怎么學(xué)好Python正則表達式

這篇文章主要講解了“怎么學(xué)好Python正則表達式”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“怎么學(xué)好Python正則表達式”吧！

簡介

正則表達式（regular expression）是可以匹配文本片段的模式。最簡單的正則表達式就是普通字符串，可以匹配其自身。比如，正則表達式 ‘hello’ 可以匹配字符串 ‘hello’。

re 模塊

在 Python 中，我們可以使用內(nèi)置的 re 模塊來使用正則表達式。

• 使用 compile 函數(shù)將正則表達式的字符串形式編譯為一個 Pattern 對象

• 通過 Pattern 對象提供的一系列方法對文本進行匹配查找，獲得匹配結(jié)果（一個 Match 對象）

• ***使用 Match 對象提供的屬性和方法獲得信息，根據(jù)需要進行其他的操作

• compile 函數(shù)

compile 函數(shù)用于編譯正則表達式，生成一個 Pattern 對象，它的一般使用形式如下：

match 方法用于查找字符串的頭部（也可以指定起始位置），它是一次匹配，只要找到了一個匹配的結(jié)果就返回，而不是查找所有匹配的結(jié)果。它的一般使用形式如下：

match(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。因此，當你不指定 pos 和 endpos 時，match 方法默認匹配字符串的頭部。

在上面，當匹配成功時返回一個 Match 對象，其中：

• group([group1, …]) 方法用于獲得一個或多個分組匹配的字符串，當要獲得整個匹配的子串時，可直接使用 group() 或 group(0)；

• start([group]) 方法用于獲取分組匹配的子串在整個字符串中的起始位置（子串***個字符的索引），參數(shù)默認值為 0；

• end([group]) 方法用于獲取分組匹配的子串在整個字符串中的結(jié)束位置（子串***一個字符的索引+1），參數(shù)默認值為 0；

• span([group]) 方法返回 (start(group), end(group))。

search 方法

search 方法用于查找字符串的任何位置，它也是一次匹配，只要找到了一個匹配的結(jié)果就返回，而不是查找所有匹配的結(jié)果，它的一般使用形式如下：

search(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。

findall 方法

上面的 match 和 search 方法都是一次匹配，只要找到了一個匹配的結(jié)果就返回。然而，在大多數(shù)時候，我們需要搜索整個字符串，獲得所有匹配的結(jié)果。

findall 方法的使用形式如下：

findall(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。

findall 以列表形式返回全部能匹配的子串，如果沒有匹配，則返回一個空列表。

看看例子：

import re

pattern = re.compile(r'd+') # 查找數(shù)字

result1 = pattern.findall('hello 123456 789')

result2 = pattern.findall('one1two2three3four4', 0, 10)

print result1

print result2

執(zhí)行結(jié)果：

['123456', '789']

['1', '2']

finditer 方法

finditer 方法的行為跟 findall 的行為類似，也是搜索整個字符串，獲得所有匹配的結(jié)果。但它返回一個順序訪問每一個匹配結(jié)果（Match 對象）的迭代器。

split 方法

split 方法按照能夠匹配的子串將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***分割次數(shù)，不指定將全部分割。

看看例子：

• 如果 repl 是字符串，則會使用 repl 去替換字符串每一個匹配的子串，并返回替換后的字符串，另外，repl 還可以使用 id 的形式來引用分組，但不能使用編號 0；

• 如果 repl 是函數(shù)，這個方法應(yīng)當只接受一個參數(shù)（Match 對象），并返回一個字符串用于替換（返回的字符串中不能再引用分組）。

• count 用于指定最多替換次數(shù)，不指定時全部替換。

它返回一個元組：

(sub(repl, string[, count]), 替換次數(shù))

元組有兩個元素，***個元素是使用 sub 方法的結(jié)果，第二個元素返回原字符串被替換的次數(shù)。

看看例子：

事實上，使用 compile 函數(shù)生成的 Pattern 對象的一系列方法跟 re 模塊的多數(shù)函數(shù)是對應(yīng)的，但在使用上有細微差別。

match 函數(shù)

match 函數(shù)的使用形式如下：

search 函數(shù)

search 函數(shù)的使用形式如下：

re.search(pattern, string[, flags])

search 函數(shù)不能指定字符串的搜索區(qū)間，用法跟 Pattern 對象的 search 方法類似。

findall 函數(shù)

findall 函數(shù)的使用形式如下：

re.findall(pattern, string[, flags])

findall 函數(shù)不能指定字符串的搜索區(qū)間，用法跟 Pattern 對象的 findall 方法類似。

看看例子：

import re

print re.findall(r'd+', 'hello 12345 789')

# 輸出

['12345', '789']

finditer 函數(shù)

finditer 函數(shù)的使用方法跟 Pattern 的 finditer 方法類似，形式如下：

re.finditer(pattern, string[, flags])

split 函數(shù)

split 函數(shù)的使用形式如下：

re.split(pattern, string[, maxsplit])

sub 函數(shù)

sub 函數(shù)的使用形式如下：

re.sub(pattern, repl, string[, count])

subn 函數(shù)

subn 函數(shù)的使用形式如下：

re.subn(pattern, repl, string[, count])

到底用哪種方式

從上文可以看到，使用 re 模塊有兩種方式：

• 使用 re.compile 函數(shù)生成一個 Pattern 對象，然后使用 Pattern 對象的一系列方法對文本進行匹配查找；

• 直接使用 re.match, re.search 和 re.findall 等函數(shù)直接對文本匹配查找；

下面，我們用一個例子展示這兩種方法。

先看第 1 種用法：

import re

# 將正則表達式先編譯成 Pattern 對象

pattern = re.compile(r'd+')

print pattern.match('123, 123')

print pattern.search('234, 234')

print pattern.findall('345, 345')

再看第 2 種用法：

import re

print re.match(r'd+', '123, 123')

print re.search(r'd+', '234, 234')

print re.findall(r'd+', '345, 345')

如果一個正則表達式需要用到多次（比如上面的  d+），在多種場合經(jīng)常需要被用到，出于效率的考慮，我們應(yīng)該預(yù)先編譯該正則表達式，生成一個 Pattern  對象，再使用該對象的一系列方法對需要匹配的文件進行匹配；而如果直接使用 re.match, re.search  等函數(shù)，每次傳入一個正則表達式，它都會被編譯一次，效率就會大打折扣。

因此，我們推薦使用第 1 種用法。

匹配中文

在某些情況下，我們想匹配文本中的漢字，有一點需要注意的是，中文的 unicode 編碼范圍 主要在 [u4e00-u9fa5]，這里說主要是因為這個范圍并不完整，比如沒有包括全角（中文）標點，不過，在大部分情況下，應(yīng)該是夠用的。

假設(shè)現(xiàn)在想把字符串 title = u'你好，hello，世界' 中的中文提取出來，可以這么做：

# -*- coding: utf-8 -*-

import re

title = u'你好，hello，世界'

pattern = re.compile(ur'[\u4e00-\u9fa5]+')

result = pattern.findall(title)

print result

注意到，我們在正則表達式前面加上了兩個前綴 ur，其中 r 表示使用原始字符串，u 表示是 unicode 字符串。

執(zhí)行結(jié)果:

[u'\u4f60\u597d', u'\u4e16\u754c']

貪婪匹配

在 Python 中，正則匹配默認是貪婪匹配（在少數(shù)語言中可能是非貪婪），也就是匹配盡可能多的字符。

比如，我們想找出字符串中的所有 div 塊：

import re

content = 'aa<div>test1</div>bb<div>test2</div>cc'

pattern = re.compile(r'<div>.*</div>')

result = pattern.findall(content)

print result

執(zhí)行結(jié)果：

['<div>test1</div>bb<div>test2</div>']

由于正則匹配是貪婪匹配，也就是盡可能多的匹配，因此，在成功匹配到***個

時，它還會向右嘗試匹配，查看是否還有更長的可以成功匹配的子串。

如果我們想非貪婪匹配，可以加一個 ?，如下：

import re

content = 'aa<div>test1</div>bb<div>test2</div>cc'

pattern = re.compile(r'<div>.*?</div>') # 加上 ?

result = pattern.findall(content)

print result

結(jié)果：

['<div>test1</div>', '<div>test2</div>']

感謝各位的閱讀，以上就是“怎么學(xué)好Python正則表達式”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對怎么學(xué)好Python正則表達式這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！