说明

摘抄为主，忘记是在什么地方看见的原文了。原作者别打我，若你见了请联系我，增加你的版权和链接描述

整体过程

1. Python通过re模块提供对正则表达式的支持。
2. 使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例
3. 然后使用Pattern实例处理文本并获得匹配结果（一个Match实例）
4. 最后使用Match实例获得信息，进行其他的操作。
   

   1. 引入正则库
   2. 确定正则表达式格式
   3. 编译表达式生成正则对象
   4. 其它相关正则对象操作

# encoding: UTF-8
#引入正则库
import re

# 将正则表达式编译成Pattern对象
pattern = re.compile(r\'hello\')

# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
jieguo = pattern.match(\'hello world!\')

if jieguo:
    # 使用Match获得分组信息
    print jieguo.group()

### 输出 ###
# hello

编译表达式生成正则对象

re.compile(strPattern[, flag])

1. 例子：reobj1=re.compile(bbb,re.I|re.M|re.S)
2. 解说：将字符串形式的正则表达式编译为Pattern对象。 第二个参数flag是匹配模式，取值可以使用按位或运算符\’|\’表示同时生效，比如re.I | re.M。
3. flag含义
   

   • re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法，下同）
   • M(MULTILINE): 多行模式，改变\’^\’和\’$\’的行为（参见上图）
   • S(DOTALL): 点任意匹配模式，改变\’.\’的行为
   • L(LOCALE): 使预定字符类 \\w \\W \\b \\B \\s \\S 取决于当前区域设定
   • U(UNICODE): 使预定字符类 \\w \\W \\b \\B \\s \\S \\d \\D 取决于unicode定义的字符属性
   • X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：

Pattern对象

Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。
Pattern不能直接实例化，必须使用re.compile()进行构造。

Pattern属性：

Pattern提供了几个可读属性用于获取表达式的相关信息：

1. pattern: 编译时用的表达式字符串。
2. flags: 编译时用的匹配模式。数字形式。
3. groups: 表达式中分组的数量。
4. groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。

import re
p = re.compile(r\'(\\w+) (\\w+)(?P.*)\', re.DOTALL)

print \"p.pattern:\", p.pattern
print \"p.flags:\", p.flags
print \"p.groups:\", p.groups
print \"p.groupindex:\", p.groupindex

### output ###
# p.pattern: (\\w+) (\\w+)(?P.*)
# p.flags: 16
# p.groups: 3
# p.groupindex: {\'sign\': 3}

实例方法[ | re模块方法]：

1. match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):

   这个方法将从string的pos下标处起尝试匹配pattern；如果pattern结束时仍可匹配，则返回一个Match对象；如果匹配过程中pattern无法匹配，或者匹配未结束就已到达endpos，则返回None。
   pos和endpos的默认值分别为0和len(string)；re.match()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。
   注意：这个方法并不是完全匹配。当pattern结束时若string还有剩余字符，仍然视为成功。想要完全匹配，可以在表达式末尾加上边界匹配符\’$\’。
   具体参见对于match对象的描述

2. search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):

   这个方法用于查找字符串中可以匹配成功的子串。从string的pos下标处起尝试匹配pattern，如果pattern结束时仍可匹配，则返回一个Match对象；若无法匹配，则将pos加1后重新尝试匹配；直到pos=endpos时仍无法匹配则返回None。
   pos和endpos的默认值分别为0和len(string))；re.search()无法指定这两个参数，参数flags用于编译pattern时指定匹配模式。

   #coding=utf-8
   
   import re
   
   # 将正则表达式编译成Pattern对象
   pattern = re.compile(r\'(world)\')
   
   # 使用search()查找匹配的子串，不存在能匹配的子串时将返回None
   # 这个例子中使用match()无法成功匹配
   match = pattern.search(\'hello world!\')
   
   if match:
      # 使用Match获得分组信息
      print match.group(0)   #整个匹配的字符串
      print match.group(1)   #第一个匹配的分组，pattern = re.compile(r\'(world)\')没括号没分组
   
   ### 输出 ###
   # world
   # world

3. split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]):
   

   按照能够匹配的子串将string分割后返回列表。masxsplit用于指定最大分割次数，不指定将全部分割。

   import re
   
   p = re.compile(r\'\\d+\')
   print p.split(\'one1two2three3four4\')
   
   ### output ###
   # [\'one\', \'two\', \'three\', \'four\', \'\']

4. findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]):
   

   搜索string，以列表形式返回全部能匹配的子串。

   import re
   
   p = re.compile(r\'\\d+\')
   print p.findall(\'one1two2three3four4\')
   
   ### output ###
   # [\'1\', \'2\', \'3\', \'4\']

5. finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]):
   

   搜索string，返回一个顺序访问每一个匹配结果（Match对象）的迭代器。

   import re
   
   p = re.compile(r\'\\d+\')
   for m in p.finditer(\'one1two2three3four4\'):
      print m.group(),
   
   ### output ###
   # 1 2 3 4

6. sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]):
   

   使用repl替换string中每一个匹配的子串后返回替换后的字符串。
   当repl是一个字符串时，可以使用\\id或\\g、\\g引用分组，但不能使用编号0。
   当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。
   count用于指定最多替换次数，不指定时全部替换。

   import re
   
   p = re.compile(r\'(\\w+) (\\w+)\')
   s = \'i say, hello world!\'
   
   print p.sub(r\'\\2 \\1\', s)
   
   def func(m):
      return m.group(1).title() + \' \' + m.group(2).title()
   
   print p.sub(func, s)
   
   ### output ###
   # say i, world hello!
   # I Say, Hello World!

Match对象

Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。

属性

1. string: 匹配时使用的文本。
2. re: 匹配时使用的Pattern对象。
3. pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
4. endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
5. lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
6. lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

方法

1. group([group1, …]):
   获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。
2. groups([default]):
   以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
3. groupdict([default]):
   返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。
4. start([group]):
   返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。
5. end([group]):
   返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。
6. span([group]):
   返回(start(group), end(group))。
7. expand(template):
   将匹配到的分组代入template中然后返回。template中可以使用\\id或\\g、\\g引用分组，但不能使用编号0。\\id与\\g是等价的；但\\10将被认为是第10个分组，如果你想表达\\1之后是字符\’0\’，只能使用\\g<1>0。

import re
m = re.match(r\'(\\w+) (\\w+)(?P.*)\', \'hello world!\')

print \"m.string:\", m.string
print \"m.re:\", m.re
print \"m.pos:\", m.pos
print \"m.endpos:\", m.endpos
print \"m.lastindex:\", m.lastindex
print \"m.lastgroup:\", m.lastgroup

print \"m.group(1,2):\", m.group(1, 2)
print \"m.groups():\", m.groups()
print \"m.groupdict():\", m.groupdict()
print \"m.start(2):\", m.start(2)
print \"m.end(2):\", m.end(2)
print \"m.span(2):\", m.span(2)
print r\"m.expand(r\'\\2 \\1\\3\'):\", m.expand(r\'\\2 \\1\\3\')
### output ###
# m.string: hello world!
# m.re: <_sre.SRE_Pattern object at 0x016E1A38>
# m.pos: 0
# m.endpos: 12
# m.lastindex: 3
# m.lastgroup: sign
# m.group(1,2): (\'hello\', \'world\')
# m.groups(): (\'hello\', \'world\', \'!\')
# m.groupdict(): {\'sign\': \'!\'}
# m.start(2): 6
# m.end(2): 11
# m.span(2): (6, 11)
# m.expand(r\'\\2 \\1\\3\'): world hello!