简介
正则表达式（regular expression）是可以匹配文本片段的模式。最简单的正则表达式就是普通字符串，可以匹配其自身。比如，正则表达式 ‘hello’ 可以匹配字符串 ‘hello’。
##学习Python中有不明白推荐加入交流群
号：960410445
群里有志同道合的小伙伴，互帮互助，
群里有不错的视频学习教程和PDF！
要注意的是，正则表达式并不是一个程序，而是用于处理字符串的一种模式，如果你想用它来处理字符串，就必须使用支持正则表达式的工具，比如 Linux 中的 awk, sed, grep，或者编程语言 Perl, Python, Java 等等。
正则表达式有多种不同的风格，下表列出了适用于 Python 或 Perl 等编程语言的部分元字符以及说明：
<tt-image data-tteditor-tag="tteditorTag" contenteditable="false" class="syl1548125457529 ql-align-justify" data-render-status="finished" data-syl-blot="image" style="box-sizing: border-box; cursor: text; text-align: left; color: rgb(34, 34, 34); font-family: "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "WenQuanYi Micro Hei", "Helvetica Neue", Arial, sans-serif; font-size: 16px; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-indent: 0px; text-transform: none; white-space: pre-wrap; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255); text-decoration-style: initial; text-decoration-color: initial; display: block;">
image
<input class="pgc-img-caption-ipt" placeholder="图片描述(最多50字)" value="" style="box-sizing: border-box; outline: 0px; color: rgb(102, 102, 102); position: absolute; left: 187.5px; transform: translateX(-50%); padding: 6px 7px; max-width: 100%; width: 375px; text-align: center; cursor: text; font-size: 12px; line-height: 1.5; background-color: rgb(255, 255, 255); background-image: none; border: 0px solid rgb(217, 217, 217); border-radius: 4px; transition: all 0.2s cubic-bezier(0.645, 0.045, 0.355, 1) 0s;"></tt-image>
re 模块
在 Python 中，我们可以使用内置的 re 模块来使用正则表达式。
有一点需要特别注意的是，正则表达式使用 对特殊字符进行转义，比如，为了匹配字符串 'python.org'，我们需要使用正则表达式 'python.org'，而 Python 的字符串本身也用 转义，所以上面的正则表达式在 Python 中应该写成 'python.org'，这会很容易陷入 的困扰中，因此，我们建议使用 Python 的原始字符串，只需加一个 r 前缀，上面的正则表达式可以写成：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">r'python.org'</bi>
re 模块提供了不少有用的函数，用以匹配字符串，比如：
- compile 函数
- match 函数
- search 函数
- findall 函数
- finditer 函数
- split 函数
- sub 函数
- subn 函数
re 模块的一般使用步骤如下：
- 使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象
- 通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）
- 最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作
- compile 函数
compile 函数用于编译正则表达式，生成一个 Pattern 对象，它的一般使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">re.compile(pattern[, flag])</bi>
其中，pattern 是一个字符串形式的正则表达式，flag 是一个可选参数，表示匹配模式，比如忽略大小写，多行模式等。
下面，让我们看看例子。
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"># 将正则表达式编译成 Pattern 对象</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">pattern = re.compile(r'd+')</bi>
在上面，我们已将一个正则表达式编译成 Pattern 对象，接下来，我们就可以利用 pattern 的一系列方法对文本进行匹配查找了。Pattern 对象的一些常用方法主要有：
- match 方法
- search 方法
- findall 方法
- finditer 方法
- split 方法
- sub 方法
- subn 方法
- match 方法
match 方法用于查找字符串的头部（也可以指定起始位置），它是一次匹配，只要找到了一个匹配的结果就返回，而不是查找所有匹配的结果。它的一般使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">match(string[, pos[, endpos]])</bi>
其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。因此，当你不指定 pos 和 endpos 时，match 方法默认匹配字符串的头部。
当匹配成功时，返回一个 Match 对象，如果没有匹配上，则返回 None。
看看例子。
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> pattern = re.compile(r'd+') # 用于匹配至少一个数字</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m = pattern.match('one12twothree34four') # 查找头部，没有匹配</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> print m</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">None</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> print m</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">None</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> print m # 返回一个 Match 对象</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"><_sre.SRE_Match object at 0x10a42aac0></bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.group(0) # 可省略 0</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">'12'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.start(0) # 可省略 0</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">3</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.end(0) # 可省略 0</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">5</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.span(0) # 可省略 0</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">(3, 5)</bi>
在上面，当匹配成功时返回一个 Match 对象，其中：
- group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
- start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
- end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
- span([group]) 方法返回 (start(group), end(group))。
再看看一个例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I) # re.I 表示忽略大小写</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m = pattern.match('Hello World Wide Web')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> print m # 匹配成功，返回一个 Match 对象</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"><_sre.SRE_Match object at 0x10bea83e8></bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.group(0) # 返回匹配成功的整个子串</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">'Hello World'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.span(0) # 返回匹配成功的整个子串的索引</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">(0, 11)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.group(1) # 返回第一个分组匹配成功的子串</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">'Hello'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.span(1) # 返回第一个分组匹配成功的子串的索引</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">(0, 5)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.group(2) # 返回第二个分组匹配成功的子串</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">'World'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.span(2) # 返回第二个分组匹配成功的子串</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">(6, 11)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.groups() # 等价于 (m.group(1), m.group(2), ...)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">('Hello', 'World')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.group(3) # 不存在第三个分组</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">Traceback (most recent call last):</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> File "<stdin>", line 1, in <module></bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">IndexError: no such group</bi>
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，只要找到了一个匹配的结果就返回，而不是查找所有匹配的结果，它的一般使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">search(string[, pos[, endpos]])</bi>
其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。
当匹配成功时，返回一个 Match 对象，如果没有匹配上，则返回 None。
让我们看看例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> pattern = re.compile('d+')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m = pattern.search('one12twothree34four') # 这里如果使用 match 方法则不匹配</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"><_sre.SRE_Match object at 0x10cc03ac0></bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.group()</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">'12'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m = pattern.search('one12twothree34four', 10, 30) # 指定字符串区间</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"><_sre.SRE_Match object at 0x10cc03b28></bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.group()</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">'34'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">>>> m.span()</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">(13, 15)</bi>
再来看一个例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"># -- coding: utf-8 --</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"># 将正则表达式编译成 Pattern 对象</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">pattern = re.compile(r'd+')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"># 使用 search() 查找匹配的子串，不存在匹配的子串时将返回 None</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"># 这里使用 match() 无法成功匹配</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">m = pattern.search('hello 123456 789')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">if m:</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> # 使用 Match 获得分组信息</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> print 'matching string:',m.group()</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> print 'position:',m.span()</bi>
执行结果：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">matching string: 123456</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">position: (6, 12)</bi>
findall 方法
上面的 match 和 search 方法都是一次匹配，只要找到了一个匹配的结果就返回。然而，在大多数时候，我们需要搜索整个字符串，获得所有匹配的结果。
findall 方法的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">findall(string[, pos[, endpos]])</bi>
其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。
findall 以列表形式返回全部能匹配的子串，如果没有匹配，则返回一个空列表。
看看例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">pattern = re.compile(r'd+') # 查找数字</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">result1 = pattern.findall('hello 123456 789')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">result2 = pattern.findall('one1two2three3four4', 0, 10)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print result1</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print result2</bi>
执行结果：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">['123456', '789']</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">['1', '2']</bi>
finditer 方法
finditer 方法的行为跟 findall 的行为类似，也是搜索整个字符串，获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果（Match 对象）的迭代器。
看看例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"># -- coding: utf-8 --</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">pattern = re.compile(r'd+')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">result_iter1 = pattern.finditer('hello 123456 789')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">result_iter2 = pattern.finditer('one1two2three3four4', 0, 10)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print type(result_iter1)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print type(result_iter2)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print 'result1...'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">for m1 in result_iter1: # m1 是 Match 对象</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> print 'matching string: {}, position: {}'.format(m1.group(), m1.span())</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print 'result2...'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">for m2 in result_iter2:</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> print 'matching string: {}, position: {}'.format(m2.group(), m2.span())</bi>
执行结果：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"><type 'callable-iterator'></bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"><type 'callable-iterator'></bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">result1...</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">matching string: 123456, position: (6, 12)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">matching string: 789, position: (13, 16)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">result2...</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">matching string: 1, position: (3, 4)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">matching string: 2, position: (7, 8)</bi>
split 方法
split 方法按照能够匹配的子串将字符串分割后返回列表，它的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">split(string[, maxsplit])</bi>
其中，maxsplit 用于指定最大分割次数，不指定将全部分割。
看看例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">p = re.compile(r'[s,;]+')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print p.split('a,b;; c d')</bi>
执行结果：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">['a', 'b', 'c', 'd']</bi>
sub 方法
sub 方法用于替换。它的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">sub(repl, string[, count])</bi>
其中，repl 可以是字符串也可以是一个函数：
- 如果 repl 是字符串，则会使用 repl 去替换字符串每一个匹配的子串，并返回替换后的字符串，另外，repl 还可以使用 id 的形式来引用分组，但不能使用编号 0；
- 如果 repl 是函数，这个方法应当只接受一个参数（Match 对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。
- count 用于指定最多替换次数，不指定时全部替换。
看看例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">p = re.compile(r'(w+) (w+)')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">s = 'hello 123, hello 456'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">def func(m):</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> return 'hi' + ' ' + m.group(2)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print p.sub(r'hello world', s) # 使用 'hello world' 替换 'hello 123' 和 'hello 456'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print p.sub(r' ', s) # 引用分组</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print p.sub(func, s)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print p.sub(func, s, 1) # 最多替换一次</bi>
执行结果：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">hello world, hello world</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">123 hello, 456 hello</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">hi 123, hi 456</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">hi 123, hello 456</bi>
subn 方法
subn 方法跟 sub 方法的行为类似，也用于替换。它的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">subn(repl, string[, count])</bi>
它返回一个元组：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">(sub(repl, string[, count]), 替换次数)</bi>
元组有两个元素，第一个元素是使用 sub 方法的结果，第二个元素返回原字符串被替换的次数。
看看例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">p = re.compile(r'(w+) (w+)')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">s = 'hello 123, hello 456'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">def func(m):</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> return 'hi' + ' ' + m.group(2)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print p.subn(r'hello world', s)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print p.subn(r' ', s)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print p.subn(func, s)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print p.subn(func, s, 1)</bi>
执行结果：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">('hello world, hello world', 2)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">('123 hello, 456 hello', 2)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">('hi 123, hi 456', 2)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">('hi 123, hello 456', 1)</bi>
其他函数
事实上，使用 compile 函数生成的 Pattern 对象的一系列方法跟 re 模块的多数函数是对应的，但在使用上有细微差别。
match 函数
match 函数的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">re.match(pattern, string[, flags]):</bi>
其中，pattern 是正则表达式的字符串形式，比如 d+, [a-z]+。
而 Pattern 对象的 match 方法使用形式是：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">match(string[, pos[, endpos]])</bi>
可以看到，match 函数不能指定字符串的区间，它只能搜索头部，看看例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">m1 = re.match(r'd+', 'One12twothree34four')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">if m1:</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> print 'matching string:',m1.group()</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">else:</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> print 'm1 is:',m1</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">m2 = re.match(r'd+', '12twothree34four')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">if m2:</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> print 'matching string:', m2.group()</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">else:</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"> print 'm2 is:',m2</bi>
执行结果：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">m1 is: None</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">matching string: 12</bi>
search 函数
search 函数的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">re.search(pattern, string[, flags])</bi>
search 函数不能指定字符串的搜索区间，用法跟 Pattern 对象的 search 方法类似。
findall 函数
findall 函数的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">re.findall(pattern, string[, flags])</bi>
findall 函数不能指定字符串的搜索区间，用法跟 Pattern 对象的 findall 方法类似。
看看例子：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print re.findall(r'd+', 'hello 12345 789')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"># 输出</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">['12345', '789']</bi>
finditer 函数
finditer 函数的使用方法跟 Pattern 的 finditer 方法类似，形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">re.finditer(pattern, string[, flags])</bi>
split 函数
split 函数的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">re.split(pattern, string[, maxsplit])</bi>
sub 函数
sub 函数的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">re.sub(pattern, repl, string[, count])</bi>
subn 函数
subn 函数的使用形式如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">re.subn(pattern, repl, string[, count])</bi>
到底用哪种方式
从上文可以看到，使用 re 模块有两种方式：
- 使用 re.compile 函数生成一个 Pattern 对象，然后使用 Pattern 对象的一系列方法对文本进行匹配查找；
- 直接使用 re.match, re.search 和 re.findall 等函数直接对文本匹配查找；
下面，我们用一个例子展示这两种方法。
先看第 1 种用法：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"># 将正则表达式先编译成 Pattern 对象</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">pattern = re.compile(r'd+')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print pattern.match('123, 123')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print pattern.search('234, 234')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print pattern.findall('345, 345')</bi>
再看第 2 种用法：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print re.match(r'd+', '123, 123')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print re.search(r'd+', '234, 234')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print re.findall(r'd+', '345, 345')</bi>
如果一个正则表达式需要用到多次（比如上面的 d+），在多种场合经常需要被用到，出于效率的考虑，我们应该预先编译该正则表达式，生成一个 Pattern 对象，再使用该对象的一系列方法对需要匹配的文件进行匹配；而如果直接使用 re.match, re.search 等函数，每次传入一个正则表达式，它都会被编译一次，效率就会大打折扣。
因此，我们推荐使用第 1 种用法。
匹配中文
在某些情况下，我们想匹配文本中的汉字，有一点需要注意的是，中文的 unicode 编码范围 主要在 [u4e00-u9fa5]，这里说主要是因为这个范围并不完整，比如没有包括全角（中文）标点，不过，在大部分情况下，应该是够用的。
假设现在想把字符串 title = u'你好，hello，世界' 中的中文提取出来，可以这么做：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;"># -- coding: utf-8 --</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">title = u'你好，hello，世界'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">pattern = re.compile(ur'[一-龥]+')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">result = pattern.findall(title)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print result</bi>
注意到，我们在正则表达式前面加上了两个前缀 ur，其中 r 表示使用原始字符串，u 表示是 unicode 字符串。
执行结果:
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">[u'你好', u'世界']</bi>
贪婪匹配
在 Python 中，正则匹配默认是贪婪匹配（在少数语言中可能是非贪婪），也就是匹配尽可能多的字符。
比如，我们想找出字符串中的所有 div 块：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">content = 'aa<div>test1</div>bb<div>test2</div>cc'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">pattern = re.compile(r'<div>.*</div>')</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">result = pattern.findall(content)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print result</bi>
执行结果：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">['<div>test1</div>bb<div>test2</div>']</bi>
由于正则匹配是贪婪匹配，也就是尽可能多的匹配，因此，在成功匹配到第一个
时，它还会向右尝试匹配，查看是否还有更长的可以成功匹配的子串。
如果我们想非贪婪匹配，可以加一个 ?，如下：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">import re</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">content = 'aa<div>test1</div>bb<div>test2</div>cc'</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">pattern = re.compile(r'<div>.*?</div>') # 加上 ?</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">result = pattern.findall(content)</bi><bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">print result</bi>
结果：
<bi class="ql-align-justify" style="box-sizing: border-box; text-align: justify; display: block;">['<div>test1</div>', '<div>test2</div>']</bi>
小结
- re 模块的一般使用步骤如下：
- 使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象；
- 通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）；
- 最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作；
- Python 的正则匹配默认是贪婪匹配。
网友评论