python3.x 正则表达式的应用

　　正则表达式是我认为比较难的一个东西，今天忽然又学到了这个，想到写下来，以后作为参考手册使用。

　　python如果想使用python需要引用re方法，在文件开始进行引用。

import re

　　接下来说一下re包含的函数的用法。

　　re.__all__

　　返回一个包含re函数名的列表

print(re.__all__)

　　结果如下：

['match', 'fullmatch', 'search', 'sub', 'subn', 'split', 'findall', 'finditer', 'compile', 'purge', 'template', 'escape', 'error', 'A', 'I', 'L', 'M', 'S', 'X', 'U', 'ASCII', 'IGNORECASE', 'LOCALE', 'MULTILINE', 'DOTALL', 'VERBOSE', 'UNICODE']

　　re.__version__

　　返回re的版本

print(re.__version__)

　　结果如下：

2.2.1

　　match(pattern, string, flags=0)

　　判断pattern是否在string开始位置，如果有，返回匹配的对象，否则返回None

　　（为了演示方便以及照顾不是特别了解正则表达式的童鞋，这里使用简单的字符串匹配来观察效果，具体的正则表达式写法下章会说明。flags是一个标志变量，文章最后会进行说明，默认为0，没有效果，其他的方法相同。）

　　能匹配上时：

source='[e-mail]'
item='qq1'
res=re.match(item,source)
if res:
    print(res)
    print(res.group())
else:
    print(res)
    print('No match!')

　　结果如下：

<_sre.SRE_Match object; span=(0, 3), match='qq1'>
qq1

　　可以看到，如果只是打印es会输出匹配项，匹配多长字符，匹配的字符。

　　匹配之后res有group方法，能够输出匹配了哪些字符。

　　不能匹配上时：

source='[e-mail]'
item='qq2'
res=re.match(item,source)
if res:
    print(res)
    print(res.group())
else:
    print(res)
    print('No match!')

　　结果如下：

None
No match!

　　没有匹配上的时候res没有group方法，如果使用的话会报错。

　　fullmatch(pattern, string, flags=0)

　　判断pattern是否是string的全部，如果是，返回匹配的对象，否则返回None

　　能匹配上时：

source='[e-mail]'
item='[e-mail]'
res=re.fullmatch(item,source)
if res:
    print(res)
    print(res.group())
else:
    print(res)
    print('No match!')

　　结果如下：

<_sre.SRE_Match object; span=(0, 19), match='[e-mail]'>
[e-mail]

　　不能匹配上时：

source='[e-mail]'
item='qq14717287'
res=re.fullmatch(item,source)
if res:
    print(res)
    print(res.group())
else:
    print(res)
    print('No match!')

　　结果如下：

None
No match!

　　不是全部的字符串就不能匹配上，同样的，没有匹配上就没有group方法。

　　search(pattern, string, flags=0)

　　判断string里面是否包含pattern，如果有，返回匹配的对象，否则返回None

　　能匹配上时：

source='[e-mail]'
item='xx'
res=re.search(item,source)
if res:
    print(res)
    print(res.group())
else:
    print(res)
    print('No match!')

　　结果如下：

<_sre.SRE_Match object; span=(10, 12), match='xx'>
xx

　　不能匹配上时：

source='[e-mail]'
item='xz'
res=re.search(item,source)
if res:
    print(res)
    print(res.group())
else:
    print(res)
    print('No match!')

　　结果如下：

None
No match!

　　与match函数相同，如果不能匹配上时就没有group方法，否则会报错。

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

　　判断string里面是否含有pattern，如果含有则使用repl替换，返回新字符串。不改变原有字符串。count定义替换的次数，如果不填写默认替换字符串中全部匹配的项。

　　能匹配上时：

source='[e-mail]&10010/10086'
item=''
res=re.sub(item,'n',source,4)
print(res)
print(source)

　　结果如下：

[e-mail]&n00n0/10086
[e-mail]&10010/10086

　　可以看出，原字符串中的‘1’被替换成了‘n’四次，同时没有改变源字符串。

　　不能匹配上时：

source='[e-mail]&10010/10086'
item=''
res=re.sub(item,'n',source,4)
print(res)
print(source)

　　结果如下：

[e-mail]&10010/10086
[e-mail]&10010/10086

　　由结果可以看出，此函数如果没有匹配上也不会报错。

　　subn(pattern, repl, string, count=0, flags=0)

　　同sub函数，但是返回一个元组，包含修改后的字符串以及修改的次数。

　　能匹配上时：

source='[e-mail]&10010/10086'
item=''
res=re.subn(item,'n',source,4)
print(res)
print(source)

　　结果如下：

('[e-mail]&n00n0/10086', 4)
[e-mail]&10010/10086

　　可以看到，函数返回了一个数组，包括新字符串以及修改的次数。函数并没有修改原字符串。

　　不能匹配上时：

source='[e-mail]&10010/10086'
item=''
res=re.subn(item,'n',source,4)
print(res)
print(source)

　　结果如下：

('[e-mail]&10010/10086', 0)
[e-mail]&10010/10086

　　可以看到，函数返回的修改次数为0

　　split(pattern, string, maxsplit=0, flags=0)

　　以pattern作为分隔符给string进行分隔，返回一个列表。maxsplit定义最多分几次，不写默认全部进行分隔。

　　能够匹配上时：

source='[e-mail]&10010/10086'
item=''
res=re.split(item,source,4)
print(res)
print(source)

　　结果如下：

['qq', '', '[e-mail]&', '', '0/10086']
[e-mail]&10010/10086

　　以‘1’作为分隔符分了四次，可以看到，并没有改变原字符串。

　　不能匹配时：

source='[e-mail]&10010/10086'
item=''
res=re.split(item,source,4)
print(res)
print(source)

　　结果如下：

['[e-mail]&10010/10086']
[e-mail]&10010/10086

　　可以看到，此函数没有匹配上也不会报错。

　　findall(pattern, string, flags=0)

　　查找string中全部匹配pattern的项，返回一个列表

　　能够匹配时：

source='[e-mail]&10010/10086'
item=''
res=re.findall(item,source)
print(res)
print(source)

　　结果如下：

['', '']
[e-mail]&10010/10086

　　不能匹配时：

source='[e-mail]&10010/10086'
item=''
res=re.findall(item,source)
print(res)
print(source)

　　结果如下：

[]
[e-mail]&10010/10086

　　finditer(pattern, string, flags=0)

　　效果与findall相似，只不过finditer返回一个迭代器，拥有group方法（匹配的字符串）和span方法（匹配字符串的位置）

　　能够匹配时：

source='[e-mail]&10010/10086'
item=''
res=re.finditer(item,source)
for i in res:
    print(i.group(),i.span())
print(res)
print(source)

　　结果如下：

100 (20, 23)
100 (26, 29)
<callable_iterator object at 0x0111B4F0>
[e-mail]&10010/10086

　　遍历迭代器使用group方法和span方法可以得到匹配的字符和字符匹配的位置。

　　不能匹配时：

source='[e-mail]&10010/10086'
item=''
res=re.finditer(item,source)
for i in res:
    print(i.group(),i.span())
print(res)
print(source)

　　结果如下：

<callable_iterator object at 0x018FB4F0>
[e-mail]&10010/10086

　　可以看到，如果不匹配的话，迭代器就没有输出

　　compile(pattern, flags=0)

　　预编译正则表达式。以上的方法都是在进行调用的时候开始编译正则表达式，如果查找条目较多，比如说5亿个数据，每次都编译的话，效率必然会受到影响。而使用compile函数则可以预编译正则表达式，这样就不必每次都编译正则表达式，提高效率。

　　用法：

source='[e-mail]&10010/10086'
res=re.compile('')
print(res.findall(source))
print(source)

　　结果如下：

['', '']
[e-mail]&10010/10086

　　purge()

　　清除缓存中的正则表达式。这个，没有明白具体用法。

　　template(pattern, flags=0)

　　编译一个模版表达式，返回一个表达式对象。没有明白用法。

　　escape(pattern)

　　对字符串中的非字母数字进行转义，将字符串转义为python能够识别的正则表达式。

　　用法：

source='[e-mail]&10010/10086'
print(re.escape(source))

　　结果如下：

qq14717287xx\@qq\.com\&10010\/10086

　　编译标志位解释：

　　编译标志位就是函数后面的flags参数，通过设置能够改变正则表达式匹配规则，具有更大的灵活性。多个标志位可以通过按位OR进行设定，如I|M被设置为I标志和M标志。

　　A　　ASCII　　字符串模式中匹配ASCII字符类，而且是默认模式。字节模式中则是唯一可以使用的模式，不需要进行指定。

　　I　　IGNORECASE　　匹配时忽略大小写的变化。

　　L　　LOCALE　　影响 \w, \W, \b和\B，取决于当前的本地化设置。

　　locales 是 C 语言库中的一项功能，是用来为需要考虑不同语言的编程提供帮助的。举个例子，如果你正在处理法文文本，你想用 "w+ 来匹配文字，但 "w 只匹配字符类 [A-Za-z]；它并不能匹配 "é" 或 "?"。如果你的系统配置适当且本地化设置为法语，那么内部的 C 函数将告诉程序 "é" 也应该被认为是一个字母。当在编译正则表达式时使用 LOCALE 标志会得到用这些 C 函数来处理 "w 後的编译对象；这会更慢，但也会象你希望的那样可以用 "w+ 来匹配法文文本。

　　M　　MULTILINE　　“^”只匹配每一行的开头，如果之前有换行符，则不考虑换行符之前的内容，“$”只匹配每一行的结尾，如果之后有换行符，不考虑换行符之后的内容。

　　S　　DOTALL　　使 "." 完全匹配任何字符，包括换行；如果没有这个标志， "."只会匹配除了换行外的任何字符。

　　X　　VERBOSE　　允许将正则表达式写为多行，忽略空白字符（字符类或者反斜杠之后的不忽略）。可以添加注释，注释使用“#”号标识（不能在字符串或者反斜杠之后）。

　　U　　UNICODE　　仅用于兼容性。忽略字符串模式（默认），并禁止字节模式。

　　用法如下（以I为例，其它标志位用法相同）：

source='[e-mail]&10010/10086'
item='qq14717287xx@QQ'
res=re.findall(item,source,re.I)
print(res)
print(source)

　　运行结果是：

['QQ14717287xx@qq']
[e-mail]&10010/10086