Issue #5768: Change to Unicode output logic and test case for same.
[python.git] / Doc / howto / regex.rst
blob81d5abaf58a813321f23066580d68d95ed51944e
1 .. _regex-howto:
3 ****************************
4   Regular Expression HOWTO
5 ****************************
7 :Author: A.M. Kuchling <amk@amk.ca>
8 :Release: 0.05
10 .. TODO:
11    Document lookbehind assertions
12    Better way of displaying a RE, a string, and what it matches
13    Mention optional argument to match.groups()
14    Unicode (at least a reference)
17 .. topic:: Abstract
19    This document is an introductory tutorial to using regular expressions in Python
20    with the :mod:`re` module.  It provides a gentler introduction than the
21    corresponding section in the Library Reference.
24 Introduction
25 ============
27 The :mod:`re` module was added in Python 1.5, and provides Perl-style regular
28 expression patterns.  Earlier versions of Python came with the :mod:`regex`
29 module, which provided Emacs-style patterns.  The :mod:`regex` module was
30 removed completely in Python 2.5.
32 Regular expressions (called REs, or regexes, or regex patterns) are essentially
33 a tiny, highly specialized programming language embedded inside Python and made
34 available through the :mod:`re` module. Using this little language, you specify
35 the rules for the set of possible strings that you want to match; this set might
36 contain English sentences, or e-mail addresses, or TeX commands, or anything you
37 like.  You can then ask questions such as "Does this string match the pattern?",
38 or "Is there a match for the pattern anywhere in this string?".  You can also
39 use REs to modify a string or to split it apart in various ways.
41 Regular expression patterns are compiled into a series of bytecodes which are
42 then executed by a matching engine written in C.  For advanced use, it may be
43 necessary to pay careful attention to how the engine will execute a given RE,
44 and write the RE in a certain way in order to produce bytecode that runs faster.
45 Optimization isn't covered in this document, because it requires that you have a
46 good understanding of the matching engine's internals.
48 The regular expression language is relatively small and restricted, so not all
49 possible string processing tasks can be done using regular expressions.  There
50 are also tasks that *can* be done with regular expressions, but the expressions
51 turn out to be very complicated.  In these cases, you may be better off writing
52 Python code to do the processing; while Python code will be slower than an
53 elaborate regular expression, it will also probably be more understandable.
56 Simple Patterns
57 ===============
59 We'll start by learning about the simplest possible regular expressions.  Since
60 regular expressions are used to operate on strings, we'll begin with the most
61 common task: matching characters.
63 For a detailed explanation of the computer science underlying regular
64 expressions (deterministic and non-deterministic finite automata), you can refer
65 to almost any textbook on writing compilers.
68 Matching Characters
69 -------------------
71 Most letters and characters will simply match themselves.  For example, the
72 regular expression ``test`` will match the string ``test`` exactly.  (You can
73 enable a case-insensitive mode that would let this RE match ``Test`` or ``TEST``
74 as well; more about this later.)
76 There are exceptions to this rule; some characters are special
77 :dfn:`metacharacters`, and don't match themselves.  Instead, they signal that
78 some out-of-the-ordinary thing should be matched, or they affect other portions
79 of the RE by repeating them or changing their meaning.  Much of this document is
80 devoted to discussing various metacharacters and what they do.
82 Here's a complete list of the metacharacters; their meanings will be discussed
83 in the rest of this HOWTO. ::
85    . ^ $ * + ? { [ ] \ | ( )
87 The first metacharacters we'll look at are ``[`` and ``]``. They're used for
88 specifying a character class, which is a set of characters that you wish to
89 match.  Characters can be listed individually, or a range of characters can be
90 indicated by giving two characters and separating them by a ``'-'``.  For
91 example, ``[abc]`` will match any of the characters ``a``, ``b``, or ``c``; this
92 is the same as ``[a-c]``, which uses a range to express the same set of
93 characters.  If you wanted to match only lowercase letters, your RE would be
94 ``[a-z]``.
96 Metacharacters are not active inside classes.  For example, ``[akm$]`` will
97 match any of the characters ``'a'``, ``'k'``, ``'m'``, or ``'$'``; ``'$'`` is
98 usually a metacharacter, but inside a character class it's stripped of its
99 special nature.
101 You can match the characters not listed within the class by :dfn:`complementing`
102 the set.  This is indicated by including a ``'^'`` as the first character of the
103 class; ``'^'`` outside a character class will simply match the ``'^'``
104 character.  For example, ``[^5]`` will match any character except ``'5'``.
106 Perhaps the most important metacharacter is the backslash, ``\``.   As in Python
107 string literals, the backslash can be followed by various characters to signal
108 various special sequences.  It's also used to escape all the metacharacters so
109 you can still match them in patterns; for example, if you need to match a ``[``
110 or  ``\``, you can precede them with a backslash to remove their special
111 meaning: ``\[`` or ``\\``.
113 Some of the special sequences beginning with ``'\'`` represent predefined sets
114 of characters that are often useful, such as the set of digits, the set of
115 letters, or the set of anything that isn't whitespace.  The following predefined
116 special sequences are available:
118 ``\d``
119    Matches any decimal digit; this is equivalent to the class ``[0-9]``.
121 ``\D``
122    Matches any non-digit character; this is equivalent to the class ``[^0-9]``.
124 ``\s``
125    Matches any whitespace character; this is equivalent to the class ``[
126    \t\n\r\f\v]``.
128 ``\S``
129    Matches any non-whitespace character; this is equivalent to the class ``[^
130    \t\n\r\f\v]``.
132 ``\w``
133    Matches any alphanumeric character; this is equivalent to the class
134    ``[a-zA-Z0-9_]``.
136 ``\W``
137    Matches any non-alphanumeric character; this is equivalent to the class
138    ``[^a-zA-Z0-9_]``.
140 These sequences can be included inside a character class.  For example,
141 ``[\s,.]`` is a character class that will match any whitespace character, or
142 ``','`` or ``'.'``.
144 The final metacharacter in this section is ``.``.  It matches anything except a
145 newline character, and there's an alternate mode (``re.DOTALL``) where it will
146 match even a newline.  ``'.'`` is often used where you want to match "any
147 character".
150 Repeating Things
151 ----------------
153 Being able to match varying sets of characters is the first thing regular
154 expressions can do that isn't already possible with the methods available on
155 strings.  However, if that was the only additional capability of regexes, they
156 wouldn't be much of an advance. Another capability is that you can specify that
157 portions of the RE must be repeated a certain number of times.
159 The first metacharacter for repeating things that we'll look at is ``*``.  ``*``
160 doesn't match the literal character ``*``; instead, it specifies that the
161 previous character can be matched zero or more times, instead of exactly once.
163 For example, ``ca*t`` will match ``ct`` (0 ``a`` characters), ``cat`` (1 ``a``),
164 ``caaat`` (3 ``a`` characters), and so forth.  The RE engine has various
165 internal limitations stemming from the size of C's ``int`` type that will
166 prevent it from matching over 2 billion ``a`` characters; you probably don't
167 have enough memory to construct a string that large, so you shouldn't run into
168 that limit.
170 Repetitions such as ``*`` are :dfn:`greedy`; when repeating a RE, the matching
171 engine will try to repeat it as many times as possible. If later portions of the
172 pattern don't match, the matching engine will then back up and try again with
173 few repetitions.
175 A step-by-step example will make this more obvious.  Let's consider the
176 expression ``a[bcd]*b``.  This matches the letter ``'a'``, zero or more letters
177 from the class ``[bcd]``, and finally ends with a ``'b'``.  Now imagine matching
178 this RE against the string ``abcbd``.
180 +------+-----------+---------------------------------+
181 | Step | Matched   | Explanation                     |
182 +======+===========+=================================+
183 | 1    | ``a``     | The ``a`` in the RE matches.    |
184 +------+-----------+---------------------------------+
185 | 2    | ``abcbd`` | The engine matches ``[bcd]*``,  |
186 |      |           | going as far as it can, which   |
187 |      |           | is to the end of the string.    |
188 +------+-----------+---------------------------------+
189 | 3    | *Failure* | The engine tries to match       |
190 |      |           | ``b``, but the current position |
191 |      |           | is at the end of the string, so |
192 |      |           | it fails.                       |
193 +------+-----------+---------------------------------+
194 | 4    | ``abcb``  | Back up, so that  ``[bcd]*``    |
195 |      |           | matches one less character.     |
196 +------+-----------+---------------------------------+
197 | 5    | *Failure* | Try ``b`` again, but the        |
198 |      |           | current position is at the last |
199 |      |           | character, which is a ``'d'``.  |
200 +------+-----------+---------------------------------+
201 | 6    | ``abc``   | Back up again, so that          |
202 |      |           | ``[bcd]*`` is only matching     |
203 |      |           | ``bc``.                         |
204 +------+-----------+---------------------------------+
205 | 6    | ``abcb``  | Try ``b`` again.  This time     |
206 |      |           | the character at the            |
207 |      |           | current position is ``'b'``, so |
208 |      |           | it succeeds.                    |
209 +------+-----------+---------------------------------+
211 The end of the RE has now been reached, and it has matched ``abcb``.  This
212 demonstrates how the matching engine goes as far as it can at first, and if no
213 match is found it will then progressively back up and retry the rest of the RE
214 again and again.  It will back up until it has tried zero matches for
215 ``[bcd]*``, and if that subsequently fails, the engine will conclude that the
216 string doesn't match the RE at all.
218 Another repeating metacharacter is ``+``, which matches one or more times.  Pay
219 careful attention to the difference between ``*`` and ``+``; ``*`` matches
220 *zero* or more times, so whatever's being repeated may not be present at all,
221 while ``+`` requires at least *one* occurrence.  To use a similar example,
222 ``ca+t`` will match ``cat`` (1 ``a``), ``caaat`` (3 ``a``'s), but won't match
223 ``ct``.
225 There are two more repeating qualifiers.  The question mark character, ``?``,
226 matches either once or zero times; you can think of it as marking something as
227 being optional.  For example, ``home-?brew`` matches either ``homebrew`` or
228 ``home-brew``.
230 The most complicated repeated qualifier is ``{m,n}``, where *m* and *n* are
231 decimal integers.  This qualifier means there must be at least *m* repetitions,
232 and at most *n*.  For example, ``a/{1,3}b`` will match ``a/b``, ``a//b``, and
233 ``a///b``.  It won't match ``ab``, which has no slashes, or ``a////b``, which
234 has four.
236 You can omit either *m* or *n*; in that case, a reasonable value is assumed for
237 the missing value.  Omitting *m* is interpreted as a lower limit of 0, while
238 omitting *n* results in an upper bound of infinity --- actually, the upper bound
239 is the 2-billion limit mentioned earlier, but that might as well be infinity.
241 Readers of a reductionist bent may notice that the three other qualifiers can
242 all be expressed using this notation.  ``{0,}`` is the same as ``*``, ``{1,}``
243 is equivalent to ``+``, and ``{0,1}`` is the same as ``?``.  It's better to use
244 ``*``, ``+``, or ``?`` when you can, simply because they're shorter and easier
245 to read.
248 Using Regular Expressions
249 =========================
251 Now that we've looked at some simple regular expressions, how do we actually use
252 them in Python?  The :mod:`re` module provides an interface to the regular
253 expression engine, allowing you to compile REs into objects and then perform
254 matches with them.
257 Compiling Regular Expressions
258 -----------------------------
260 Regular expressions are compiled into :class:`RegexObject` instances, which have
261 methods for various operations such as searching for pattern matches or
262 performing string substitutions. ::
264    >>> import re
265    >>> p = re.compile('ab*')
266    >>> print p
267    <re.RegexObject instance at 80b4150>
269 :func:`re.compile` also accepts an optional *flags* argument, used to enable
270 various special features and syntax variations.  We'll go over the available
271 settings later, but for now a single example will do::
273    >>> p = re.compile('ab*', re.IGNORECASE)
275 The RE is passed to :func:`re.compile` as a string.  REs are handled as strings
276 because regular expressions aren't part of the core Python language, and no
277 special syntax was created for expressing them.  (There are applications that
278 don't need REs at all, so there's no need to bloat the language specification by
279 including them.) Instead, the :mod:`re` module is simply a C extension module
280 included with Python, just like the :mod:`socket` or :mod:`zlib` modules.
282 Putting REs in strings keeps the Python language simpler, but has one
283 disadvantage which is the topic of the next section.
286 The Backslash Plague
287 --------------------
289 As stated earlier, regular expressions use the backslash character (``'\'``) to
290 indicate special forms or to allow special characters to be used without
291 invoking their special meaning. This conflicts with Python's usage of the same
292 character for the same purpose in string literals.
294 Let's say you want to write a RE that matches the string ``\section``, which
295 might be found in a LaTeX file.  To figure out what to write in the program
296 code, start with the desired string to be matched.  Next, you must escape any
297 backslashes and other metacharacters by preceding them with a backslash,
298 resulting in the string ``\\section``.  The resulting string that must be passed
299 to :func:`re.compile` must be ``\\section``.  However, to express this as a
300 Python string literal, both backslashes must be escaped *again*.
302 +-------------------+------------------------------------------+
303 | Characters        | Stage                                    |
304 +===================+==========================================+
305 | ``\section``      | Text string to be matched                |
306 +-------------------+------------------------------------------+
307 | ``\\section``     | Escaped backslash for :func:`re.compile` |
308 +-------------------+------------------------------------------+
309 | ``"\\\\section"`` | Escaped backslashes for a string literal |
310 +-------------------+------------------------------------------+
312 In short, to match a literal backslash, one has to write ``'\\\\'`` as the RE
313 string, because the regular expression must be ``\\``, and each backslash must
314 be expressed as ``\\`` inside a regular Python string literal.  In REs that
315 feature backslashes repeatedly, this leads to lots of repeated backslashes and
316 makes the resulting strings difficult to understand.
318 The solution is to use Python's raw string notation for regular expressions;
319 backslashes are not handled in any special way in a string literal prefixed with
320 ``'r'``, so ``r"\n"`` is a two-character string containing ``'\'`` and ``'n'``,
321 while ``"\n"`` is a one-character string containing a newline. Regular
322 expressions will often be written in Python code using this raw string notation.
324 +-------------------+------------------+
325 | Regular String    | Raw string       |
326 +===================+==================+
327 | ``"ab*"``         | ``r"ab*"``       |
328 +-------------------+------------------+
329 | ``"\\\\section"`` | ``r"\\section"`` |
330 +-------------------+------------------+
331 | ``"\\w+\\s+\\1"`` | ``r"\w+\s+\1"``  |
332 +-------------------+------------------+
335 Performing Matches
336 ------------------
338 Once you have an object representing a compiled regular expression, what do you
339 do with it?  :class:`RegexObject` instances have several methods and attributes.
340 Only the most significant ones will be covered here; consult the :mod:`re` docs
341 for a complete listing.
343 +------------------+-----------------------------------------------+
344 | Method/Attribute | Purpose                                       |
345 +==================+===============================================+
346 | ``match()``      | Determine if the RE matches at the beginning  |
347 |                  | of the string.                                |
348 +------------------+-----------------------------------------------+
349 | ``search()``     | Scan through a string, looking for any        |
350 |                  | location where this RE matches.               |
351 +------------------+-----------------------------------------------+
352 | ``findall()``    | Find all substrings where the RE matches, and |
353 |                  | returns them as a list.                       |
354 +------------------+-----------------------------------------------+
355 | ``finditer()``   | Find all substrings where the RE matches, and |
356 |                  | returns them as an :term:`iterator`.          |
357 +------------------+-----------------------------------------------+
359 :meth:`match` and :meth:`search` return ``None`` if no match can be found.  If
360 they're successful, a ``MatchObject`` instance is returned, containing
361 information about the match: where it starts and ends, the substring it matched,
362 and more.
364 You can learn about this by interactively experimenting with the :mod:`re`
365 module.  If you have Tkinter available, you may also want to look at
366 :file:`Tools/scripts/redemo.py`, a demonstration program included with the
367 Python distribution.  It allows you to enter REs and strings, and displays
368 whether the RE matches or fails. :file:`redemo.py` can be quite useful when
369 trying to debug a complicated RE.  Phil Schwartz's `Kodos
370 <http://kodos.sourceforge.net/>`_ is also an interactive tool for developing and
371 testing RE patterns.
373 This HOWTO uses the standard Python interpreter for its examples. First, run the
374 Python interpreter, import the :mod:`re` module, and compile a RE::
376    Python 2.2.2 (#1, Feb 10 2003, 12:57:01)
377    >>> import re
378    >>> p = re.compile('[a-z]+')
379    >>> p
380    <_sre.SRE_Pattern object at 80c3c28>
382 Now, you can try matching various strings against the RE ``[a-z]+``.  An empty
383 string shouldn't match at all, since ``+`` means 'one or more repetitions'.
384 :meth:`match` should return ``None`` in this case, which will cause the
385 interpreter to print no output.  You can explicitly print the result of
386 :meth:`match` to make this clear. ::
388    >>> p.match("")
389    >>> print p.match("")
390    None
392 Now, let's try it on a string that it should match, such as ``tempo``.  In this
393 case, :meth:`match` will return a :class:`MatchObject`, so you should store the
394 result in a variable for later use. ::
396    >>> m = p.match('tempo')
397    >>> print m
398    <_sre.SRE_Match object at 80c4f68>
400 Now you can query the :class:`MatchObject` for information about the matching
401 string.   :class:`MatchObject` instances also have several methods and
402 attributes; the most important ones are:
404 +------------------+--------------------------------------------+
405 | Method/Attribute | Purpose                                    |
406 +==================+============================================+
407 | ``group()``      | Return the string matched by the RE        |
408 +------------------+--------------------------------------------+
409 | ``start()``      | Return the starting position of the match  |
410 +------------------+--------------------------------------------+
411 | ``end()``        | Return the ending position of the match    |
412 +------------------+--------------------------------------------+
413 | ``span()``       | Return a tuple containing the (start, end) |
414 |                  | positions  of the match                    |
415 +------------------+--------------------------------------------+
417 Trying these methods will soon clarify their meaning::
419    >>> m.group()
420    'tempo'
421    >>> m.start(), m.end()
422    (0, 5)
423    >>> m.span()
424    (0, 5)
426 :meth:`group` returns the substring that was matched by the RE.  :meth:`start`
427 and :meth:`end` return the starting and ending index of the match. :meth:`span`
428 returns both start and end indexes in a single tuple.  Since the :meth:`match`
429 method only checks if the RE matches at the start of a string, :meth:`start`
430 will always be zero.  However, the :meth:`search` method of :class:`RegexObject`
431 instances scans through the string, so  the match may not start at zero in that
432 case. ::
434    >>> print p.match('::: message')
435    None
436    >>> m = p.search('::: message') ; print m
437    <re.MatchObject instance at 80c9650>
438    >>> m.group()
439    'message'
440    >>> m.span()
441    (4, 11)
443 In actual programs, the most common style is to store the :class:`MatchObject`
444 in a variable, and then check if it was ``None``.  This usually looks like::
446    p = re.compile( ... )
447    m = p.match( 'string goes here' )
448    if m:
449        print 'Match found: ', m.group()
450    else:
451        print 'No match'
453 Two :class:`RegexObject` methods return all of the matches for a pattern.
454 :meth:`findall` returns a list of matching strings::
456    >>> p = re.compile('\d+')
457    >>> p.findall('12 drummers drumming, 11 pipers piping, 10 lords a-leaping')
458    ['12', '11', '10']
460 :meth:`findall` has to create the entire list before it can be returned as the
461 result.  The :meth:`finditer` method returns a sequence of :class:`MatchObject`
462 instances as an :term:`iterator`. [#]_ ::
464    >>> iterator = p.finditer('12 drummers drumming, 11 ... 10 ...')
465    >>> iterator
466    <callable-iterator object at 0x401833ac>
467    >>> for match in iterator:
468    ...     print match.span()
469    ...
470    (0, 2)
471    (22, 24)
472    (29, 31)
475 Module-Level Functions
476 ----------------------
478 You don't have to create a :class:`RegexObject` and call its methods; the
479 :mod:`re` module also provides top-level functions called :func:`match`,
480 :func:`search`, :func:`findall`, :func:`sub`, and so forth.  These functions
481 take the same arguments as the corresponding :class:`RegexObject` method, with
482 the RE string added as the first argument, and still return either ``None`` or a
483 :class:`MatchObject` instance. ::
485    >>> print re.match(r'From\s+', 'Fromage amk')
486    None
487    >>> re.match(r'From\s+', 'From amk Thu May 14 19:12:10 1998')
488    <re.MatchObject instance at 80c5978>
490 Under the hood, these functions simply produce a :class:`RegexObject` for you
491 and call the appropriate method on it.  They also store the compiled object in a
492 cache, so future calls using the same RE are faster.
494 Should you use these module-level functions, or should you get the
495 :class:`RegexObject` and call its methods yourself?  That choice depends on how
496 frequently the RE will be used, and on your personal coding style.  If the RE is
497 being used at only one point in the code, then the module functions are probably
498 more convenient.  If a program contains a lot of regular expressions, or re-uses
499 the same ones in several locations, then it might be worthwhile to collect all
500 the definitions in one place, in a section of code that compiles all the REs
501 ahead of time.  To take an example from the standard library, here's an extract
502 from :file:`xmllib.py`::
504    ref = re.compile( ... )
505    entityref = re.compile( ... )
506    charref = re.compile( ... )
507    starttagopen = re.compile( ... )
509 I generally prefer to work with the compiled object, even for one-time uses, but
510 few people will be as much of a purist about this as I am.
513 Compilation Flags
514 -----------------
516 Compilation flags let you modify some aspects of how regular expressions work.
517 Flags are available in the :mod:`re` module under two names, a long name such as
518 :const:`IGNORECASE` and a short, one-letter form such as :const:`I`.  (If you're
519 familiar with Perl's pattern modifiers, the one-letter forms use the same
520 letters; the short form of :const:`re.VERBOSE` is :const:`re.X`, for example.)
521 Multiple flags can be specified by bitwise OR-ing them; ``re.I | re.M`` sets
522 both the :const:`I` and :const:`M` flags, for example.
524 Here's a table of the available flags, followed by a more detailed explanation
525 of each one.
527 +---------------------------------+--------------------------------------------+
528 | Flag                            | Meaning                                    |
529 +=================================+============================================+
530 | :const:`DOTALL`, :const:`S`     | Make ``.`` match any character, including  |
531 |                                 | newlines                                   |
532 +---------------------------------+--------------------------------------------+
533 | :const:`IGNORECASE`, :const:`I` | Do case-insensitive matches                |
534 +---------------------------------+--------------------------------------------+
535 | :const:`LOCALE`, :const:`L`     | Do a locale-aware match                    |
536 +---------------------------------+--------------------------------------------+
537 | :const:`MULTILINE`, :const:`M`  | Multi-line matching, affecting ``^`` and   |
538 |                                 | ``$``                                      |
539 +---------------------------------+--------------------------------------------+
540 | :const:`VERBOSE`, :const:`X`    | Enable verbose REs, which can be organized |
541 |                                 | more cleanly and understandably.           |
542 +---------------------------------+--------------------------------------------+
543 | :const:`UNICODE`, :const:`U`    | Makes several escapes like ``\w``, ``\b``, |
544 |                                 | ``\s`` and ``\d`` dependent on the Unicode |
545 |                                 | character database.                        |
546 +---------------------------------+--------------------------------------------+
549 .. data:: I
550           IGNORECASE
551    :noindex:
553    Perform case-insensitive matching; character class and literal strings will
554    match letters by ignoring case.  For example, ``[A-Z]`` will match lowercase
555    letters, too, and ``Spam`` will match ``Spam``, ``spam``, or ``spAM``. This
556    lowercasing doesn't take the current locale into account; it will if you also
557    set the :const:`LOCALE` flag.
560 .. data:: L
561           LOCALE
562    :noindex:
564    Make ``\w``, ``\W``, ``\b``, and ``\B``, dependent on the current locale.
566    Locales are a feature of the C library intended to help in writing programs that
567    take account of language differences.  For example, if you're processing French
568    text, you'd want to be able to write ``\w+`` to match words, but ``\w`` only
569    matches the character class ``[A-Za-z]``; it won't match ``'é'`` or ``'ç'``.  If
570    your system is configured properly and a French locale is selected, certain C
571    functions will tell the program that ``'é'`` should also be considered a letter.
572    Setting the :const:`LOCALE` flag when compiling a regular expression will cause
573    the resulting compiled object to use these C functions for ``\w``; this is
574    slower, but also enables ``\w+`` to match French words as you'd expect.
577 .. data:: M
578           MULTILINE
579    :noindex:
581    (``^`` and ``$`` haven't been explained yet;  they'll be introduced in section
582    :ref:`more-metacharacters`.)
584    Usually ``^`` matches only at the beginning of the string, and ``$`` matches
585    only at the end of the string and immediately before the newline (if any) at the
586    end of the string. When this flag is specified, ``^`` matches at the beginning
587    of the string and at the beginning of each line within the string, immediately
588    following each newline.  Similarly, the ``$`` metacharacter matches either at
589    the end of the string and at the end of each line (immediately preceding each
590    newline).
593 .. data:: S
594           DOTALL
595    :noindex:
597    Makes the ``'.'`` special character match any character at all, including a
598    newline; without this flag, ``'.'`` will match anything *except* a newline.
601 .. data:: U
602           UNICODE
603    :noindex:
605    Make ``\w``, ``\W``, ``\b``, ``\B``, ``\d``, ``\D``, ``\s`` and ``\S``
606    dependent on the Unicode character properties database.
609 .. data:: X
610           VERBOSE
611    :noindex:
613    This flag allows you to write regular expressions that are more readable by
614    granting you more flexibility in how you can format them.  When this flag has
615    been specified, whitespace within the RE string is ignored, except when the
616    whitespace is in a character class or preceded by an unescaped backslash; this
617    lets you organize and indent the RE more clearly.  This flag also lets you put
618    comments within a RE that will be ignored by the engine; comments are marked by
619    a ``'#'`` that's neither in a character class or preceded by an unescaped
620    backslash.
622    For example, here's a RE that uses :const:`re.VERBOSE`; see how much easier it
623    is to read? ::
625       charref = re.compile(r"""
626        &[#]                # Start of a numeric entity reference
627        (
628            0[0-7]+         # Octal form
629          | [0-9]+          # Decimal form
630          | x[0-9a-fA-F]+   # Hexadecimal form
631        )
632        ;                   # Trailing semicolon
633       """, re.VERBOSE)
635    Without the verbose setting, the RE would look like this::
637       charref = re.compile("&#(0[0-7]+"
638                            "|[0-9]+"
639                            "|x[0-9a-fA-F]+);")
641    In the above example, Python's automatic concatenation of string literals has
642    been used to break up the RE into smaller pieces, but it's still more difficult
643    to understand than the version using :const:`re.VERBOSE`.
646 More Pattern Power
647 ==================
649 So far we've only covered a part of the features of regular expressions.  In
650 this section, we'll cover some new metacharacters, and how to use groups to
651 retrieve portions of the text that was matched.
654 .. _more-metacharacters:
656 More Metacharacters
657 -------------------
659 There are some metacharacters that we haven't covered yet.  Most of them will be
660 covered in this section.
662 Some of the remaining metacharacters to be discussed are :dfn:`zero-width
663 assertions`.  They don't cause the engine to advance through the string;
664 instead, they consume no characters at all, and simply succeed or fail.  For
665 example, ``\b`` is an assertion that the current position is located at a word
666 boundary; the position isn't changed by the ``\b`` at all.  This means that
667 zero-width assertions should never be repeated, because if they match once at a
668 given location, they can obviously be matched an infinite number of times.
670 ``|``
671    Alternation, or the "or" operator.   If A and B are regular expressions,
672    ``A|B`` will match any string that matches either ``A`` or ``B``. ``|`` has very
673    low precedence in order to make it work reasonably when you're alternating
674    multi-character strings. ``Crow|Servo`` will match either ``Crow`` or ``Servo``,
675    not ``Cro``, a ``'w'`` or an ``'S'``, and ``ervo``.
677    To match a literal ``'|'``, use ``\|``, or enclose it inside a character class,
678    as in ``[|]``.
680 ``^``
681    Matches at the beginning of lines.  Unless the :const:`MULTILINE` flag has been
682    set, this will only match at the beginning of the string.  In :const:`MULTILINE`
683    mode, this also matches immediately after each newline within the string.
685    For example, if you wish to match the word ``From`` only at the beginning of a
686    line, the RE to use is ``^From``. ::
688       >>> print re.search('^From', 'From Here to Eternity')
689       <re.MatchObject instance at 80c1520>
690       >>> print re.search('^From', 'Reciting From Memory')
691       None
693    .. To match a literal \character{\^}, use \regexp{\e\^} or enclose it
694    .. inside a character class, as in \regexp{[{\e}\^]}.
696 ``$``
697    Matches at the end of a line, which is defined as either the end of the string,
698    or any location followed by a newline character.     ::
700       >>> print re.search('}$', '{block}')
701       <re.MatchObject instance at 80adfa8>
702       >>> print re.search('}$', '{block} ')
703       None
704       >>> print re.search('}$', '{block}\n')
705       <re.MatchObject instance at 80adfa8>
707    To match a literal ``'$'``, use ``\$`` or enclose it inside a character class,
708    as in  ``[$]``.
710 ``\A``
711    Matches only at the start of the string.  When not in :const:`MULTILINE` mode,
712    ``\A`` and ``^`` are effectively the same.  In :const:`MULTILINE` mode, they're
713    different: ``\A`` still matches only at the beginning of the string, but ``^``
714    may match at any location inside the string that follows a newline character.
716 ``\Z``
717    Matches only at the end of the string.
719 ``\b``
720    Word boundary.  This is a zero-width assertion that matches only at the
721    beginning or end of a word.  A word is defined as a sequence of alphanumeric
722    characters, so the end of a word is indicated by whitespace or a
723    non-alphanumeric character.
725    The following example matches ``class`` only when it's a complete word; it won't
726    match when it's contained inside another word. ::
728       >>> p = re.compile(r'\bclass\b')
729       >>> print p.search('no class at all')
730       <re.MatchObject instance at 80c8f28>
731       >>> print p.search('the declassified algorithm')
732       None
733       >>> print p.search('one subclass is')
734       None
736    There are two subtleties you should remember when using this special sequence.
737    First, this is the worst collision between Python's string literals and regular
738    expression sequences.  In Python's string literals, ``\b`` is the backspace
739    character, ASCII value 8.  If you're not using raw strings, then Python will
740    convert the ``\b`` to a backspace, and your RE won't match as you expect it to.
741    The following example looks the same as our previous RE, but omits the ``'r'``
742    in front of the RE string. ::
744       >>> p = re.compile('\bclass\b')
745       >>> print p.search('no class at all')
746       None
747       >>> print p.search('\b' + 'class' + '\b')
748       <re.MatchObject instance at 80c3ee0>
750    Second, inside a character class, where there's no use for this assertion,
751    ``\b`` represents the backspace character, for compatibility with Python's
752    string literals.
754 ``\B``
755    Another zero-width assertion, this is the opposite of ``\b``, only matching when
756    the current position is not at a word boundary.
759 Grouping
760 --------
762 Frequently you need to obtain more information than just whether the RE matched
763 or not.  Regular expressions are often used to dissect strings by writing a RE
764 divided into several subgroups which match different components of interest.
765 For example, an RFC-822 header line is divided into a header name and a value,
766 separated by a ``':'``, like this::
768    From: author@example.com
769    User-Agent: Thunderbird 1.5.0.9 (X11/20061227)
770    MIME-Version: 1.0
771    To: editor@example.com
773 This can be handled by writing a regular expression which matches an entire
774 header line, and has one group which matches the header name, and another group
775 which matches the header's value.
777 Groups are marked by the ``'('``, ``')'`` metacharacters. ``'('`` and ``')'``
778 have much the same meaning as they do in mathematical expressions; they group
779 together the expressions contained inside them, and you can repeat the contents
780 of a group with a repeating qualifier, such as ``*``, ``+``, ``?``, or
781 ``{m,n}``.  For example, ``(ab)*`` will match zero or more repetitions of
782 ``ab``. ::
784    >>> p = re.compile('(ab)*')
785    >>> print p.match('ababababab').span()
786    (0, 10)
788 Groups indicated with ``'('``, ``')'`` also capture the starting and ending
789 index of the text that they match; this can be retrieved by passing an argument
790 to :meth:`group`, :meth:`start`, :meth:`end`, and :meth:`span`.  Groups are
791 numbered starting with 0.  Group 0 is always present; it's the whole RE, so
792 :class:`MatchObject` methods all have group 0 as their default argument.  Later
793 we'll see how to express groups that don't capture the span of text that they
794 match. ::
796    >>> p = re.compile('(a)b')
797    >>> m = p.match('ab')
798    >>> m.group()
799    'ab'
800    >>> m.group(0)
801    'ab'
803 Subgroups are numbered from left to right, from 1 upward.  Groups can be nested;
804 to determine the number, just count the opening parenthesis characters, going
805 from left to right. ::
807    >>> p = re.compile('(a(b)c)d')
808    >>> m = p.match('abcd')
809    >>> m.group(0)
810    'abcd'
811    >>> m.group(1)
812    'abc'
813    >>> m.group(2)
814    'b'
816 :meth:`group` can be passed multiple group numbers at a time, in which case it
817 will return a tuple containing the corresponding values for those groups. ::
819    >>> m.group(2,1,2)
820    ('b', 'abc', 'b')
822 The :meth:`groups` method returns a tuple containing the strings for all the
823 subgroups, from 1 up to however many there are. ::
825    >>> m.groups()
826    ('abc', 'b')
828 Backreferences in a pattern allow you to specify that the contents of an earlier
829 capturing group must also be found at the current location in the string.  For
830 example, ``\1`` will succeed if the exact contents of group 1 can be found at
831 the current position, and fails otherwise.  Remember that Python's string
832 literals also use a backslash followed by numbers to allow including arbitrary
833 characters in a string, so be sure to use a raw string when incorporating
834 backreferences in a RE.
836 For example, the following RE detects doubled words in a string. ::
838    >>> p = re.compile(r'(\b\w+)\s+\1')
839    >>> p.search('Paris in the the spring').group()
840    'the the'
842 Backreferences like this aren't often useful for just searching through a string
843 --- there are few text formats which repeat data in this way --- but you'll soon
844 find out that they're *very* useful when performing string substitutions.
847 Non-capturing and Named Groups
848 ------------------------------
850 Elaborate REs may use many groups, both to capture substrings of interest, and
851 to group and structure the RE itself.  In complex REs, it becomes difficult to
852 keep track of the group numbers.  There are two features which help with this
853 problem.  Both of them use a common syntax for regular expression extensions, so
854 we'll look at that first.
856 Perl 5 added several additional features to standard regular expressions, and
857 the Python :mod:`re` module supports most of them.   It would have been
858 difficult to choose new single-keystroke metacharacters or new special sequences
859 beginning with ``\`` to represent the new features without making Perl's regular
860 expressions confusingly different from standard REs.  If you chose ``&`` as a
861 new metacharacter, for example, old expressions would be assuming that ``&`` was
862 a regular character and wouldn't have escaped it by writing ``\&`` or ``[&]``.
864 The solution chosen by the Perl developers was to use ``(?...)`` as the
865 extension syntax.  ``?`` immediately after a parenthesis was a syntax error
866 because the ``?`` would have nothing to repeat, so this didn't introduce any
867 compatibility problems.  The characters immediately after the ``?``  indicate
868 what extension is being used, so ``(?=foo)`` is one thing (a positive lookahead
869 assertion) and ``(?:foo)`` is something else (a non-capturing group containing
870 the subexpression ``foo``).
872 Python adds an extension syntax to Perl's extension syntax.  If the first
873 character after the question mark is a ``P``, you know that it's an extension
874 that's specific to Python.  Currently there are two such extensions:
875 ``(?P<name>...)`` defines a named group, and ``(?P=name)`` is a backreference to
876 a named group.  If future versions of Perl 5 add similar features using a
877 different syntax, the :mod:`re` module will be changed to support the new
878 syntax, while preserving the Python-specific syntax for compatibility's sake.
880 Now that we've looked at the general extension syntax, we can return to the
881 features that simplify working with groups in complex REs. Since groups are
882 numbered from left to right and a complex expression may use many groups, it can
883 become difficult to keep track of the correct numbering.  Modifying such a
884 complex RE is annoying, too: insert a new group near the beginning and you
885 change the numbers of everything that follows it.
887 Sometimes you'll want to use a group to collect a part of a regular expression,
888 but aren't interested in retrieving the group's contents. You can make this fact
889 explicit by using a non-capturing group: ``(?:...)``, where you can replace the
890 ``...`` with any other regular expression. ::
892    >>> m = re.match("([abc])+", "abc")
893    >>> m.groups()
894    ('c',)
895    >>> m = re.match("(?:[abc])+", "abc")
896    >>> m.groups()
897    ()
899 Except for the fact that you can't retrieve the contents of what the group
900 matched, a non-capturing group behaves exactly the same as a capturing group;
901 you can put anything inside it, repeat it with a repetition metacharacter such
902 as ``*``, and nest it within other groups (capturing or non-capturing).
903 ``(?:...)`` is particularly useful when modifying an existing pattern, since you
904 can add new groups without changing how all the other groups are numbered.  It
905 should be mentioned that there's no performance difference in searching between
906 capturing and non-capturing groups; neither form is any faster than the other.
908 A more significant feature is named groups: instead of referring to them by
909 numbers, groups can be referenced by a name.
911 The syntax for a named group is one of the Python-specific extensions:
912 ``(?P<name>...)``.  *name* is, obviously, the name of the group.  Named groups
913 also behave exactly like capturing groups, and additionally associate a name
914 with a group.  The :class:`MatchObject` methods that deal with capturing groups
915 all accept either integers that refer to the group by number or strings that
916 contain the desired group's name.  Named groups are still given numbers, so you
917 can retrieve information about a group in two ways::
919    >>> p = re.compile(r'(?P<word>\b\w+\b)')
920    >>> m = p.search( '(((( Lots of punctuation )))' )
921    >>> m.group('word')
922    'Lots'
923    >>> m.group(1)
924    'Lots'
926 Named groups are handy because they let you use easily-remembered names, instead
927 of having to remember numbers.  Here's an example RE from the :mod:`imaplib`
928 module::
930    InternalDate = re.compile(r'INTERNALDATE "'
931            r'(?P<day>[ 123][0-9])-(?P<mon>[A-Z][a-z][a-z])-'
932            r'(?P<year>[0-9][0-9][0-9][0-9])'
933            r' (?P<hour>[0-9][0-9]):(?P<min>[0-9][0-9]):(?P<sec>[0-9][0-9])'
934            r' (?P<zonen>[-+])(?P<zoneh>[0-9][0-9])(?P<zonem>[0-9][0-9])'
935            r'"')
937 It's obviously much easier to retrieve ``m.group('zonem')``, instead of having
938 to remember to retrieve group 9.
940 The syntax for backreferences in an expression such as ``(...)\1`` refers to the
941 number of the group.  There's naturally a variant that uses the group name
942 instead of the number. This is another Python extension: ``(?P=name)`` indicates
943 that the contents of the group called *name* should again be matched at the
944 current point.  The regular expression for finding doubled words,
945 ``(\b\w+)\s+\1`` can also be written as ``(?P<word>\b\w+)\s+(?P=word)``::
947    >>> p = re.compile(r'(?P<word>\b\w+)\s+(?P=word)')
948    >>> p.search('Paris in the the spring').group()
949    'the the'
952 Lookahead Assertions
953 --------------------
955 Another zero-width assertion is the lookahead assertion.  Lookahead assertions
956 are available in both positive and negative form, and  look like this:
958 ``(?=...)``
959    Positive lookahead assertion.  This succeeds if the contained regular
960    expression, represented here by ``...``, successfully matches at the current
961    location, and fails otherwise. But, once the contained expression has been
962    tried, the matching engine doesn't advance at all; the rest of the pattern is
963    tried right where the assertion started.
965 ``(?!...)``
966    Negative lookahead assertion.  This is the opposite of the positive assertion;
967    it succeeds if the contained expression *doesn't* match at the current position
968    in the string.
970 To make this concrete, let's look at a case where a lookahead is useful.
971 Consider a simple pattern to match a filename and split it apart into a base
972 name and an extension, separated by a ``.``.  For example, in ``news.rc``,
973 ``news`` is the base name, and ``rc`` is the filename's extension.
975 The pattern to match this is quite simple:
977 ``.*[.].*$``
979 Notice that the ``.`` needs to be treated specially because it's a
980 metacharacter; I've put it inside a character class.  Also notice the trailing
981 ``$``; this is added to ensure that all the rest of the string must be included
982 in the extension.  This regular expression matches ``foo.bar`` and
983 ``autoexec.bat`` and ``sendmail.cf`` and ``printers.conf``.
985 Now, consider complicating the problem a bit; what if you want to match
986 filenames where the extension is not ``bat``? Some incorrect attempts:
988 ``.*[.][^b].*$``  The first attempt above tries to exclude ``bat`` by requiring
989 that the first character of the extension is not a ``b``.  This is wrong,
990 because the pattern also doesn't match ``foo.bar``.
992 ``.*[.]([^b]..|.[^a].|..[^t])$``
994 The expression gets messier when you try to patch up the first solution by
995 requiring one of the following cases to match: the first character of the
996 extension isn't ``b``; the second character isn't ``a``; or the third character
997 isn't ``t``.  This accepts ``foo.bar`` and rejects ``autoexec.bat``, but it
998 requires a three-letter extension and won't accept a filename with a two-letter
999 extension such as ``sendmail.cf``.  We'll complicate the pattern again in an
1000 effort to fix it.
1002 ``.*[.]([^b].?.?|.[^a]?.?|..?[^t]?)$``
1004 In the third attempt, the second and third letters are all made optional in
1005 order to allow matching extensions shorter than three characters, such as
1006 ``sendmail.cf``.
1008 The pattern's getting really complicated now, which makes it hard to read and
1009 understand.  Worse, if the problem changes and you want to exclude both ``bat``
1010 and ``exe`` as extensions, the pattern would get even more complicated and
1011 confusing.
1013 A negative lookahead cuts through all this confusion:
1015 ``.*[.](?!bat$).*$``  The negative lookahead means: if the expression ``bat``
1016 doesn't match at this point, try the rest of the pattern; if ``bat$`` does
1017 match, the whole pattern will fail.  The trailing ``$`` is required to ensure
1018 that something like ``sample.batch``, where the extension only starts with
1019 ``bat``, will be allowed.
1021 Excluding another filename extension is now easy; simply add it as an
1022 alternative inside the assertion.  The following pattern excludes filenames that
1023 end in either ``bat`` or ``exe``:
1025 ``.*[.](?!bat$|exe$).*$``
1028 Modifying Strings
1029 =================
1031 Up to this point, we've simply performed searches against a static string.
1032 Regular expressions are also commonly used to modify strings in various ways,
1033 using the following :class:`RegexObject` methods:
1035 +------------------+-----------------------------------------------+
1036 | Method/Attribute | Purpose                                       |
1037 +==================+===============================================+
1038 | ``split()``      | Split the string into a list, splitting it    |
1039 |                  | wherever the RE matches                       |
1040 +------------------+-----------------------------------------------+
1041 | ``sub()``        | Find all substrings where the RE matches, and |
1042 |                  | replace them with a different string          |
1043 +------------------+-----------------------------------------------+
1044 | ``subn()``       | Does the same thing as :meth:`sub`,  but      |
1045 |                  | returns the new string and the number of      |
1046 |                  | replacements                                  |
1047 +------------------+-----------------------------------------------+
1050 Splitting Strings
1051 -----------------
1053 The :meth:`split` method of a :class:`RegexObject` splits a string apart
1054 wherever the RE matches, returning a list of the pieces. It's similar to the
1055 :meth:`split` method of strings but provides much more generality in the
1056 delimiters that you can split by; :meth:`split` only supports splitting by
1057 whitespace or by a fixed string.  As you'd expect, there's a module-level
1058 :func:`re.split` function, too.
1061 .. method:: .split(string [, maxsplit=0])
1062    :noindex:
1064    Split *string* by the matches of the regular expression.  If capturing
1065    parentheses are used in the RE, then their contents will also be returned as
1066    part of the resulting list.  If *maxsplit* is nonzero, at most *maxsplit* splits
1067    are performed.
1069 You can limit the number of splits made, by passing a value for *maxsplit*.
1070 When *maxsplit* is nonzero, at most *maxsplit* splits will be made, and the
1071 remainder of the string is returned as the final element of the list.  In the
1072 following example, the delimiter is any sequence of non-alphanumeric characters.
1075    >>> p = re.compile(r'\W+')
1076    >>> p.split('This is a test, short and sweet, of split().')
1077    ['This', 'is', 'a', 'test', 'short', 'and', 'sweet', 'of', 'split', '']
1078    >>> p.split('This is a test, short and sweet, of split().', 3)
1079    ['This', 'is', 'a', 'test, short and sweet, of split().']
1081 Sometimes you're not only interested in what the text between delimiters is, but
1082 also need to know what the delimiter was.  If capturing parentheses are used in
1083 the RE, then their values are also returned as part of the list.  Compare the
1084 following calls::
1086    >>> p = re.compile(r'\W+')
1087    >>> p2 = re.compile(r'(\W+)')
1088    >>> p.split('This... is a test.')
1089    ['This', 'is', 'a', 'test', '']
1090    >>> p2.split('This... is a test.')
1091    ['This', '... ', 'is', ' ', 'a', ' ', 'test', '.', '']
1093 The module-level function :func:`re.split` adds the RE to be used as the first
1094 argument, but is otherwise the same.   ::
1096    >>> re.split('[\W]+', 'Words, words, words.')
1097    ['Words', 'words', 'words', '']
1098    >>> re.split('([\W]+)', 'Words, words, words.')
1099    ['Words', ', ', 'words', ', ', 'words', '.', '']
1100    >>> re.split('[\W]+', 'Words, words, words.', 1)
1101    ['Words', 'words, words.']
1104 Search and Replace
1105 ------------------
1107 Another common task is to find all the matches for a pattern, and replace them
1108 with a different string.  The :meth:`sub` method takes a replacement value,
1109 which can be either a string or a function, and the string to be processed.
1112 .. method:: .sub(replacement, string[, count=0])
1113    :noindex:
1115    Returns the string obtained by replacing the leftmost non-overlapping
1116    occurrences of the RE in *string* by the replacement *replacement*.  If the
1117    pattern isn't found, *string* is returned unchanged.
1119    The optional argument *count* is the maximum number of pattern occurrences to be
1120    replaced; *count* must be a non-negative integer.  The default value of 0 means
1121    to replace all occurrences.
1123 Here's a simple example of using the :meth:`sub` method.  It replaces colour
1124 names with the word ``colour``::
1126    >>> p = re.compile( '(blue|white|red)')
1127    >>> p.sub( 'colour', 'blue socks and red shoes')
1128    'colour socks and colour shoes'
1129    >>> p.sub( 'colour', 'blue socks and red shoes', count=1)
1130    'colour socks and red shoes'
1132 The :meth:`subn` method does the same work, but returns a 2-tuple containing the
1133 new string value and the number of replacements  that were performed::
1135    >>> p = re.compile( '(blue|white|red)')
1136    >>> p.subn( 'colour', 'blue socks and red shoes')
1137    ('colour socks and colour shoes', 2)
1138    >>> p.subn( 'colour', 'no colours at all')
1139    ('no colours at all', 0)
1141 Empty matches are replaced only when they're not adjacent to a previous match.
1144    >>> p = re.compile('x*')
1145    >>> p.sub('-', 'abxd')
1146    '-a-b-d-'
1148 If *replacement* is a string, any backslash escapes in it are processed.  That
1149 is, ``\n`` is converted to a single newline character, ``\r`` is converted to a
1150 carriage return, and so forth. Unknown escapes such as ``\j`` are left alone.
1151 Backreferences, such as ``\6``, are replaced with the substring matched by the
1152 corresponding group in the RE.  This lets you incorporate portions of the
1153 original text in the resulting replacement string.
1155 This example matches the word ``section`` followed by a string enclosed in
1156 ``{``, ``}``, and changes ``section`` to ``subsection``::
1158    >>> p = re.compile('section{ ( [^}]* ) }', re.VERBOSE)
1159    >>> p.sub(r'subsection{\1}','section{First} section{second}')
1160    'subsection{First} subsection{second}'
1162 There's also a syntax for referring to named groups as defined by the
1163 ``(?P<name>...)`` syntax.  ``\g<name>`` will use the substring matched by the
1164 group named ``name``, and  ``\g<number>``  uses the corresponding group number.
1165 ``\g<2>`` is therefore equivalent to ``\2``,  but isn't ambiguous in a
1166 replacement string such as ``\g<2>0``.  (``\20`` would be interpreted as a
1167 reference to group 20, not a reference to group 2 followed by the literal
1168 character ``'0'``.)  The following substitutions are all equivalent, but use all
1169 three variations of the replacement string. ::
1171    >>> p = re.compile('section{ (?P<name> [^}]* ) }', re.VERBOSE)
1172    >>> p.sub(r'subsection{\1}','section{First}')
1173    'subsection{First}'
1174    >>> p.sub(r'subsection{\g<1>}','section{First}')
1175    'subsection{First}'
1176    >>> p.sub(r'subsection{\g<name>}','section{First}')
1177    'subsection{First}'
1179 *replacement* can also be a function, which gives you even more control.  If
1180 *replacement* is a function, the function is called for every non-overlapping
1181 occurrence of *pattern*.  On each call, the function is  passed a
1182 :class:`MatchObject` argument for the match and can use this information to
1183 compute the desired replacement string and return it.
1185 In the following example, the replacement function translates  decimals into
1186 hexadecimal::
1188    >>> def hexrepl( match ):
1189    ...     "Return the hex string for a decimal number"
1190    ...     value = int( match.group() )
1191    ...     return hex(value)
1192    ...
1193    >>> p = re.compile(r'\d+')
1194    >>> p.sub(hexrepl, 'Call 65490 for printing, 49152 for user code.')
1195    'Call 0xffd2 for printing, 0xc000 for user code.'
1197 When using the module-level :func:`re.sub` function, the pattern is passed as
1198 the first argument.  The pattern may be a string or a :class:`RegexObject`; if
1199 you need to specify regular expression flags, you must either use a
1200 :class:`RegexObject` as the first parameter, or use embedded modifiers in the
1201 pattern, e.g.  ``sub("(?i)b+", "x", "bbbb BBBB")`` returns ``'x x'``.
1204 Common Problems
1205 ===============
1207 Regular expressions are a powerful tool for some applications, but in some ways
1208 their behaviour isn't intuitive and at times they don't behave the way you may
1209 expect them to.  This section will point out some of the most common pitfalls.
1212 Use String Methods
1213 ------------------
1215 Sometimes using the :mod:`re` module is a mistake.  If you're matching a fixed
1216 string, or a single character class, and you're not using any :mod:`re` features
1217 such as the :const:`IGNORECASE` flag, then the full power of regular expressions
1218 may not be required. Strings have several methods for performing operations with
1219 fixed strings and they're usually much faster, because the implementation is a
1220 single small C loop that's been optimized for the purpose, instead of the large,
1221 more generalized regular expression engine.
1223 One example might be replacing a single fixed string with another one; for
1224 example, you might replace ``word`` with ``deed``.  ``re.sub()`` seems like the
1225 function to use for this, but consider the :meth:`replace` method.  Note that
1226 :func:`replace` will also replace ``word`` inside words, turning ``swordfish``
1227 into ``sdeedfish``, but the  naive RE ``word`` would have done that, too.  (To
1228 avoid performing the substitution on parts of words, the pattern would have to
1229 be ``\bword\b``, in order to require that ``word`` have a word boundary on
1230 either side.  This takes the job beyond  :meth:`replace`'s abilities.)
1232 Another common task is deleting every occurrence of a single character from a
1233 string or replacing it with another single character.  You might do this with
1234 something like ``re.sub('\n', ' ', S)``, but :meth:`translate` is capable of
1235 doing both tasks and will be faster than any regular expression operation can
1238 In short, before turning to the :mod:`re` module, consider whether your problem
1239 can be solved with a faster and simpler string method.
1242 match() versus search()
1243 -----------------------
1245 The :func:`match` function only checks if the RE matches at the beginning of the
1246 string while :func:`search` will scan forward through the string for a match.
1247 It's important to keep this distinction in mind.  Remember,  :func:`match` will
1248 only report a successful match which will start at 0; if the match wouldn't
1249 start at zero,  :func:`match` will *not* report it. ::
1251    >>> print re.match('super', 'superstition').span()
1252    (0, 5)
1253    >>> print re.match('super', 'insuperable')
1254    None
1256 On the other hand, :func:`search` will scan forward through the string,
1257 reporting the first match it finds. ::
1259    >>> print re.search('super', 'superstition').span()
1260    (0, 5)
1261    >>> print re.search('super', 'insuperable').span()
1262    (2, 7)
1264 Sometimes you'll be tempted to keep using :func:`re.match`, and just add ``.*``
1265 to the front of your RE.  Resist this temptation and use :func:`re.search`
1266 instead.  The regular expression compiler does some analysis of REs in order to
1267 speed up the process of looking for a match.  One such analysis figures out what
1268 the first character of a match must be; for example, a pattern starting with
1269 ``Crow`` must match starting with a ``'C'``.  The analysis lets the engine
1270 quickly scan through the string looking for the starting character, only trying
1271 the full match if a ``'C'`` is found.
1273 Adding ``.*`` defeats this optimization, requiring scanning to the end of the
1274 string and then backtracking to find a match for the rest of the RE.  Use
1275 :func:`re.search` instead.
1278 Greedy versus Non-Greedy
1279 ------------------------
1281 When repeating a regular expression, as in ``a*``, the resulting action is to
1282 consume as much of the pattern as possible.  This fact often bites you when
1283 you're trying to match a pair of balanced delimiters, such as the angle brackets
1284 surrounding an HTML tag.  The naive pattern for matching a single HTML tag
1285 doesn't work because of the greedy nature of ``.*``. ::
1287    >>> s = '<html><head><title>Title</title>'
1288    >>> len(s)
1289    32
1290    >>> print re.match('<.*>', s).span()
1291    (0, 32)
1292    >>> print re.match('<.*>', s).group()
1293    <html><head><title>Title</title>
1295 The RE matches the ``'<'`` in ``<html>``, and the ``.*`` consumes the rest of
1296 the string.  There's still more left in the RE, though, and the ``>`` can't
1297 match at the end of the string, so the regular expression engine has to
1298 backtrack character by character until it finds a match for the ``>``.   The
1299 final match extends from the ``'<'`` in ``<html>`` to the ``'>'`` in
1300 ``</title>``, which isn't what you want.
1302 In this case, the solution is to use the non-greedy qualifiers ``*?``, ``+?``,
1303 ``??``, or ``{m,n}?``, which match as *little* text as possible.  In the above
1304 example, the ``'>'`` is tried immediately after the first ``'<'`` matches, and
1305 when it fails, the engine advances a character at a time, retrying the ``'>'``
1306 at every step.  This produces just the right result::
1308    >>> print re.match('<.*?>', s).group()
1309    <html>
1311 (Note that parsing HTML or XML with regular expressions is painful.
1312 Quick-and-dirty patterns will handle common cases, but HTML and XML have special
1313 cases that will break the obvious regular expression; by the time you've written
1314 a regular expression that handles all of the possible cases, the patterns will
1315 be *very* complicated.  Use an HTML or XML parser module for such tasks.)
1318 Not Using re.VERBOSE
1319 --------------------
1321 By now you've probably noticed that regular expressions are a very compact
1322 notation, but they're not terribly readable.  REs of moderate complexity can
1323 become lengthy collections of backslashes, parentheses, and metacharacters,
1324 making them difficult to read and understand.
1326 For such REs, specifying the ``re.VERBOSE`` flag when compiling the regular
1327 expression can be helpful, because it allows you to format the regular
1328 expression more clearly.
1330 The ``re.VERBOSE`` flag has several effects.  Whitespace in the regular
1331 expression that *isn't* inside a character class is ignored.  This means that an
1332 expression such as ``dog | cat`` is equivalent to the less readable ``dog|cat``,
1333 but ``[a b]`` will still match the characters ``'a'``, ``'b'``, or a space.  In
1334 addition, you can also put comments inside a RE; comments extend from a ``#``
1335 character to the next newline.  When used with triple-quoted strings, this
1336 enables REs to be formatted more neatly::
1338    pat = re.compile(r"""
1339     \s*                 # Skip leading whitespace
1340     (?P<header>[^:]+)   # Header name
1341     \s* :               # Whitespace, and a colon
1342     (?P<value>.*?)      # The header's value -- *? used to
1343                         # lose the following trailing whitespace
1344     \s*$                # Trailing whitespace to end-of-line
1345    """, re.VERBOSE)
1347 This is far more readable than::
1349    pat = re.compile(r"\s*(?P<header>[^:]+)\s*:(?P<value>.*?)\s*$")
1352 Feedback
1353 ========
1355 Regular expressions are a complicated topic.  Did this document help you
1356 understand them?  Were there parts that were unclear, or Problems you
1357 encountered that weren't covered here?  If so, please send suggestions for
1358 improvements to the author.
1360 The most complete book on regular expressions is almost certainly Jeffrey
1361 Friedl's Mastering Regular Expressions, published by O'Reilly.  Unfortunately,
1362 it exclusively concentrates on Perl and Java's flavours of regular expressions,
1363 and doesn't contain any Python material at all, so it won't be useful as a
1364 reference for programming in Python.  (The first edition covered Python's
1365 now-removed :mod:`regex` module, which won't help you much.)  Consider checking
1366 it out from your library.
1369 .. rubric:: Footnotes
1371 .. [#] Introduced in Python 2.2.2.