01_re正则表达式

正则表达式，是一个特殊的字符串， 是对一类字符串的描述 ( 怎么描述一类字符： 普通字符+元字符+重复）
检测给定的字符串，是否和正则表达式描述的字符串相匹配

举例：
1） 检查一串数字是否是电话号码
2） 检测一个字符串是否符合email的标准
3） 把一个文本中的指定单词替换为另一个单词

Python提供的则这则表达式模块： re

普通字符： 具体的一个个字符

元字符： 表示一类字符
\d      匹配0~9的任意一个数字字符
\D     匹配1个非数字字符
\w     匹配1个数字,字母,下划线， [A-Za-z0-9_] （单词字符）
\W    匹配1个非单词字符（空格，\n， \r, \t, 也是非单词字符）
\s     匹配1个\n, \r, \t, 空格 （空白字符）
\S    匹配1个非空白字符
.      匹配除换行符\n之外的所有字符

{n}                 修饰前面的元字符或普通字符，表示重复n次
[a-z]{3}          3个a到z的任意字符

{n,m}            修饰前面的元字符或普通字符，最小重复次数为n, 最大重复次数为6
[a-z]{3,6}      默认python会贪婪匹配，尽可能多的匹配，看6个连续字符是否存在，没有则看5个连续字符是否存在，以此类推
[a-z]{3,6}?    手工指定非贪婪方式进行匹配，尽可能少的匹配： 有3个连续的字符匹配到就做为1个结果字符串返回

*      匹配*前面的单个字符， 0次或无限多次
+     匹配+前面的单个字符，1次或无限多次
?     匹配?前面的单个字符，0次或1次 （python? --> pythonn ->返回结果：python(也是贪婪匹配）
       经常用于去重（python? -> pythonnnnnn -> 返回结果：python)
       ?有两种用法，手工指定非贪婪，重复0次或1次，重点是?前面修饰的是{n,m}，还是字符（普通字符/元字符）

^ $
^\d{4,8}$,      ^, 字符串的开始， 字符串必须以数字字符开头
                     $, 字符串结尾，最多连续8个数字字符后，字符串就结束，后面不能再有更多的字符
                     这个例子的含义：4到8个连续数字字符

[nm]       匹配字符n或者字符m
[^nm]     匹配不是字符n和不是字符m的其他字符
[n-m]      匹配n到m的任意一个字符

方法： 查找所有匹配的子串
findall(pattern, string, flags=0)       返回1个list, string中匹配pattern的所有子串，没有则返回空list

flags 匹配模式参数
flags=re.I                    忽略大小写来匹配
flags=re.I | re.S           多个模式一起用，re.S( .将匹配所有的字符，包括\n)

方法： 匹配并替换
sub(pattern, replace, string, count=0, flags=0)      将string中所有匹配pattern的子串，替换为replace，生成新的string返回
                                                                              count=n, 从做到右最多替换n次
                                                                              count=0, 全部替换，不限定替换次数
                                                                              replace还可以传入1个函数（意义：根据不同的匹配子串，替换为不同的值）

import re
language = 'C|C#|C++|Python|Java|Scala|Go'
pattern = 'C[#+]*'
replace = 'Go'
result = re.sub(pattern,replace,language)     # 替换后生成新字符串，原始字符串并不改变（字符串不可改变）
print(result)

# replace传入函数
def convert(value):
pass

result = re.sub(pattern,convert,language)
print(result) # '|||Python|Java|Scala|Go'

运行机制：python会将匹配到的子串，作为convert函数的形参传入，convert函数的返回值将被作为替换字符，生成新字符串
                  由于convert没有返回任何值，匹配到的字符会被替换为 空字符
                  说明： 本质上是将匹配到的子串，生成1个匹配实例传入

# replace传入函数
def convert(value):
print(value)                         # <_sre.SRE_Match object; span=(0, 1), match='C'>
print(value.group())            # value.group(), 返回匹配到的子串内容

result = re.sub(pattern,convert,language)
print(result)                        # '|||Python|Java|Scala|Go'

# 将函数作为参数传入re.sub (实例2）

def convert(value)：
"""
匹配到的大于6的数字字符，替换为9
匹配到的小于6的数字字符，替换为0
“”“
match = value.group()

if isinstance(int(match), int) and int(match) >= 6:
return '9'
elif isinstance(int(match),int) and int(match) < 6:
return '0'

方法： re.match
match(pattern, string, flags=0)    从string的首字符开始匹配，找到第一个匹配结果，就返回1个match实例，或者None
                                                    区别于findall: 1)从第一个字符开始匹配 2）只找1个匹配结果 3）返回结果是match实例

import re
s = 'ABC123788DEF'
pattern = '\d'

result = re.match(pattern, s)
print(result) # None，因为开头没有数字

方法： re.search
search(pattern, string, flags=0)    搜索整个string，找到第一个匹配结果，就返回1个match实例，或者None
                                                     区别于findall: 1) 只找1个匹配结果 2）返回结果是match实例

import re
s = 'ABC123788DEF'
pattern = '\d'

result = re.search(pattern, s)
print(result)                                # result， 是匹配实例
print(result.group())                   #  '1'，  只匹配1个

分组 group

1、组括号    -- pattern中的分组
(python){3}   ()内的字符是且的关系，[]内的字符是或的关系

2、groups()    -- 获取匹配对象中的各个分组
     group（）  -- 获取匹配对象中个整个匹配结果， group(0)

#  获取匹配结果中的指定部分，group()
import re
s = 'life is short, i use python'
pattern = 'life(.*)python'                       # pattern中的分组
result = re.search(pattern,s)

print(result)                                           # 匹配对象
print(result.group())                              # 获取整个匹配结果，默认参数=0，将整个结果作为1个group返回

print(result.group(1))                            # 获取匹配结果中的第一个分组（从左往右）
print(result.groups())                            # 获取结果中的所有分组， tuple实例

常见正则表达式参考：
http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html