本文链接：https://blog.csdn.net/2201_75876277/article/details/137891672

在上一篇我们学习re模块的三个函数用法，这一次我们在继续学一下另外两个函数的用法，就当我们修炼境界一样去不断的升级。好了，我们来学习re.compile 函数和re.split函数的用法

友情提示：忘了复习一下项目五：学会如何使用python爬虫解析库（小白小成级）-CSDN博客

re.compile ()

简介

re.compile() 是 Python re 模块中的一个函数，它用于编译一个正则表达式模式，将其转换为一个正则表达式对象（RegexObject）。

这样做的好处是可以提高效率，特别是当你需要多次使用同一个正则表达式进行匹配时。编译后的正则表达式对象可以用于匹配字符串，并且提供了更多的方法，如 search()、match()、findall() 等。

作用

性能提升：编译后的正则表达式可以重复使用，避免了每次匹配时重新解析正则表达式的开销。
灵活性：编译后的正则表达式对象可以用于更复杂的文本处理，如使用捕获组、查找多个匹配项等。
正则表达式重用：当你需要在程序的不同部分使用相同的正则表达式时，编译并保存正则表达式对象可以避免重复编译。

语法

re.compile(pattern, flags=0)

代码解释

pattern：要编译的正则表达式模式，可以是一个字符串或正则表达式对象。
flags：可选参数，用于修改正则表达式的匹配方式。
- re.IGNORECASE 或 re.I：忽略大小写。
- re.MULTILINE 或 re.M：多行匹配。
- re.DOTALL 或 re.S：点号（.）匹配所有字符，包括换行符。
- re.UNICODE 或 re.U：使 \w, \W, \b, \B, \d, \D, \s 和 \S 依赖于 Unicode 字符属性数据库。
- re.VERBOSE 或 re.X：允许使用更易于阅读的正则表达式，忽略空格和注释。

案例

编译正则表达式并使用

import re

# 编译一个正则表达式，用于匹配一个或多个数字
pattern = re.compile(r'\d+')

# 使用编译后的正则表达式对象的 search 方法
text = "There are 123 apples and 456 oranges."
match = pattern.search(text)

if match:
    print("找到数字序列:", match.group())
else:
    print("没有找到数字序列")

输出结果

在这个例子中，我们首先使用 re.compile() 编译了一个用于匹配数字序列的正则表达式。然后，我们使用编译后的正则表达式对象的 search() 方法在文本中搜索第一个匹配的数字序列。

其他方法案例例如 search()、match()、findall() 等如下（选用一个）

使用正则表达式对象的 finditer 方法

import re

# 编译一个正则表达式，用于匹配所有数字
pattern = re.compile(r'\d+')

# 使用 finditer 方法查找所有匹配的数字
text = "Today is 04/01/2023 and the temperature is 20°C."
for match in pattern.finditer(text):
    print("找到数字:", match.group())

输出结果

在这个例子中，我们使用 finditer() 方法找到了文本中的所有数字序列。finditer() 返回一个迭代器，每个迭代项都是一个 Match 对象，包含了匹配的详细信息。

编译正则表达式对象提供了一种高效和灵活的方式来处理文本匹配，特别是在需要重复使用同一个正则表达式模式时。

re.split()

简介

re.split() 是 Python re（正则表达式）模块中的一个函数，它使用正则表达式来分割字符串。

这个函数可以根据匹配正则表达式的模式来分割字符串，返回一个包含所有分割部分的列表。

作用

主要用于将字符串分割成多个子字符串，分割点由正则表达式定义的模式确定。
可以处理复杂的分割任务，如分割 HTML 或 CSV 数据，或者根据特定字符集分割文本。

语法

re.split(pattern, string, maxsplit=0, flags=0)

pattern：要使用的正则表达式模式，用于定义分割点。
string：需要被分割的原始字符串。
maxsplit：（可选）一个整数，指定最大分割次数。默认为 0，表示没有限制分割次数。
flags：（可选）用于修改正则表达式的匹配方式的标志。

案例

1.分割字符串

import re

# 使用空白字符分割字符串
result = re.split(r'\s+', 'One two\tthree\nfour')
print(result)  # 输出: ['One', 'two', 'three', 'four']

# 使用逗号分割字符串，忽略空白字符
result = re.split(r',\s*', 'One, two, three, four')
print(result)  # 输出: ['One', 'two', 'three', 'four']

输出结果

在这个例子中，我们使用 re.split() 函数来分割字符串。第一个案例中，我们使用一个或多个空白字符（包括空格、制表符和换行符）作为分割点。

2.分割字符串并限制次数

import re

# 使用冒号分割字符串，但只分割前两次
result = re.split(r':', 'key1:value1:key2:value2:key3', maxsplit=2)
print(result)  # 输出: ['key1', 'value1', 'key2:value2:key3']

输出结果

第二个案例中，我们使用逗号作为分割点，并通过 \s* 匹配跟随逗号的任意数量的空白字符。

在这个案例中，我们使用 maxsplit 参数来限制分割次数，这样只会分割前两次冒号，返回的列表中包含了剩余未分割的部分。

re.split() 是一个强大的工具，它提供了比基本字符串操作更复杂的分割功能，允许你根据正则表达式模式来分割文本。

简单项目应用

re.split() 和 re.compile() 可以结合使用来执行更复杂的文本分割任务。以下是两个函数的项目案例使用：

案例 1：使用 `re.split()` 分割 HTML 标签和文本

假设你有一个 HTML 字符串，你想要分割它以提取纯文本内容。

import re

html_content = '<html><head><title>Test</title></head><body><p>Some text</p></body></html>'

# 编译一个正则表达式，用于匹配 HTML 标签
tag_pattern = re.compile(r'<[^>]+>')

# 使用 re.split() 分割 HTML 标签和文本
text_parts = tag_pattern.split(html_content)

# 打印文本部分
for part in text_parts:
    if part.strip():  # 确保不打印空字符串
        print(part)

输出结果

在这个案例中，我们首先使用 re.compile() 编译一个正则表达式，该表达式匹配任何 HTML 标签。然后，我们使用 re.split() 根据这个模式来分割 HTML 字符串，得到一个包含文本部分的列表。

案例 2：使用 `re.compile()` 和 `re.split()` 分割 CSV 数据

假设你有一个 CSV（逗号分隔值）字符串，你想要分割它以提取数据。

import re

csv_content = 'One,Two,Three,"Four, Five",Six'

# 编译一个正则表达式，用于匹配 CSV 数据
# 注意：我们使用 re.escape() 来确保逗号被正确转义
csv_pattern = re.compile(r',(?=(?:[^"]*"[^"]*")*[^"]*$)')

# 使用 re.split() 分割 CSV 数据
csv_parts = csv_pattern.split(csv_content)

# 打印 CSV 数据部分
for part in csv_parts:
    print(re.sub(r'"(.*?)"', r'\1', part.strip()))

输出结果