自学Python 50 正则表达式（二）使用 re模块

​
​# Python 正则表达式（二）使用 re模块

活动地址：CSDN21天学习挑战赛

本篇在Python正则表达式（一）的基础上，继续讲解Python正则表达式的相关内容。

---

---

  在Python语言中，使用 re模块提供的内置标准库函数来处理正则表达式。在这个模块中,既可以直接匹配正则表达式的基本函数，也可以通过编译正则表达式对象,并使用其方法来使用正则表达式。在本节的内容中，将详细讲解使用re模块的基本知识。

---

一、re模块库函数介绍

  在下表中，列出了 Python语言内置模块re中常用的内置函数和方法，它们中的大多数函数也与已经编译的正则表达式对象(（regex obiect）和正则匹配对象（regex matchobject） 的万法同名并且具有相同的功能。

函数/方法	描述
compile(pattern,flags = 0)	使用任何可选的标记来编译正则表达式的模式,然后返回一个正则表达式对象
match(pattern,string，flags=0)	尝试使用带有可选的标记的正则表达式的模式来匹配字符串。加果匹配成功，就返回匹配对象；如果失败,就返回None
search(pattern,string,flags=0)	使用可选标记搜索字符串中第一次出现的正则表达式模式。如果匹配成功，则返回匹配对象；如果失败，则返回 None
findall(pattern,string [, flags])	查找字符串中所有（非重复)出现的正则麦达式模式，并返回一个匹配列表
finditer(pattern,string [, flags])	与findall()函数相同，但返回的不是一个列表，而是一个迭代器。对于每一次匹配，迭代器都返回一个匹配对象
split(patterm,string，maxsplit=0)	根据正则表达式的模式分隔符，split函数将字符串分割为列表，然后返回成功匹配的列表，分割最多操作maxsplit次（默认分割所有匹配成功的位置)
sub(pattern,repl， string，count=0)	使用repl替换所有正则表达式的模式在字符串中出现的位置，除非定义count，否则就将替换所有出现的位置（另见subn()函数，该函数返回替换操作的数目）
purge()	清除隐式编译的正则表达式模式
group(num=0)	返回整个匹配对象,或者编号为num的特定子组
groups(default=None)	返回一个包含所有匹配子组的元组（如果没有成功匹配，则返回一个空元组）
groupdict(default=None)	返回一个包含所有匹配的命名子组的字典,所有的子组名称作为字典的键(如果没有成功匹配,则返回一个空字典)

二、使用 compile() 函数编译正则表达式

  在 Python程序中，函数compile()的功能是编译正则表达式。使用函数compile()的语法如下所示。

compile(source, filename, mode [, flags [,dont_ inherit] ])

  通过使用上述格式，能够将source编译为代码或者AST 对象。代码对象能够通过 exec语句来执行或者eval()进行求值。各个参数的具体说明如下所示。
 ●参数 source: 字符串或者AST(Abstract Syntax Trees）对象;
 ●参数 filename: 代码文件名称，如果不是从文件读取代码则传递一些可辨认的值;
 ●参数 mode:指定编译代码的种类，可以指定为exce、eval 和 single；
 ●参数 flags 和 dont_inherit: 可选参数，极少使用。
  例如在下面的实例中，演示了使用函数 cmpile() 将正则表达式的字符串形式编译为Patterm实例的过程:

import re
pattern = re.compile('[a-zA-Z]')
result = pattern.findall('as3SioPdj#@23awe')
print (result)

  在上述代码中，先使用函数re.compile将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果(一个Match实例)，最后使用Match实例获得信息，进行其他的操作。执行后输出:

三、使用函数 match() 匹配正则表达式

  在Python程序中，函数match()的功能是在字符串中匹配正则表达式，如果匹配成功则返回MatchObject对象实例。使用函数match()的语法格式如下所示。

re.match(pattern, string, flags=0)

 ●参数 pattern: 匹配的正则表达式;
 ●参数 string: 要匹配的字符串;
 ●参数 lags: 标志位，用于控制正则表达式的匹配方式，例如是否区分大小写、多行匹配等。
  参数lags的选项值信息如下表所示：

参数	含义意义
re.I	忽略大小写
re.L	根据本地设置而更改\w、\W、\b、\B、\s,以及\S的匹配内容
re.M	多行匹配模式
re.S	使“."元字符也匹配换行符
re.U	匹配Unicode字符
re.X	忽略patteyn中的空格，并且可以使用“#”注释

  匹配成功后，函数match() 会返回一个匹配的对象，否则返回None。我们可以使用函数group(num)或函数groups()来获取匹配表达式。
  例如下面在Python的交互式命令行程序中演示了使用match()以及group()的过程:

>>> import re
>>> m = re.match('foo', 'foo') #模式匹配字符串
>>> if m is not None:   #如果匹配成功，就输出匹配内容
...     m.group()
...
'foo'

  例如下面是一个失败的匹配示例，会返回None.

>>> import re
>>> m = re.match('papa', ' foo') #模式匹配字符串
>>> if m is not None:   #如果匹配成功，就输出匹配内容
...     m.group()
...

  因为匹配失败，所以m被赋值为None。

四、使用函数search()扫描字符串并返回成功的匹配

  在Python程序中，函数search()的功能是扫描整个字符串并返回第一个成功的匹配。 事实上，要搜索的模式出现在一个字符串 中间部分的概率，远大于出现在字符串起始部分的概率。这也就是将函数search()派上用场的时候。函数search()的工作方式与函数match()完全一致， 不同之处在于函数search()会用它的字符串参数，在任意位置对给定正则表达式模式搜索第一次出现的匹配情况。如果搜索到成功的匹配，就会返回一个匹配对象。否则，返回None。
  接下来将举例说明match()和search()之间的差别。以匹配个更长的字符串为例，下面使用字符串“foo”去匹配“seafood”:

>>> import re
>>> m = re.match('foo', 'seafood')#匹配失败
>>> if m is not None: m.group()
...

  由此可以看到。此处匹配失败。match()试图从字符串的起始部分开始匹配模式。也就是说，模式中的“f"将匹配到字符串的首字母“s”上。这样的匹配肯定是失败的。然而，字符串“foo"确实出现在"seafood”之中(某个位置)，所以，我们该如何让python得出肯定的结果呢?答案是使用searh()函数，而不是尝试匹配。search() 函数不但会搜索模式在字符中第一次出现的位置，而且严格地对学符从左到右搜索。

>>> import re
>>> m = re.search('foo', 'seafood')#匹配失败
>>> if m is not None: m.group()
...
'foo'					#搜索成功，但是匹配失败
>>>

五、使用函数 findall()查找并返回符合的字符串

  在Python程序中，函数findall()的功能是在字符串中查找所有符合正则表达式的字符串，并返回这些字符串的列表。如果在正则表达式中使用了组，则返回一个元组。 函数re.match()函数和函数re.search()的作用基本一样， 不同的是，函数re.match()只从字符串中第一个字符开始匹配。而函数re.scarch()则搜索整个字符串。
  使用函数findall()的语法格式如下所示。

re.findall (pattern, string, flags=0)

  请看下面的实例，功能是使用函数fndall()匹配字符串。

import re   #导入模块 re
#定义一个要操作的字符串变量s
s = "adfad asdfasdf asdfas asdfawef asd adsfas"
#将正则表达式的字符串形式编译为Pattern实例
reObjl = re.compile('((\w+)\s+\w+)')
print (reObjl.findall(s))       #第1次调用函数findall()
#将正则表达式的字符串形式编译为Pattern实例
reObj2 = re.compile('(\w+)\s+\w+')
print (reObj2.findall(s))       #第2次调用函数findall()
#将正则表达式的字符串形式编译为Pattern实例
reObj3 = re.compile('\w+\s+\w+')
print (reObj3.findall(s))     #第3次调用函數findal

  因为函数 findall()返回的总是正则表达式在字符串中所有匹配结果的列表，所以此处主要讨论列表中“结果”的展现方式，即fndall中返回列表中每个元素包含的信息。执行后会输出:

六、使用搜索替换函数sub()和subn()

  在Python程序中，有两个函数/方法用于实现搜索和替换功能，这两个函数是sub()和subn()。 两者几乎样，都是将某个字符串 中所有匹配正则表达式的部分进行某种形式的替换。用来替换的部分通常是一个字符串， 但它也可能是一个函数,该函数返回一个用来替换的字符串。函数subn()和函数sub()的用法类似，但是函数subn()还可以返回一个表示替换的总数，替换后的字符串和表示替换总数的数字一起作为-个拥有 两个元素的元组返回。
  在Python程序中，使用函数sub()和函数subn()的语法格式如下所示。

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

  上述各个参数的具体说明如下所示。
 ●pattern: 正则表达式模式;
 ●repl: 要替换成的内容;
 ● string: 进行内容替换的字符串;
 ●count: 可选参数，最大替换次数。
  例如在下面的实例中，演示了使用函数sub()实现替换功能的过程:

import re       #导入模块re
print(re.sub('[abc]', 'o','Mark'))  #找出字母a、b或者C
print(re.sub('[abc]', 'o','rock'))  #将"rock"变成"rook”
print(re.sub('[abc]', 'o','caps'))  #将caps变成oops

  在上述实例代码中，首先在“Mark"中找出字母a、b或者c，并以字母“o”替换，Mark就变成Mork了。然后将“rock”变成“rook”。重点看最后行代码，有的读者可能认为可以将caps 变成oaps,但事实并非如此。函数re.sub()能够替换所有的匹配项，并且不只是第一个匹配项。因此正则表达式将会把caps变成ops,因为c和a都被转换为o。执行后会输出:

七、使用分割函数split()

  在Python程序中，模块re和正则表达式中的对象函数split() 对于相对应字符串的工作方式是类似的，但是与分割一个固定字符串相比，它们基于正则表达式的模式分隔字符串，为字符串分隔功能添加一些额外功能。如果不想为每次模式的出现都分割字符串，就可以通过为参数max设定一个值(非零)的方式来指定最大分割数。如果给定的分隔符不是使用特殊符号来匹配多重模式的正则表达式，那么函数re.split()与函数str.split() 的工作方式相同，例如下面的演示过程基于单引号进行分割。

>>> re.split(':', 'strl:str2:str3')
['strl', 'str2', 'str3']

  请看下面的实例，功能是使用函数split()分割一个字符串。

import re
DATA = (
'MMMMM View, CA 88888',
'SSSSS, CA' ,
'LLL AAAAA, 99999',
'cccccc 99999',

'PPPP AAAA CA',
)
for datum in DATA:
    print(re.split(',|(?= (?:\d{5}|[A-Z]{2})) ',datum))

  上面的正则表达式拥有一个简单的组件， 使用pi语句基于退号分割字符串。更重要的部分是最后的正则表达式，可以通过该正则表达式预览扩展符号。在普通的英文字符串中，如果空格紧跟在五个数字(ZIP编码)成者两个大写字母(美国联邦州缩写)之后，就用spit() 函数分隔该空格。执行后会输出: