Python re正则表达式模块及其用法

正则表达式（Regular Expression）用于描述一种字符串匹配的模式，它可用于检查一个字符串是否含有某个子串，也可用于从字符串中提取匹配的子串，或者对字符串中匹配的子串执行替换操作。

很多读者都会觉得正则表达式是非常神奇、高级的知识，实际上正则表达式确实是一种非常实用的工具。正则表达式的入门并不难，任意字符串都可以被当成正则表达式来使用，例如“abc”，它也是一个正则表达式，只是它只能匹配“abc”字符串。

当然，如果正则表达式仅能匹配“abc”这样的字符串，那么正则表达式也就不值得学习了。事实上，正则表达式包含的知识点比较多，它的模式匹配能力也非常强，初学者可以由浅入深地学习。

对于 Python 开发者来说，掌握正则表达式确实是一个很重要的技能。在掌握了正则表达式之后，Python 开发者也可使用正则表达式来开发数据抓取、网络爬虫等程序。

实际上，掌握 Python 的正则表达式并不难，无非就是几个简单的函数。在 Python 的交互式解释器中先导入 re 模块，然后输入 re.__all__ 命令，即可看到该模块所包含的全部属性和函数：

>>> re.__all__

['match', 'fullmatch', 'search', 'sub', 'subn', 'split', 'findall', 'finditer', 'compile', 'purge', 'template', 'escape', 'error', 'A', 'I', 'L', 'M', 'S', 'X', 'U', 'ASCII', 'IGNORECASE', 'LOCALE', 'MULTILINE', 'DOTALL', 'VERBOSE', 'UNICODE']

从上面的输出结果可以看出，re 模块包含了为数不多的几个函数和属性（用于控制正则表达式匹配的几个选项）。下面先介绍这些函数的作用：

re.compile(pattern, flags=0)：该函数用于将正则表达式字符串编译成 _sre.SRE_Pattern 对象，该对象代表了正则表达式编译之后在内存中的对象，它可以缓存并复用正则表达式字符串。如果程序需要多次使用同一个正则表达式字符串，则可考虑先编译它。

该函数的 pattern 参数就是它所编译的正则表达式字符串，flags 则代表了正则表达式的匹配旗标。编译得到的 _sre.SRE_Pattern 对象包含了 re 模块中绝大部分函数对应的方法。比如下面两行代码表示先编译正则表达式，然后调用正则表达式的 search() 方法执行匹配：

#先编译正则表达式

p = re.compile('abc')

#调用_sre.SRE_Pattern 对象的search()方法

p.search("www.abc.com")

上面两行代码和下面代码的效果基本相同：

#直接用正则表达式匹配目标字符串

re.search('abc','www.abc.com')

对于上面两种方式，由于第一种方式预编译了正则表达式，因此程序可复用 p 对象（该对象缓存了正则表达式字符串），所以具有更好的性能。re.match(pattern, string, flags=0)：尝试从字符串的开始位置来匹配正则表达式，如果从开始位置匹配不成功，match() 函数就返回 None 。其中 pattern 参数代表正则表达式；string 代表被匹配的字符串；flags 则代表正则表达式的匹配旗标。该函数返回 _sre.SRE_Match 对象，该对象包含的 span(n) 方法用于获取第 n+1 个组的匹配位置，group(n) 方法用于获取第 n+1 个组所匹配的子串。re.search(pattern, string, flags=0)：扫描整个字符串，并返回字符串中第一处匹配 pattern 的匹配对象。其中 pattern 参数代表正则表达式；string 代表被匹配的字符串；flags 则代表正则表达式的匹配旗标。该函数也返回 _sre.SRE_Match 对象。

根据上面介绍不难发现，match() 与 search() 的区别在于，match() 必须从字符串开始处就匹配，但 search() 可以搜索整个字符串。例如如下程序：

import re

m1 = re.match('www', 'www.fkit.org')# 开始位置可以匹配

print(m1.span())  # span返回匹配的位置

print(m1.group()) # group返回匹配的组

print(re.match('fkit', 'www.fkit.com')) # 开始位置匹配不到，返回None

m2 = re.search('www', 'www.fkit.org') # 开始位置可以匹配

print(m2.span())

print(m2.group())

m3 = re.search('fkit', 'www.fkit.com') # 中间位置可以匹配，返回Match对象

print(m3.span())

print(m3.group())

运行上面程序，可以看到如下输出结果：

(0, 3)

www

None

(0, 3)

www

(4, 8)

fkit

从上面的输出结果可以看出，match() 函数要求必须从字符串开始处匹配，而 search() 函数则可扫描整个字符串，从中间任意位置开始匹配。re.findall(pattern, string, flags=0)：扫描整个字符串，并返回字符串中所有匹配 pattern 的子串组成的列表。其中 pattern 参数代表正则表达式；string 代表被匹配的宇符串；flags 则代表正则表达式的匹配旗标。re.finditer(pattern, string, flags=0)：扫描整个字符串，并返回字符串中所有匹配 pattern 的子串组成的迭代器，迭代器的元素是 _sre.SRE_Match 对象。其中 pattern 参数代表正则表达式；string 代表被匹配的字符串；flags 则代表正则表达式的匹配旗标。

从上面介绍不难看出，findall() 与 finditer() 函数的功能基本相似，区别在于它们的返回值不同，findall() 函数返回所有匹配 patten 的子串组成的列表；而 finditer() 函数则返回所有匹配 pattern 的子串组成的选代器。

如果对比 findall()、finditer() 和 search() 函数，它们的区别也很明显，search() 只返回字符串中第一处匹配 pattern 的子串；而 findall() 和 finditer() 则返回字符串中所有匹配 pattern 的子串。

import re

# 返回所有匹配pattern的子串组成的列表, 忽略大小写

print(re.findall('fkit', 'FkIt is very good , Fkit.org is my favorite' , re.I))

# 返回所有匹配pattern的子串组成的迭代器, 忽略大小写

it = re.finditer('fkit', 'FkIt is very good , Fkit.org is my favorite' , re.I)

for e in it:

print(str(e.start()) + "-->" + e.group())

re.fullmatch(pattem, string, flags=0)：该函数要求整个字符串能匹配 pattern，如果匹配则返回包含匹配信息的 _sre.SRE_Match 对象；否则返回 None。re.sub(pattern, repl, string, count=0, flags=0)：该函数用于将 string 字符串中所有匹配 pattern 的内容替换成 repl；repl 既可是被替换的字符串，也可是一个函数。count 参数控制最多替换多少次，如果指定 count 为 0 ，则表示全部首换。如下程序示范了 sub() 函数的简单用法：

import re

my_date = '2008-08-18'

# 将my_date字符串里中画线替换成斜线

print(re.sub(r'-', '/' , my_date))

# 将my_date字符串里中画线替换成斜线，只替换一次

print(re.sub(r'-', '/' , my_date, 1))

运行上面程序，可以看到如下输出结果：

2008/08/18

2008/08-18

本文转载自https://www.py.cn/jishu/jichu/10564.html