01、正则表达式学习（Python 前置知识）

Python 正则表达式

最近开始抽时间系统性的学习正则表达式的知识，趁此机会把在学习过程中的内容记录下来，希望可以帮到其他想要了解相关内容的朋友。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。因为我目前的工作是使用 Python，所以接下来的内容，都会使用 Python 代码进行实现。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。如果，不会 Python 也没有关系，我是有计划，将这个系列扩展到我熟悉的其它语言的，不过路要一步一步的走，先完成 Python 的这块内容再说吧。

学习资料参考：
《正则表达式必知必会》
Python3 正则表达式菜鸟教程
Python 正则表达式官方文档

简要说明：
第一本书，我个人强烈推荐，这个系列的书都非常不错，推荐购买一本作为学习时枕边书。第二个菜鸟教程是学习基本的 API 的使用。第三个是 Python 的官方文档中关于正则表达式的模块（提供了国际化翻译，直接看英文的也不错，更加原汁原味！）。

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])

参数：

• 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：

方法/属性	目的
group()	返回正则匹配的字符串
start()	返回匹配的开始位置
end()	返回匹配的结束位置
span()	返回包含匹配 (start, end) 位置的元组