python 正则表达式

Python正则表达式：

　　在Python中实现正则的方式是通过re（regular expression的缩写）模块来实现的，你可以调用re模块的各种方法来实现不同的功能，下面我们就来说下，在Python中通过re模块可以调用那些方法，以及这些方法的作用都是什么；还有就是正则的实例以及各种特殊符号的含义：

　　1、re.sub和replace:

 　　　　sub的全拼是substitute，也就是替换的意思；既然知道是替换了，那就很容易用到实例中了，其实replace也是替换的意思，只不过它们的用法不太相同，下面用一个例子来详细说明下它们的异同之处：

>>> import re
>>> str1 = 'Hello 111 is 222'
>>> str2 = str1.replace('111','222')
>>> print(str2)
Hello 222 is 222
>>>

　　　这是一个简单的例子，如果是下面这种情形，把所有的数字都换成222，那么用replace实现起来就比较麻烦，而用re模块的sub方法实现起来就比较的简单：（如果是更复杂的操作，使用replace可能就无法实现了。说明：代码里的d+是有特殊含义的特殊字符，下面会介绍到，在这里的意思是一个或者多个十进制数字）

>>> import re
>>> str1 = 'Hello 123 is 456'
>>> str2 = re.sub('d+','222',str1)
>>> print(str2)
Hello 222 is 222
>>>

　　2、re.search()和re.match():

　　　　match: 只从字符串的开始与正则表达式匹配，匹配成功返回matchobject,否则返回none.

　　　　search:将字符串的所有字串尝试与正则表达式匹配，如果所有的字串都没有匹配成功则返回none，否则返回matchobject.

　　　　下面这个例子说明了match和search的异同点，也说明了，在实际的应用中，search用的还是比较多的：

import re
str1 = 'helloword,i am alex'
if not re.match('word',str1):
    print('cannot match')
print(re.match('hello',str1).group())
print(re.search('word',str1).group())

#显示结果
cannot match
hello
word

　　3、re.split:

　　　　在Python中，如果想对一个字符串进行分割的话，只需要调用str的split方法就可以实现，但是这个split只能根据某个字符来进行分割的操作，如果要同时指定多个字符来进行分割的话，它就无法实现了。

　　　　好在re模块也提供了split这个方法来对字符串进行分割，而且这个方法更加强大，可以同时根据多个字符进行分割的操作，下面来分别看一下str的split和re的split有什么不同的地方（在第六行的代码中，中括号中的意思是以，； 这三个字符中的一个为分割点分割）：

str1 = 'helloword,i;am
alex'
str2 = str1.split(',')
print(str2)

import re
str3 = re.split('[,|;|
]',str1)
print(str3)

#下面是不同的输出结果
['helloword', 'i;am
alex']
['helloword', 'i', 'am', 'alex']

　　　　从中我们可以看出，上面说的真实性。

　　4、findall:

　　　　findall方法基本上都是和compile方法同时出现的，它们的用法是：

　　　　　　先由compile将一个正则表达式的字符串形式转换成pattern实例，然后再使用pattern实例调用findall方法生成match对象来获取结果，在讲它们结合的实例之前，我们先来看下正则表达式中预设的特殊字符含义：

　　　　d  匹配任何十进制数；它相当于类 [0-9]。

　　　　D  匹配任何非数字字符；它相当于类 [^0-9]。

　　　　s  匹配任何空白字符；它相当于类  [ "t"n"r"f"v]。

　　　　S  匹配任何非空白字符；它相当于类 [^ "t"n"r"f"v]。

　　　　w  匹配任何字母数字字符；它相当于类 [a-zA-Z0-9_]。

　　　　W  匹配任何非字母数字字符；它相当于类 [^a-zA-Z0-9_]。

　　　看完这几个特殊字符的含义，我们再举一个例子来说明一下上面的论点：

import re

str1 = 'asdf12dvdve4gb4'
pattern1 = re.compile('d')
pattern2 = re.compile('[0-9]')
mch1 = pattern1.findall(str1)
mch2 = pattern2.findall(str1)
print('mch1:	%s'% mch1)
print('mch2:	%s'% mch2)

#输出结果
mch1:    ['1', '2', '4', '4']
mch2:    ['1', '2', '4', '4']

　　　上面的两个实例都可以很好的阐述上面的论点，而且也表明了，特殊字符d确实跟[0-9]是一样的，通过输出结果就可以看出，那么如果你不想把每个数字都拆分为一个元素放在列表中，而是想把12整体的输出出来，那么你可以这样做：（就是在d的后面加上个+号来实现的，这里的+号表示的是把一个或者多个相连的十进制数字整体输出）

import re

str1 = 'asdf12dvdve4gb4'
pattern1 = re.compile('d+')
pattern2 = re.compile('[0-9]')
mch1 = pattern1.findall(str1)
mch2 = pattern2.findall(str1)
print('mch1:	%s'% mch1)
print('mch2:	%s'% mch2)

#输出结果
mch1:    ['12', '4', '4']
mch2:    ['1', '2', '4', '4']

　　　我们再举一个小例子，这个例子是结合特殊字符和re的sub功能实现一下把字符串中所有的空格都给去掉：

import re

str1 = 'asd 	f12d   vdve4gb4'
new_str = re.sub('s*','',str1)
print(new_str)

#输出结果
asdf12dvdve4gb4

　　5、元字符：

　　　　我们通常所说的二元字符有;2元字符：.   ^   $   *   +   ?   { }   [ ]   |   ( )   

　　　　我们首先考察的元字符是"[" 和 "]"。它们常用来指定一个字符类别，所谓字符类别就是你想匹配的一个字符集。字符可以单个列出，也可以用“-”号分隔的两个给定
字符来表示一个字符区间。例如，[abc] 将匹配"a", "b", 或 "c"中的任意一个字符；也可以用区间[a-c]来表示同一字符集，和前者效果一致。如果你只想匹配小写字母，那么应写成 [a-z].元字符在类别里并不起作用。例如，[akm$]将匹配字符"a", "k", "m", 或 "$" 中的任意一个；"$"通常用作元字符，但在字符类别里，其特性被除去，恢复成普通字
符。

　　　　[]:元字符[]表示字符类，在一个字符类中，只有字符^、-、]和有特殊含义。字符仍然表示转义，字符-可以定义字符范围，字符^放在前面，表示非.(这个在上面的特殊字符示例中也有提现)，

　　　　+           匹配+号前内容1次至无限次
　　　　?           匹配?号前内容0次到1次
　　　　{m}         匹配前面的内容m次
　　　　{m,n}       匹配前面的内容m到n次

　　　　下面通过一个小例子，来阐述一下上面的字符在元字符[]中的使用：(在下面的这个例子中，要注意的有两点：一是在d+后面的？号的含义，二是在匹配的前面加上了一个字符r,其实在这个示例中，加与不加都可以显示一样的结果)

>>> import re
>>> print(re.findall(r"a(d+?)","a123b"))
['1']
>>> print(re.findall(r"a(d+)","a123b"))
['123']
>>>

 　　  但是下面这个示例，如果前面不加r的话，就显得那么臃肿（通过这个例子，你就能看到有的时候在匹配字符的前面加上r的好处是什么了！！）：

        

print(re.findall("a(\\)","a\123b"))

print(re.findall(r"a(\)","a\123b"))

#输出结果
['\']
['\']

　　下面说下元字符{}的使用：

          print(re.findall(r"a[d+]{0,1}","a123b"))   ==》输出 ['a1']

          print(re.findall(r"a[d+]{1,2}","a123b"))   ==》输出 ['a12']