Python 正则表达式re模块( 三 ) _Python

split 方法
split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：
split(string[, maxsplit])其中，maxsplit 用于指定最大分割次数，不指定将全部分割。
看看例子：
import rep = re.compile(r'[s,;]+')print (p.split('a,b;; c d'))执行结果：
['a', 'b', 'c', 'd']sub 方法
sub 方法用于替换。它的使用形式如下：
sub(repl, string[, count])其中，repl 可以是字符串也可以是一个函数：
如果 repl 是字符串，则会使用 repl 去替换字符串每一个匹配的子串，并返回替换后的字符串，另外，repl 还可以使用 id 的形式来引用分组，但不能使用编号 0；
如果 repl 是函数，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。
看看例子：
import rep = re.compile(r'(w+) (w+)') # w = [A-Za-z0-9]s = 'hello 123, hello 456'print (p.sub(r'hello world', s)) # 使用 'hello world' 替换 'hello 123' 和 'hello 456'print (p.sub(r'2 1', s)) # 引用分组def func(m): print(m) return 'hi' + ' ' + m.group(2) #group(0) 表示本身，group(1)表示hello，group(2) 表示后面的数字print (p.sub(func, s)) #多次sub，每次sub的结果传递给funcprint (p.sub(func, s, 1)) # 最多替换一次执行结果：
hello world, hello world123 hello, 456 hellohi 123, hi 456hi 123, hello 456匹配中文在某些情况下，我们想匹配文本中的汉字，有一点需要注意的是，中文的 unicode 编码范围主要在 [u4e00-u9fa5]，这里说主要是因为这个范围并不完整，比如没有包括全角（中文）标点，不过，在大部分情况下，应该是够用的。
假设现在想把字符串 title = u’你好，hello，世界’ 中的中文提取出来，可以这么做：
import retitle = '你好，hello，世界'pattern = re.compile(r'[\u4e00-\u9fa5]+')result = pattern.findall(title)print (result)注意到，我们在正则表达式前面加上了两个前缀 ur，其中 r 表示使用原始字符串，u 表示是 unicode 字符串。
执行结果:
['你好', '世界']注意：贪婪模式与非贪婪模式贪婪模式：在整个表达式匹配成功的前提下，尽可能多的匹配 ( * )；
非贪婪模式：在整个表达式匹配成功的前提下，尽可能少的匹配 ( ? )；
Python里数量词默认是贪婪的。
示例一：源字符串：abbbc
使用贪婪的数量词的正则表达式 ab*，匹配结果： abbb 。

决定了尽可能多匹配 b，所以a后面所有的 b 都出现了。

使用非贪婪的数量词的正则表达式ab*?，匹配结果： a 。
即使前面有 *，但是 ? 决定了尽可能少匹配 b，所以没有 b 。
示例二：源字符串：
aa<div>test1</div>bb<div>test2</div>cc使用贪婪的数量词的正则表达式：<div>.*</div>匹配结果：<div>test1</div>bb<div>test2</div>这里采用的是贪婪模式。在匹配到第一个"“时已经可以使整个表达式匹配成功，但是由于采用的是贪婪模式，所以仍然要向右尝试匹配，查看是否还有更长的可以成功匹配的子串。匹配到第二个”“后，向右再没有可以成功匹配的子串，匹配结束，匹配结果为”<div>test1</div>bb<div>test2</div>"
使用非贪婪的数量词的正则表达式：<div>.*?</div>
匹配结果：<div>test1</div>
正则表达式二采用的是非贪婪模式，在匹配到第一个""时使整个表达式匹配成功，由于采用的是非贪婪模式，所以结束匹配，不再向右尝试，匹配结果为"<div>test1</div>" 。