怎么使用Python re正則表達(dá)式模塊

怎么使用Python re正則表達(dá)式模塊？相信很多沒有經(jīng)驗(yàn)的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個問題。

正則表達(dá)式（Regular Expression）用于描述一種字符串匹配的模式，它可用于檢查一個字符串是否含有某個子串，也可用于從字符串中提取匹配的子串，或者對字符串中匹配的子串執(zhí)行替換操作。

很多讀者都會覺得正則表達(dá)式是非常神奇、高級的知識，實(shí)際上正則表達(dá)式確實(shí)是一種非常實(shí)用的工具。正則表達(dá)式的入門并不難，任意字符串都可以被當(dāng)成正則表達(dá)式來使用，例如“abc”，它也是一個正則表達(dá)式，只是它只能匹配“abc”字符串。

當(dāng)然，如果正則表達(dá)式僅能匹配“abc”這樣的字符串，那么正則表達(dá)式也就不值得學(xué)習(xí)了。事實(shí)上，正則表達(dá)式包含的知識點(diǎn)比較多，它的模式匹配能力也非常強(qiáng)，初學(xué)者可以由淺入深地學(xué)習(xí)。

對于 Python 開發(fā)者來說，掌握正則表達(dá)式確實(shí)是一個很重要的技能。在掌握了正則表達(dá)式之后，Python 開發(fā)者也可使用正則表達(dá)式來開發(fā)數(shù)據(jù)抓取、網(wǎng)絡(luò)爬蟲等程序。

實(shí)際上，掌握 Python 的正則表達(dá)式并不難，無非就是幾個簡單的函數(shù)。在 Python 的交互式解釋器中先導(dǎo)入 re 模塊，然后輸入 re.__all__ 命令，即可看到該模塊所包含的全部屬性和函數(shù)：

>>> 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']

從上面的輸出結(jié)果可以看出，re 模塊包含了為數(shù)不多的幾個函數(shù)和屬性（用于控制正則表達(dá)式匹配的幾個選項(xiàng)）。下面先介紹這些函數(shù)的作用：

re.compile(pattern, flags=0)：該函數(shù)用于將正則表達(dá)式字符串編譯成 _sre.SRE_Pattern 對象，該對象代表了正則表達(dá)式編譯之后在內(nèi)存中的對象，它可以緩存并復(fù)用正則表達(dá)式字符串。如果程序需要多次使用同一個正則表達(dá)式字符串，則可考慮先編譯它。

該函數(shù)的 pattern 參數(shù)就是它所編譯的正則表達(dá)式字符串，flags 則代表了正則表達(dá)式的匹配旗標(biāo)。編譯得到的 _sre.SRE_Pattern 對象包含了 re 模塊中絕大部分函數(shù)對應(yīng)的方法。比如下面兩行代碼表示先編譯正則表達(dá)式，然后調(diào)用正則表達(dá)式的 search() 方法執(zhí)行匹配：

#先編譯正則表達(dá)式
p = re.compile('abc')
#調(diào)用_sre.SRE_Pattern 對象的search()方法
p.search("www.abc.com")

上面兩行代碼和下面代碼的效果基本相同：

#直接用正則表達(dá)式匹配目標(biāo)字符串
re.search('abc','www.abc.com')

對于上面兩種方式，由于第一種方式預(yù)編譯了正則表達(dá)式，因此程序可復(fù)用 p 對象（該對象緩存了正則表達(dá)式字符串），所以具有更好的性能。re.match(pattern, string, flags=0)：嘗試從字符串的開始位置來匹配正則表達(dá)式，如果從開始位置匹配不成功，match() 函數(shù)就返回 None 。其中 pattern 參數(shù)代表正則表達(dá)式；string 代表被匹配的字符串；flags 則代表正則表達(dá)式的匹配旗標(biāo)。該函數(shù)返回 _sre.SRE_Match 對象，該對象包含的 span(n) 方法用于獲取第 n+1 個組的匹配位置，group(n) 方法用于獲取第 n+1 個組所匹配的子串。re.search(pattern, string, flags=0)：掃描整個字符串，并返回字符串中第一處匹配 pattern 的匹配對象。其中 pattern 參數(shù)代表正則表達(dá)式；string 代表被匹配的字符串；flags 則代表正則表達(dá)式的匹配旗標(biāo)。該函數(shù)也返回 _sre.SRE_Match 對象。
根據(jù)上面介紹不難發(fā)現(xiàn)，match() 與 search() 的區(qū)別在于，match() 必須從字符串開始處就匹配，但 search() 可以搜索整個字符串。例如如下程序：

import re
m1 = re.match('www', 'www.fkit.org')# 開始位置可以匹配
print(m1.span())  # span返回匹配的位置
print(m1.group()) # group返回匹配的組
print(re.match('fkit', 'www.fkit.com')) # 開始位置匹配不到，返回None
m2 = re.search('www', 'www.fkit.org') # 開始位置可以匹配
print(m2.span())
print(m2.group())
m3 = re.search('fkit', 'www.fkit.com') # 中間位置可以匹配，返回Match對象
print(m3.span())
print(m3.group())

運(yùn)行上面程序，可以看到如下輸出結(jié)果：

(0, 3)
www
None
(0, 3)
www
(4, 8)
fkit

從上面的輸出結(jié)果可以看出，match() 函數(shù)要求必須從字符串開始處匹配，而 search() 函數(shù)則可掃描整個字符串，從中間任意位置開始匹配。re.findall(pattern, string, flags=0)：掃描整個字符串，并返回字符串中所有匹配 pattern 的子串組成的列表。其中 pattern 參數(shù)代表正則表達(dá)式；string 代表被匹配的宇符串；flags 則代表正則表達(dá)式的匹配旗標(biāo)。re.finditer(pattern, string, flags=0)：掃描整個字符串，并返回字符串中所有匹配 pattern 的子串組成的迭代器，迭代器的元素是 _sre.SRE_Match 對象。其中 pattern 參數(shù)代表正則表達(dá)式；string 代表被匹配的字符串；flags 則代表正則表達(dá)式的匹配旗標(biāo)。

從上面介紹不難看出，findall() 與 finditer() 函數(shù)的功能基本相似，區(qū)別在于它們的返回值不同，findall() 函數(shù)返回所有匹配 patten 的子串組成的列表；而 finditer() 函數(shù)則返回所有匹配 pattern 的子串組成的選代器。

如果對比 findall()、finditer() 和 search() 函數(shù)，它們的區(qū)別也很明顯，search() 只返回字符串中第一處匹配 pattern 的子串；而 findall() 和 finditer() 則返回字符串中所有匹配 pattern 的子串。

import re
# 返回所有匹配pattern的子串組成的列表, 忽略大小寫
print(re.findall('fkit', 'FkIt is very good , Fkit.org is my favorite' , re.I))
# 返回所有匹配pattern的子串組成的迭代器, 忽略大小寫
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)：該函數(shù)要求整個字符串能匹配 pattern，如果匹配則返回包含匹配信息的 _sre.SRE_Match 對象；否則返回 None。re.sub(pattern, repl, string, count=0, flags=0)：該函數(shù)用于將 string 字符串中所有匹配 pattern 的內(nèi)容替換成 repl；repl 既可是被替換的字符串，也可是一個函數(shù)。count 參數(shù)控制最多替換多少次，如果指定 count 為 0 ，則表示全部首換。如下程序示范了 sub() 函數(shù)的簡單用法：

import re
my_date = '2008-08-18'
# 將my_date字符串里中畫線替換成斜線
print(re.sub(r'-', '/' , my_date))
# 將my_date字符串里中畫線替換成斜線，只替換一次
print(re.sub(r'-', '/' , my_date, 1))

運(yùn)行上面程序，可以看到如下輸出結(jié)果：

2008/08/18
2008/08-18

看完上述內(nèi)容，你們掌握怎么使用Python re正則表達(dá)式模塊的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！