原文参见
http://wiki.ubuntu.org.cn/Python%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E6%93%8D%E4%BD%9C%E6%8C%87%E5%8D%97

>>> import re >>> p=re.compile("word ") >>> m=p.search("abcwords secondword third") >>> dir(m) ['__copy__', '__deepcopy__', 'end', 'expand', 'group', 'groupdict', 'groups', 'span', 'start'] >>> m.span() (15, 20) >>> dir(p) ['__copy__', '__deepcopy__', 'findall', 'finditer', 'match', 'scanner', 'search', 'split', 'sub', 'subn'] >>> dir(re) ['DOTALL', 'I', 'IGNORECASE', 'L', 'LOCALE', 'M', 'MULTILINE', 'S', 'U', 'UNICODE', 'VERBOSE', 'X', '__all__', '__builtins__', '__doc__', '__file__', '__name__', 'compile', 'engine', 'error', 'escape', 'findall', 'finditer', 'match', 'purge', 'search', 'split', 'sub', 'subn', 'template']

基本和一般的正则表达式定义一样

"["和"]"
指定一个字符集合,可以枚举,也可以用"-"表示范围
如[3-6]:表示数字3,4,5,6的任意一个
[a-z]:表示所有小写字符
部分元字符在[]中失去特殊含义
"." 
匹配除换行符以外的任意一个字符,re.DOTALL模式下例外
"*"
表示任意个重复出现
"+"
表示至少一个出现
"?"
表示至多出现一次
"{}"
表示出现的次数范围 {1,10},{,2},{3,}
"^"和"$"
分别表示开始和结尾
"|"
逻辑或
"()"
分组
"\"
转意符号,可将元字符表示为一般的字符 \$ ,\\,\(
常用的转意集合
\d      [0-9]
\D      [^0-9]
\s      任何空白字符；它相当于类  [ \t\n\r\f\v]
\S	[^\s]
\w      [a-zA-Z0-9_]
\W      [^\w]
\A      字符串首
\Z      字符串尾
\b      单词边界 [^a-zA-Z0-9]
\B      非单词边界 "\Babc" 匹配"sd abcdabc"第二个 "abc"

    正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行.

    初始化时,正则表达式被当做python风格的字符串传入,如果有"\b""\t"之类的,
会被自动替换,有两种方法保持原义:

1. 转义符号表示 "abc\n" 表示为 "abc\\n"
2. 用raw格式字符串 r'abc\n'
   

编译模式

使用一个变量保存初始化结果,初始化将完成编译过程
然后可以多次使用,如示例中所示

模块级函数

编译后立刻使用,系统会缓存编译结果

>>> re.search("word ","abcwords secondword third").span() (15, 20)

前者可以在运行时节省编译时间

编译对象方法

>>> p=re.compile(r'^[12][0-9]{1,2}') >>> dir(p) ['__copy__', '__deepcopy__', 'findall', 'finditer', 'match', 'scanner', 'search', 'split', 'sub', 'subn']

匹配对象方法

span 匹配的首末坐标元组
group 匹配的组

编译标志

re.compile(reg,flag)

标志及缩写	含义
DOTALL, S	使 . 匹配包括换行在内的所有字符
IGNORECASE, I	使匹配对大小写不敏感
LOCALE, L	做本地化识别（locale-aware）匹配
MULTILINE, M	多行匹配，影响 ^ 和 $
VERBOSE, X	能够使用 REs 的 verbose 状态，使之被组织得更清晰易懂

分组

将一个串作为一个整体表示 r'(abc)*'匹配任意个abc的连续出现
分组可以欠套,和vi的相似

可以用\1,\2,...或者\g<1>\g<2>依此引用顺序定义的分组
对不不会引用的分组用?:...表示,如(?:abc)表示(abc)被忽略
可以用?P<name>方式定义一个命名的分组 (?P<id>[1-9][1-9]?)定义了分组名子为"id"\
对命名的分组,可以用编号的方法引用:\k;也可以用\g<name>方式引用,还可以用?P=name引用

msg="03/06/2007" pattern = r"(?P<mouth>\d+)/(?P<day>\d+)/(\d+)" myre = re.compile(pattern) trans = r"\3年\g<mouth>月\g<2>日" ret = myre.sub(trans,msg) print ret 2007年03月06日 def trans(reg):     tu = reg.groups()     return "%s年%S月%s日"%(tu[2],tu[0].lstrip("0"),tu[1].lstrip("0"))#groups里面仍旧按照匹配的顺序排列 ret = myre.sub(trans,msg) 2007年3月6日

肯定定界符

?=...

否定定界符

?!...   匹配非的情况

.*[.](?!bat$|exe$).*$

匹配与替换

"*"匹配默认是贪婪算法,接合?可以改为非贪婪算法,如*?,对于+,?,{m,n}的情况,需要实验确认是否是默认贪婪算法

reg.sub(替换模型,原型[,替换次数])
替换模型是一个原模式串的函数,可以是常量.接合分组标记,可以实现复杂的串转换
工作原理如下:替换模型对象依此接收到从原型里面匹配到的匹配对象(reg.REG_Match 类型),然后根据该类型返回相应的替换串;re 将替换原型返回的串代替匹配到的串,继续下一次匹配.
替换模型 非常灵活,例如

 

count = 0 def trans(reg):  global count  count = count + 1  print type(reg)  return "This is %s[%s] "%(count,reg.group()) myre = re.compile(r"(?=\W?)http://(?:www\.)?\w+(?:\w+\.){0,2}\.com/") urls="Please see Google's Terms of Service posted at http://www.google.com/terms_of_service.html" res = myre.sub(trans,urls) out:<type '_sre.SRE_Match'> print res out:Please see Google's Terms of Service posted atThis is 5[http://www.google.com/] terms_of_service.html

findall() 返回列表,如果一次匹配中有有名分组,则列表的项成为分组组成的元组

不要杀鸡用牛刀,跟据具体问题选用合适的工具.
一般越特化的处理方式效率越高.
参考string.replace string.join,string.split方法

---

   1 >>> m = re.match("([abc])+", "abc")
   2 >>> m.groups()
   3 ('c',)