)字符串，第四個(gè)參數(shù)是最多替換次數(shù)。
這兩個(gè)函數(shù)的唯一區(qū)別是返回值。
sub返回一個(gè)被替換的字符串
sub返回一個(gè)元組，第一個(gè)元素是被替換的字符串，第二個(gè)元素是一個(gè)數(shù)字，表明產(chǎn)生了多少次替換。
例，將下面字符串中的’dog’全部替換成’cat’
>>> s=’ I have a dog , you have a dog , he have a dog ‘
>>> re.sub( r’dog’ , ‘cat’ , s )
' I have a cat , you have a cat , he have a cat '
如果我們只想替換前面兩個(gè)，則
>>> re.sub( r’dog’ , ‘cat’ , s , 2 )
' I have a cat , you have a cat , he have a dog '
或者我們想知道發(fā)生了多少次替換，則可以使用subn
>>> re.subn( r’dog’ , ‘cat’ , s )
(' I have a cat , you have a cat , he have a cat ', 3)
split( rule , target [,maxsplit] )
切片函數(shù)。使用指定的正則規(guī)則在目標(biāo)字符串中查找匹配的字符串，用它們作為分界，把字符串切片。
第一個(gè)參數(shù)是正則規(guī)則，第二個(gè)參數(shù)是目標(biāo)字符串，第三個(gè)參數(shù)是最多切片次數(shù)
返回一個(gè)被切完的子字符串的列表
這個(gè)函數(shù)和str對(duì)象提供的split函數(shù)很相似。舉個(gè)例子，我們想把上例中的字符串被’,’分割開(kāi)，同時(shí)要去掉逗號(hào)前后的空格
>>> s=’ I have a dog , you have a dog , he have a dog ‘
>>> re.split( ‘/s*,/s*’ , s )
[' I have a dog', 'you have a dog', 'he have a dog ']
結(jié)果很好。如果使用str對(duì)象的split函數(shù)，則由于我們不知道’,’兩邊會(huì)有多少個(gè)空格，而不得不對(duì)結(jié)果再進(jìn)行一次處理。
escape( string )
這是個(gè)功能比較古怪的函數(shù)，它的作用是將字符串中的non-alphanumerics字符（我已不知道該怎么翻譯比較好了）用反義字符的形式顯示出來(lái)。有時(shí)候你可能希望在正則式中匹
配一個(gè)字符串，不過(guò)里面含有很多re使用的符號(hào)，你要一個(gè)一個(gè)的修改寫(xiě)法實(shí)在有點(diǎn)麻煩，你可以使用這個(gè)函數(shù),
例在目標(biāo)字符串s中匹配’(*+?)’這個(gè)子字符串
>>> s= ‘111 222 (*+?) 333’
>>> rule= re.escape( r’(*+?)’ )
>>> print rule
/(/*/+/?/)
>>> re.findall( rule , s )
['(*+?)']
3 更深入的了解re的組與對(duì)象
前面對(duì)Python正則式的組進(jìn)行了一些簡(jiǎn)單的介紹，由于還沒(méi)有介紹到match對(duì)象，而組又是和match對(duì)象密切相關(guān)的，所以必須將它們結(jié)合起來(lái)介紹才能充分地說(shuō)明它們的用途。
不過(guò)再詳細(xì)介紹它們之前，我覺(jué)得有必要先介紹一下將規(guī)則編譯后的生成的patter對(duì)象
3.1編譯后的Pattern對(duì)象
將一個(gè)正則式，使用compile函數(shù)編譯，不僅是為了提高匹配的速度，同時(shí)還能使用一些附加的功能。編譯后的結(jié)果生成一個(gè)Pattern對(duì)象，這個(gè)對(duì)象里面有很多函數(shù)，他們看起來(lái)
和re模塊的函數(shù)非常象，它同樣有findall , match , search ,finditer , sub , subn , split這些函數(shù)，只不過(guò)它們的參數(shù)有些小小的不同。一般說(shuō)來(lái)，re模塊函數(shù)的第一個(gè)
參數(shù)，即正則規(guī)則不再需要了，應(yīng)為規(guī)則就包含在Pattern對(duì)象中了，編譯選項(xiàng)也不再需要了，因?yàn)橐呀?jīng)被編譯過(guò)了。因此re模塊中函數(shù)的這兩個(gè)參數(shù)的位置，就被后面的參數(shù)取
代了。
findall , match , search和finditer這幾個(gè)函數(shù)的參數(shù)是一樣的，除了少了規(guī)則和選項(xiàng)兩個(gè)參數(shù)外，它們又加入了另外兩個(gè)參數(shù)，它們是：查找開(kāi)始位置和查找結(jié)束位置，也就
是說(shuō)，現(xiàn)在你可以指定查找的區(qū)間，除去你不感興趣的區(qū)間。它們現(xiàn)在的參數(shù)形式是：
findall ( targetString [, startPos [,endPos] ] )
finditer ( targetString [, startPos [,endPos] ] )
match ( targetString [, startPos [,endPos] ] )
search ( targetString [, startPos [,endPos] ] )
這些函數(shù)的使用和re模塊的同名函數(shù)使用完全一樣。所以就不多介紹了。
除了和re模塊的函數(shù)同樣的函數(shù)外，Pattern對(duì)象還多了些東西，它們是：
flags 查詢(xún)編譯時(shí)的選項(xiàng)
pattern查詢(xún)編譯時(shí)的規(guī)則
groupindex規(guī)則里的組
這幾個(gè)不是函數(shù)，而是一個(gè)值。它們提供你一些規(guī)則的信息。比如下面這個(gè)例子
>>> p=re.compile( r'(?P<word>/b[a-z]+/b)|(?P<num>/b/d+/b)|(?P<id>/b[a-z_]+/w*/b)' , re.I )
>>> p.flags
2
>>> p.pattern
'(?P<word>//b[a-z]+//b)|(?P<num>//b//d+//b)|(?P<id>//b[a-z_]+//w*//b)'
>>> p.groupindex
{'num': 2, 'word': 1, 'id': 3}
我們來(lái)分析一下這個(gè)例子：這個(gè)正則式是匹配單詞、或數(shù)字、或一個(gè)由字母或’_’開(kāi)頭，后面接字母或數(shù)字的一個(gè)ID。我們給這三種情況的規(guī)則都包入了一個(gè)命名組，分別命名
為’word’ , ‘num’和‘id’。我們規(guī)定大小寫(xiě)不敏感，所以使用了編譯選項(xiàng)‘I’。
編譯以后返回的對(duì)象為p，通過(guò)p.flag我們可以查看編譯時(shí)的選項(xiàng)，不過(guò)它顯示的不是’I’，而是一個(gè)數(shù)值2。其實(shí)re.I是一個(gè)整數(shù)，2就是它的值。我們可以查看一下：
>>> re.I
2
>>> re.L
4
>>> re.M
8
…
每個(gè)選項(xiàng)都是一個(gè)數(shù)值。
通過(guò)p.pattern可以查看被編譯的規(guī)則是什么。使用print的話會(huì)更好看一些
>>> print p.pattern
(?P<word>/b[a-z]+/b)|(?P<num>/b/d+/b)|(?P<id>/b[a-z_]+/w*/b)
看，和我們輸入的一樣。
接下來(lái)的p.groupindex則是一個(gè)字典，它包含了規(guī)則中的所有命名組。字典的key是名字，values是組的序號(hào)。由于字典是以名字作為key，所以一個(gè)無(wú)命名的組不會(huì)出現(xiàn)在這里。
3.2組與Match對(duì)象
組與Match對(duì)象是Python正則式的重點(diǎn)。只有掌握了組和Match對(duì)象的使用，才算是真正學(xué)會(huì)了Python正則式。
3.2.1 組的名字與序號(hào)
正則式中的每個(gè)組都有一個(gè)序號(hào)，它是按定義時(shí)從左到右的順序從1開(kāi)始編號(hào)的。其實(shí)，re的正則式還有一個(gè)0號(hào)組，它就是整個(gè)正則式本身。
我們來(lái)看個(gè)例子
>>> p=re.compile( r’(?P<name>[a-z]+)/s+(?P<age>/d+)/s+(?P<tel>/d+).*’ , re.I )
>>> p.groupindex
{'age': 2, 'tel': 3, 'name': 1}
>>> s=’Tom 24 88888888 <=’
>>> m=p.search(s)
>>> m.groups() #看看匹配的各組的情況
('Tom', '24', '8888888')
>>> m.group(‘name’) #使用組名獲取匹配的字符串
‘Tom’
>>> m.group( 1 ) #使用組序號(hào)獲取匹配的字符串，同使用組名的效果一樣
>>> m.group(0) # 0組里面是什么呢？
'Tom 24 88888888 <='
原來(lái)0組就是整個(gè)正則式,包括沒(méi)有被包圍到組里面的內(nèi)容。當(dāng)獲取0組的時(shí)候，你可以不寫(xiě)這個(gè)參數(shù)。m.group(0)和m.group()的效果是一樣的：
>>> m.group()
'Tom 24 88888888 <='
接下來(lái)看看更多的Match對(duì)象的方法，看看我們能做些什么。
3.2.2 Match對(duì)象的方法
group([index|id]) 獲取匹配的組，缺省返回組0,也就是全部值
groups() 返回全部的組
groupdict() 返回以組名為key，匹配的內(nèi)容為values的字典
接上例：
>>> m.groupindex()
{'age': '24', 'tel': '88888888', 'name': 'Tom'}
start( [group] ) 獲取匹配的組的開(kāi)始位置
end( [group] ) 獲取匹配的組的結(jié)束位置
span( [group] ) 獲取匹配的組的（開(kāi)始，結(jié)束）位置
expand( template )根據(jù)一個(gè)模版用找到的內(nèi)容替換模版里的相應(yīng)位置
這個(gè)功能比較有趣，它根據(jù)一個(gè)模版來(lái)用匹配到的內(nèi)容替換模版中的相應(yīng)位置，組成一個(gè)新的字符串返回。它使用/g<index|name>或/index來(lái)指示一個(gè)組。
接上例
>>> m.expand(r'name is /g<1> , age is /g<age> , tel is /3')
'name is Tom , age is 24 , tel is 88888888'
除了以上這些函數(shù)外，Match對(duì)象還有些屬性
pos 搜索開(kāi)始的位置參數(shù)
endpos 搜索結(jié)束的位置參數(shù)
這兩個(gè)是使用findall或match等函數(shù)時(shí)，傳入的參數(shù)。在上面這個(gè)例子里，我們沒(méi)有指定開(kāi)始和結(jié)束位置，那么缺省的開(kāi)始位置就是0,結(jié)束位置就是最后。
>>> m.pos
0
>>> m.endpos
19
lastindex 最后匹配的組的序號(hào)
>>> m.lastindex
3
lastgroup 最后匹配的組名
>>> m.lastgroup
'tel'
re 產(chǎn)生這個(gè)匹配的Pattern對(duì)象，可以認(rèn)為是個(gè)逆引用
>>> m.re.pattern
'(?P<name>[a-z]+)//s+(?P<age>//d+)//s+(?P<tel>//d+).*'
得到了產(chǎn)生這個(gè)匹配的規(guī)則
string 匹配的目標(biāo)字符串
>>> m.string
'Tom 24 88888888 <='
轉(zhuǎn)自:
http://hi.baidu.com/yangdaming1983/item/e6a8146255a5442169105b91