对正则表达式re包的简单引用
一、re.match(pattern,string,flags=0)
二、re.search(pattern，string，flags=0)
三、检索和替换 re.sub()
四、正则表达式之命名捕获
re库的正确使用姿势
Why
使用姿势
应用举例
对正则表达式re包的简单引用正则表达式一直是被我所忽略的东西，因为在之前的学习和开发中基本很少用到它。而且，之前学习正则表达式时感觉很懵逼，所以毅然决然的放弃了（QAQ），然而出来混总归还是要还的。最近在弄日志处理时，必须用到正则表达式，这就让我不得不拿起正则表达式了。在此记录一些自己学习的笔记与案例。
在python中导入re包
import re
一、re.match(pattern,string,flags=0)
尝试从字符串 开始 位置（看清楚，开始位置！！！）匹配一个模式。成功则返回一个match对象，失败则是none
参数说明：
pattern：正则表达式
string：字符串
flags：可选标志位
注：可选标志在下面简单说明
获取对象的方法：
使用group(num) 来获取对象小组内的内容。
举例：
#_*_coding:utf8_*_
import re
str1='010-011-110'
pattern = r'\d{3}-\d{3}-\d{3}'
match = re.match(pattern,str1)
print match.group()
print match.group(0)
print match.group(1)
print match.group(2)
print match.group(3)
#输出为:
010-011-110
010-011-110
010
011
110
match()方法最重要的一点就是它是从字符串开始匹配的，切记这一点······我已经在这点上犯了很多错误了。
在写简单的正则表达式的时候我们可以用（）来进行分组，以便于我们在后续处理中取值。后续也会谈到通过命名捕获的方式来取值。
二、re.search(pattern，string，flags=0)跟match函数参数一样，它也是用来匹配字符串的。而最大的不同在于它可以从字符串的任意位置匹配，不像match一样，仅限于从字符串开始位置。参数跟match一样，就不做说明了，直接上例子。
#与match例子不同，001前面有很多空格
str1=' 001-010-110'
#与match中的模式一样
pattern = r'\d{3}-\d{3}-\d{3}'
#若此时用match（）函数，结果肯定是不匹配的。
search = re.search(pattern,str1)
print search.group()
print search.group(0)
print search.group(1)
print search.group(2)
print search.group(3)
#结果：
001-010-110
001-010-110
001
010
110
对于match和search，还是得说一遍，注意一个必须是从字符串开始处匹配，一个是任意位置。
三、检索和替换 re.sub()用于替换字符串中的匹配项
re.sub(pattern,repl,string,count，flags)
参数说明：
pattern：正则表达式
repl：替换的字符串，可为一个函数
string：要被查找的原始字符串
count：被替换的次数，默认替换所有匹配项
flags：标志位
#_*_coding:utf-8_*_
import re
phone = "888-7777-6666 #好牛的号码
#删除字符串中的注释
num = re.sub(r'#.*','',phone)
print num
#删除注释和-
realphone = re.sub(r'\D','',phone)
print realphone
#结果为:
888-7777-6666
88877776666
sub函数理解起来不难，但要主要的是在repl参数的使用。repl可以为一个函数。例如：
将字符串中的数字乘以二
def double(match):
value = int(match.group('value'))
return str(value*2)
s='APPLE23EFG567'
print re.sub(r'(?P<value>\d+)',double,s)
#结果为：
APPLE46EFG1134
因为repl为一个函数，所以再替换的时候会替换为函数的返回值。
注：?P<value>为正则表达式的命名捕获，在下面将会做简单记录
四、正则表达式之命名捕获格式为： ?P<name>
在处理字符串取值时往往会用到
例子：
num = '001-010-110'
pattern = r'(\d{3})-(\d{3})-(\d{3})'
match = re.match(pattern,num)
print match.group() #001-010-110
print match.group(1) #001
print match.group(2) #010
print match.group(3) #110
在上述例子要分别获取每项的值就要使用group（num），而当正则表达式变得复杂的时候，再用num取值时，很有可能会取到错误的值。所以就提出使用命名捕获，下面为简单例子：
pattern = r'(?P<Area>\d{3})-(?P<zhong>\d{3})-(?P<wei>\d{3})'
match = re.match(patter, num)
print match.group('Area') #001
print match.group('zhong') #010
print match/group('wei') #110
虽然在上述例子中使用命名捕获会将降低正则表达式的可读性，但命名捕获咋复杂的正则中，会准确获取想要的值（当然，正则肯定得写准确啊·····）
re库的正确使用姿势前提假设：
已经充分掌握PCRE风格正则表达式
熟读re库文档
Why正则表达式的强大已不用我赘述，Python 对此的支持也是十分强大，只不过：
re.search(pattern, string, flags=0)
re.match(pattern, string, flags=0)
......
你能很麻利地使用如上所示的一系列模块级别function 吗，如果你天天用 Python 搞正则匹配，相信你一定很熟练。但是如果你需要每次临时翻阅文档才能知道如何使用它，那么就要思考：是不是 API 在某种程度上设计不好了（有的语言的 pattern 极有可能不是放在首位）。
一般来说，API 的接口参数越少越好，最好的就是没有参数，调用者无脑调用，没有任何记忆负担。而 Python 的 re 库，在我看来，应该至少糅合了「命令式」与「OOP」两种风格，而且接口也不「最小化，正交」。
使用姿势正确的姿势应该是：只用 OOP 风格，并且完全忘记 re 库提供的一系列模块级别的 function （如 re.search, re.match等）。
首先是每次都构造出 Regex 对象，然后由 Regex 对象得出 Match 对象，然后在 Regex 对象和 Match 对象上进行一系列操作。比如：
# 1. 构造
REGEX = re.compile($pattern, flags) flags是re模块的常量
# 2. 获取 MatchObject
m = regex.search(string)
# 3. 后续 MatchObject 的使用
1. 获取分组 group()
2. groups
3. groupdict()
应用举例
比如我在自己构造的 PathUtils 中，就是如此使用的（我非常喜欢各种各样的 Utils ）：
from __future__ import (absolute_import, unicode_literals)
import re
class PathUtils(object):
"""路径操作的工具函数"""
_LINUX_ROOT = '/'
_LINUX_PATH_SPLITOR = '/'
@classmethod
def is_two_linux_path_contains(cls, path1, path2):
"""两个Linux路径是否存在互相包含关系"""
if path1 == cls._LINUX_ROOT or path2 == cls._LINUX_ROOT:
return True
path1_split = path1.split(cls._LINUX_PATH_SPLITOR)
path2_split = path2.split(cls._LINUX_PATH_SPLITOR)
for item1, item2 in zip(path1_split, path2_split):
if item1 != item2:
return False
return True
@classmethod
def is_valid_linux_path(cls, path):
if not path:
return False
LINUX_PATH_REGEX = r'^(/[^/ ]*)+/?$'
return cls.is_valid_pattern(path, LINUX_PATH_REGEX)
@classmethod
def is_valid_windows_path(cls, path):
if not path:
return False
WINDOWS_PATH_REGEX = r'^[a-zA-Z]:\\(((?![<>:"/\\|?*]).)+((?<![ .])\\)?)*$'
return cls.is_valid_pattern(path, WINDOWS_PATH_REGEX)
@classmethod
def is_valid_path(cls, p):
if not p:
return False
return cls.is_valid_linux_path(p) or cls.is_valid_windows_path(p)
@classmethod
def is_valid_pattern(cls, value, pattern):
if not value:
return False
REGEX = re.compile(pattern, re.UNICODE)
m = REGEX.match(value)
return True if m else False
主要的功能函数就是：
@classmethod
def is_valid_pattern(cls, value, pattern):
if not value:
return False
REGEX = re.compile(pattern, re.UNICODE)
m = REGEX.match(value)
return True if m else False
这样一系列流程下来，我的感受就是，re 库的接口没有需要记忆，也没有需要临时翻阅文档的地方，并且我只用这一种风格（自己熟悉的，效率总是最高的），比如 re.compile肯定只需要传一个参数(flags不是必要的)，REGEX_OBJ.match/search肯定只需要传need_search_string即可。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持易知道(ezd.cc)。
