如何在Python中使用正则表达式?

Python 正则表达式

正则表达式本身是独立于编程语言的知识，但是它又依附于编程语言，基本上我们所使用的编程语言都提供了对它的实现，当然了，各家的实现也是有一些差异的，有的支持的功能多一点，有的支持的少一点。

因为正则表达式是实践中使用广泛的工具，所以脱离语言的学习我认为是不靠谱的。

正则表达式的函数介绍

正则表达式主要API关系图

这个图是我个人总结的，我觉得基本上把这里的函数的关系弄清楚了，它们的作用是：

• match 从文本的开头匹配正则表达式，返回匹配的对象，没有就返回 None

• search 在整个文本中匹配正则表达式，返回第一个匹配的对象，没有就返回 None。

• sub 利用正则表达式进行文本替换（正则表达式的功能：搜索和替换）

• findall 从整个文本中匹配正则表达式，以列表的形式返回所有匹配的结果。

• finditer 从整个文本中匹配正则表达式，以迭代器的形式返回所有匹配的结果。

• split 利用正则表达式切分文本

这里可以看出，·re· 下面有很多立即可以使用的函数，然后 re.compile 下面有很多同名的函数。直接在 ·re· 模块下的是官方提供方便使用的函数，通过 re.compile 来使用是最正统的方式。所以，接下来的内容，我基本上智慧使用 re.compile 及其下的方法来实现。

re.compile 函数

compile 函数用于编译正则表达式，生成一个正则表达式 （Pattern）对象，供 match() 和 search() 以及其它函数使用。

语法：

re.compile(pattern[, flags])

• pattern: 一个字符串形式的正则表达式

• flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

• re.I 忽略大小写

• re.L 多行模式

• re.S 即为 '.' 并且包括换行符在内的任意字符（'.' 不包括换行符）

• re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖 Unicode 字符属性数据库

• re.X 为了增加可读性，忽略空格和 ‘#’ 后面的注释

示例：查找字符串中的所有数字

import re

s = 'runoob 123 google 456'
result1 = re.findall(r'\d+', s)

pattern = re.compile(r'\d+') # 查找数字
result2 = pattern.findall(s)
result3 = pattern.findall(s, 0, 20)


print(result1)
print(result2)
print(result3)


"""
output:
[‘123'， ‘456']
[‘123'， ‘456']
[‘123'， ‘45']
"""

学习模板

接下来我们要逐渐学习正则表达的内容，这些内容是非常有趣的！Interesting and Excited！

这里给出一个接下来会一直使用的示例模板，这个模板是这篇博客最重要的东西了，之后的内容都会基于它进行扩展。所以，请好好理解它。

import re

# 需要进行搜索或者匹配的文本
text = """I love you yesterday and today."""

# 正则表达式
regexp = r'love'


# 编译（对正则表达式进行编译获取 Pattern Object）
pattern = re.compile(regexp)

# 搜索
m = pattern.search(text)
if m:
    print("匹配对象: ", m)
    print("匹配的字符串: ", m.group())
    print("匹配的开始位置: ", m.start())
    print("匹配的结束位置: ", m.end())
    print("匹配位置的元组: ", m.span())
else:
    print("No match!")

# 替换
new_text = pattern.sub("hate", text)
print(new_text)

注意： 正则表达式 regexp 在开始前会使用 r 前缀，这样做的目的是为了避免在正则表达式中大量使用转义字符，破坏了整体的可读性。

Python 的正则表达式包含了很多非常易用的方法，但是这里我并不会过多介绍它们。我们会一直使用上面这种模式，因为那些易用的方法只是对它的一种封装，学习使用这种基本的方式自然就会其它的了。

匹配对象 可以获取有关正则表达式的信息，它最重要的方法和属性是：