python模块之re（正则表达式）
匹配模式
re.ASCII
同re.A，对应的内联标识为(?a)，用于向后兼容。使元字符\w, \w, \b, \b, \d, \d, \s和\s仅匹配ASCII字符。该模式只在string模式下有意义，在byte模式下将被忽略。
re.DEBUG
显示debug信息，没有对应的内联标识。
re.IGNORECASE
同re.I，对应的内联标识是(?i)。忽略大小写匹配，如表达式[A-Z]也会匹配小写的字母a-z。对Unicode字符同样生效(如'Ü'可以匹配'ü')，除非指定了re.ASCII禁止匹配非ASCII字符。
当前locale不会改变此标识的效果，除非指定了re.LOCALE。
在string模式下[A-Z],[A-Z]和IGNORECASE标识结合使用时，将匹配52个ASCII字母和4个非ASCII字母。
re.LOCALE
同re.L，对应的内联标识为(?L)。不推荐使用。
re.MULTILINE
同re.M，对应的内联标识为(?m)。多行模式，改变元字符^和$的行为。
默认^只匹配字符串开始，指定后还会匹配每行的开始（换行符之后）；默认$只匹配字符串结尾，指定后还会匹配每行结尾（换行符之前）。
re.DOTALL
同re.S，对应的内联标识为(?s)。此模式下，元字符.匹配任意字符，包括换行符。
re.VERBOSE
同re.X，对应的内联标识为(?x)。冗余模式，此模式下可以在表达式中添加注释，使其更具可读性，但在编译时会忽略多余的空格和注释。
模块级方法
re.compile(pattern, flags=0)
编译正则表达式pattern，返回一个SRE_Pattern对象。flags参数指定匹配模式。
re.search(pattern, string, flags=0)
扫描string参数，查找正则表达式pattern产生匹配的第一个结果，返回一个SRE_Match对象。如果返回None表示匹配失败
re.match(pattern, string, flags=0)
如果string参数开头的0个或多个字符匹配正则表达式pattern，返回一个SRE_Match对象。如果返回None表示匹配失败
即使在MULTILINE模式下，match()函数也只会匹配字符串开头，而不会匹配每行开头
re.fullmatch(pattern, string, flags=0)
如果string参数整个匹配正则表达式pattern，返回一个SRE_Match对象。如果返回None表示匹配失败。
re.split(pattern, string, maxsplit=0, flags=0)
正则表达式pattern作为分隔符拆分string参数，返回拆分后的列表。maxsplit如果不为0，最多拆分maxsplit次，string参数的余下部分将作为列表的最后一个元素返回。如果在pattern中使用了分组(...)，返回列表中还会包含所有匹配的分组本身。
>>> re.split(r'\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split(r'(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split(r'\W+', 'Words, words, words.', 1)
['Words', 'words, words.']
>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9']如果pattern在字符串的开头匹配，那么返回列表第一个元素是空字符串；同样地，如果pattern在字符串末尾匹配，返回列表的最后一个元素是空字符串：
>>> re.split(r'(\W+)', '...words, words...') ['', '...', 'words', ', ', 'words', '...', '']
re.findall(pattern, string, flags=0)
返回一个列表，按顺序排列所有成功的分组匹配。如果pattern参数中只有一个分组，列表元素为所有成功的分组匹配；如果存在超过一个以上的分组，列表元素为元组形式的各个分组匹配。如果返回空列表表示匹配失败
>>> content = '333STR1666STR299'
>>> regex = r'([A-Z]+(\d))'
>>> re.findall(regex, content)
[('STR1', '1'), ('STR2', '2')]
>>> regex1 = r'[A-Z]+(\d)'
>>> re.findall(regex1, content)
['1', '2']
# 如果正则表达式不含分组，视其整体为一个分组
>>> regex2 = r'[A-Z]+\d'
>>> re.findall(regex2, content)
['STR1', 'STR2']
>>> regex3 = r'([A-Z]+\d)'
>>> re.findall(regex3, content)
['STR1', 'STR2']re.finditer(pattern, string, flags=0)
查找所有匹配成功的字符串, 返回一个迭代器，元素为SRE_Match对象。如果返回空迭代器表示匹配失败
content = '333STR1666STR299'
regex = r'([A-Z]+(\d))'
result = re.finditer(regex, content)
for i in result:
print(i.group(0))
# STR1
# STR2re.sub(pattern, repl, string, count=0, flags=0)
使用pattern匹配原始字符串string，将匹配到的结果用repl替换，返回一个新的字符串。如果没有匹配返回原字符串。
count是一个正整数，表示字符串替换的最大次数。
repl可以是字符串或函数，如果是字符串，其中的的所有\都将进行转义处理，比如\n表示换行符，反向引用\6表示pattern匹配的第六个分组，而某些无意义的转义可能原样保留或导致异常：
>>> re.sub(r'def\s+([a-zA-Z_][a-zA-Z_0-9]*)\s*\(\s*\):',
... r'static PyObject*\npy_\1(void)\n{',
... 'def myfunc():')
'static PyObject*\npy_myfunc(void)\n{'如果repl是函数，该函数接收单个SRE_Match对象为参数，pattern匹配到一次结果便会调用一次该函数，返回要替换的字符串：
>>> def dashrepl(matchobj):
... if matchobj.group(0) == '-': return ' '
... else: return '-'
>>> re.sub('-{1,2}', dashrepl, 'pro----gram-files')
'pro--gram files'
>>> re.sub(r'\sAND\s', ' & ', 'Baked Beans And Spam', flags=re.IGNORECASE)
'Baked Beans & Spam're.subn(pattern, repl, string, count=0, flags=0)
同sub()，但返回值为(new_string, number_of_subs_made)
re.escape(pattern)
转义特殊字符。
re.purge()
清空正则表达式缓存。
异常
exception re.error(msg, pattern=None, pos=None)
属性msg：未格式化的错误信息
pattern：正则表达式
pos：导致异常的pattern索引位置，可能为None
lineno：pos在第几行，可能为None
colno：pos在所在行的位置，可能为None
Pattern对象
方法Pattern.search(string[, pos[, endpos]])
与模块级的search()类似。pos和endpos表示string参数的前endpos个字符中，从索引为pos的位置开始匹配，如果endpos小于等于pos，返回None
Pattern.match(string[, pos[, endpos]])
与模块级的match()类似。pos和endpos参数意义同search()
>>> pattern = re.compile("o")
>>> pattern.match("dog") # No match as "o" is not at the start of "dog".
>>> pattern.match("dog", 1) # Match as "o" is the 2nd character of "dog".
<re.Match object; span=(1, 2), match='o'>Pattern.fullmatch(string[, pos[, endpos]])
与模块级的fullmatch()类似。pos和endpos参数意义同search()
>>> pattern = re.compile("o[gh]")
>>> pattern.fullmatch("dog") # No match as "o" is not at the start of "dog".
>>> pattern.fullmatch("ogre") # No match as not the full string matches.
>>> pattern.fullmatch("doggie", 1, 3) # Matches within given limits.
<re.Match object; span=(1, 3), match='og'>Pattern.split(string, maxsplit=0)
与模块级的split()相同
Pattern.findall(string[, pos[, endpos]])
与模块级的findall()类似。pos和endpos参数意义同search()
Pattern.finditer(string[, pos[, endpos]])
与模块级的finditer()类似。pos和endpos参数意义同search()
Pattern.sub(repl, string, count=0)
与模块级的sub()相同
Pattern.subn(repl, string, count=0)
与模块级的subn()相同
属性Pattern.flags：返回一个正整数，表示正则匹配模式。该值是compile()函数中pattern参数中的内联标识以及flags参数指定的模式，和隐式的re.UNICODE(如果pattern为Unicode字符串)的值的和
>>> re.UNICODE
<RegexFlag.UNICODE: 32>
>>> re.IGNORECASE
<RegexFlag.IGNORECASE: 2>
# 32 + 2
>>> re.compile("", flags=re.IGNORECASE).flags
34Pattern.groups：pattern中存在的分组数量
Pattern.groupindex：正则表达式中所有命名分组名称和对应分组号的映射；如果没有使用命名分组，返回一个空字典
>>> pattern = re.compile(r"(?P<first_name>\w+) (?P<last_name>\w+)")
>>> pattern.groupindex
mappingproxy({'first_name': 1, 'last_name': 2})Pattern.pattern：编译pattern对象的正则表达式
Match对象
方法Match.expand(template)
通过对template中的反斜杠引用进行替换，返回替换后的字符串。例如\n将转义为换行符，\1, \g<name>将替换为Match对象中对应的分组：
>>> m = re.search("(b)+(z)?", "cba")
>>> m
<re.Match object; span=(1, 2), match='b'>
>>> m.expand(r'ab\1')
'abb'
>>> m.expand(r'ab\2')
'ab'
>>> print(m.expand(r'ab\n'))
ab
>>>Match.group([group1, ...])
返回Match对象的一个或多个子分组。如果传入单个参数，返回单个字符串；如果传入多个参数，返回一个元组，元组中的每个元素代表每个参数对应的分组。
- 如果参数为0，返回值为pattern匹配的完整字符串
- 如果参数在1-99范围内，返回对应分组匹配的字符串
- 如果参数为负数或大于pattern中定义的分组数量，抛出
IndexError异常 - 如果对应分组无匹配，返回None
- 如果一个分组匹配多次，只返回最后一次匹配的结果
>>> m = re.match(r"(\w+) (\w+)(\d+)?", "Isaac Newton, physicist")
>>> m.group(0) # (1)
'Isaac Newton
>>> m.group(1) # (2)
'Isaac'
>>> m.group(2) # (2)
'Newton'
>>> m.group(1, 2) # Multiple arguments give us a tuple.
('Isaac', 'Newton')
>>> type(m.group(3)) # (4)
<class 'NoneType'>
>>> m = re.match(r"(..)+", "a1b2c3") # Matches 3 times.
>>> m.group(1) # (5)
'c3'如果正则表达式中使用了(?P<name>...)，group()也支持通过分组名的方式访问分组，分组名不存在将抛出IndexError异常：
>>> m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Malcolm Reynolds")
>>> m.group('first_name')
'Malcolm'
>>> m.group('last_name')
'Reynolds'
# 仍然可以通过索引访问
>>> m.group(1)
'Malcolm'
>>> m.group(2)
'Reynolds'Match.__getitem__(g)
等同于group()，提供了更简单的访问分组的方式：
>>> m = re.match(r"(\w+) (\w+)", "Isaac Newton, physicist") >>> m[0] # The entire match 'Isaac Newton' >>> m[1] # The first parenthesized subgroup. 'Isaac' >>> m[2] # The second parenthesized subgroup. 'Newton' >>> m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Malcolm Reynolds") >>> m["first_name"] 'Malcolm'
Match.groups(default=None)
返回一个包含所有子分组的元组，元组长度等同于pattern中的分组数量；如果没有分组，返回空元组。default参数作为分组无匹配值时的默认值，默认为None：
>>> m = re.match(r"(\d+)\.(\d+)", "24.1632")
>>> m.groups()
('24', '1632')
>>> m = re.match(r"(\d+)\.?(\d+)?", "24")
>>> m.groups() # Second group defaults to None.
('24', None)
>>> m.groups('0') # Now, the second group defaults to '0'.
('24', '0')Match.groupdict(default=None)
返回一个字典，key为pattern中定义的分组名称，value为分组的匹配值；如果没有使用命名元组，返回空字典。default参数作为分组无匹配值时的默认值，默认为None：
>>> m = re.match(r"(?P<first_name>\w+) (?P<last_name>\w+)", "Malcolm Reynolds")
>>> m.groupdict()
{'first_name': 'Malcolm', 'last_name': 'Reynolds'}Match.start([group])
Match.end([group])
返回由group匹配的子字符串在原始字符串中的开始和结束索引。
- group默认为0，表示完整匹配结果。
- 如果返回-1，表示group存在但没有匹配值
- 如果m.start(group)等同于m.end(group)，表示group匹配一个空字符串
>>> m = re.match(r"(\w+) (\w+)(\d)?", "Isaac Newton, physicist") >>> m <re.Match object; span=(0, 12), match='Isaac Newton'> # (1) >>> m.start() 0 >>> m.end() 12 # (2) >>> type(m[3]) <class 'NoneType'> >>> m.start(3) -1 >>> m.end(3) -1 # (3) >>> m[3] '' >>> m.start(3) 12 >>> m.end(3) 12
Match.span([group])
返回(m.start(group), m.end(group))形式的元组，如果group不存在对应匹配值，返回(-1, -1)。group默认为0，表示完整匹配结果
Match.pos：传递给Pattern对象的search(), match(), fullmatch()方法的pos参数
Match.endpos：传递给Pattern对象的search(), match(), fullmatch()方法的endpos参数
Match.lastindex：具有匹配值的最后一个分组的位置，如果没有任何分组匹配，返回None。
>>> m = re.search(r"a(z)?", "ab") >>> type(m.lastindex) <class 'NoneType'> >>> m = re.match(r"(\w+) (\w+)(\d)?", "Isaac Newton, physicist") >>> m.lastindex 2
Match.lastgroup：具有匹配值的最后一个分组的名称，如果没有命名分组或没有任何分组匹配，返回None
Match.re：创建当前Match对象的Pattern对象
Match.string：进行匹配的原始字符串
3.7版本re模块新特性
Non-empty matches can now start just after a previous empty match：
# python3.7之前
>>> re.sub('x*', '-', 'abxd')
'-a-b-d-'
# python3.7
>>> re.sub('x*', '-', 'abxd')
'-a-b--d-'Unknown escapes in repl consisting of '' and an ASCII letter now are errors：
# python3.7之前 >>> print(re.sub(r'\w+', r'\d', 'ab&xd&')) \d&\d& # python3.7 >>> print(re.sub(r'\w+', r'\d', 'ab&xd&')) ... re.error: bad escape \d at position 0
Only characters that can have special meaning in a regular expression are escaped：
# python3.7之前
>>> print(re.escape("!#$%&"))
\!\#\$\%\&
# python3.7
>>> print(re.escape("!#$%&"))
!\#\$%\&Added support of splitting on a pattern that could match an empty string：
# python3.7之前 >>> re.split(r'\b', 'Words, words, words.') ... ValueError: split() requires a non-empty pattern match. >>> re.split(r'\W*', '...words...') ['', 'words', ''] >>> re.split(r'(\W*)', '...words...') ['', '...', 'words', '...', ''] # python3.7 >>> re.split(r'\b', 'Words, words, words.') ['', 'Words', ', ', 'words', ', ', 'words', '.'] >>> re.split(r'\W*', '...words...') ['', '', 'w', 'o', 'r', 'd', 's', '', ''] >>> re.split(r'(\W*)', '...words...') ['', '...', '', '', 'w', '', 'o', '', 'r', '', 'd', '', 's', '...', '', '', '']
Added support of copy.copy() and copy.deepcopy(). Match objects are considered atomic