Python爬虫实践(八)：正则表达式re模块（2）

前面的例子我们打印出了

result.group()

,其实每个匹配方法还有其他的属性/方法

re.match(pattern, string[, flags])
re.search(pattern, string[, flags])
re.split(pattern, string[, maxsplit])
re.findall(pattern, string[, flags])
re.finditer(pattern, string[, flags])
re.sub(pattern, repl, string[, count])
re.subn(pattern, repl, string[, count])

属性

string

: 匹配时使用的文本。

re

: 匹配时使用的Pattern对象。

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。

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。

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。

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：

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。

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

。

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。

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

。

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。

span([group])

:

返回

(start(group), end(group))

。

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

。

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

\g0

。

在上面我们介绍了7个工具方法，例如match，search等等，不过调用方式都是

re.match

，

re.search

的方式，其实还有另外一种调用方式，可以通过

pattern.match

，

pattern.search

调用，这样调用便不用将pattern作为第一个参数传入了，大家想怎样调用皆可。

match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])
search(string[, pos[, endpos]]) | re.search(pattern, string[, flags])
split(string[, maxsplit]) | re.split(pattern, string[, maxsplit])
findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags])
finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags])
sub(repl, string[, count]) | re.sub(pattern, repl, string[, count])
subn(repl, string[, count]) |re.sub(pattern, repl, string[, count])