|
大多数编程语言的正则表达式设计都师从Perl，所以语法基本相似，不同的是每种语言都有自己的函数去支持正则，今天我们就来学习 Python中关于 正则表达式的函数。  re模块主要定义了9个常量、12个函数、1个异常，每个常量和函数猪哥 都会通过实际代码案例讲解，让大家能更直观的了解其作用！ 注：为避免出现代码格式错乱，猪哥尽量使用代码截图演示哦。 一、re模块简介聊到Python正则表达式的支持，首先肯定会想到 re 库，这是一个Python处理文本的 标准库。 标准库 的意思表示这是一个 Python内置模块 ，不需要额外下载，目前Python内置模块大概有300个。可以在这里查看Python所有的内置模块：https://docs./3/py-modindex.html#cap-r 因为re是内置模块，所以不需要再下载，使用时直接引入即可： import rere模块官方文档：https://docs./zh-cn/3.8/library/re.html re模块库源码：https://github.com/python/cpython/blob/3.8/Lib/re.py 二、re模块常量常量即表示不可更改的变量，一般用于做标记。 re模块中有9个常量，常量的值都是int类型！  上图我们可以看到，所有的常量都是在 RegexFlag枚举类 来实现，这是在Python 3.6做的改版。在Python 3.6以前版本是直接将常量写在re.py中，使用枚举的好处就是方便管理和使用！  下面我们来快速学习这些常量的作用及如何使用他们，按常用度排序！ 1. IGNORECASE语法： re.IGNORECASE 或简写为 re.I 作用： 进行忽略大小写匹配。 代码案例：  在默认匹配模式下 大写字母B 无法匹配 小写字母b ，而在 忽略大小写 模式下是可以的。 2. ASCII语法： re.ASCII 或简写为 re.A 作用： 顾名思义，ASCII表示ASCII码的意思，让 \w , \W , \b , \B , \d , \D , \s 和 \S只匹配ASCII，而不是Unicode。 代码案例：  在默认匹配模式下 \w+ 匹配到了所有字符串，而在 ASCII 模式下，只匹配到了a、b、c（ASCII编码支持的字符）。 注意：这只对字符串匹配模式有效，对字节匹配模式无效。 3. DOTALL语法： re.DOTALL 或简写为 re.S 作用： DOT表示 . ，ALL表示所有，连起来就是 . 匹配所有，包括换行符 \n 。 默认模式下 . 是不能匹配行符 \n 的 。 代码案例：  在默认匹配模式下 . 并没有匹配换行符 \n ，而是将字符串分开匹配；而在 re.DOTALL 模式下，换行符 \n 与字符串一起被匹配到。 注意： 默认匹配模式下 . 并不会匹配换行符 \n 。 4. MULTILINE语法： re.MULTILINE 或简写为 re.M 作用： 多行模式，当某字符串中有换行符 \n ，默认模式下是不支持换行符特性的，比如：行开头 和 行结尾，而多行模式下是支持匹配行开头的。 代码案例：  正则表达式中 ^ 表示匹配行的开头，默认模式下它只能匹配字符串的开头；而在多行模式下，它还可以匹配 换行符 \n 后面的字符。 注意：正则语法中 ^ 匹配行开头、 \A 匹配字符串开头，单行模式下它两效果一致，多行模式下 \A 不能识别 \n 。 5. VERBOSE语法： re.VERBOSE 或简写为 re.X 作用： 详细模式，可以在正则表达式中加注解！ 代码案例：  默认模式下并不能识别正则表达式中的注释，而详细模式是可以识别的。 当一个正则表达式十分复杂的时候，详细模式或许能为你提供另一种注释方式，但它不应该成为炫技的手段，建议谨慎考虑后使用！ 6.LOCALE语法： re.LOCALE 或简写为 re.L 作用： 由当前语言区域决定 \w , \W , \b , \B 和大小写敏感匹配，这个标记只能对byte样式有效。 这个标记官方已经不推荐使用 ，因为语言区域机制很不可靠，它一次只能处理一个 “习惯”，而且只对8位字节有效。 注意： 由于这个标记官方已经不推荐使用，而且猪哥也没使用过，所以就不给出实际的案例！ 7.UNICODE语法： re.UNICODE 或简写为 re.U 作用： 与 ASCII 模式类似，匹配unicode编码支持的字符，但是 Python 3 默认字符串已经是Unicode，所以有点冗余。 8. DEBUG语法： re.DEBUG 作用： 显示编译时的debug信息。 代码案例：  虽然debug模式下确实会打印编译信息，但猪哥并不理解这是什么语言 以及表达的含义， 希望了解的朋友能不吝赐教。 9.TEMPLATE语法： re.TEMPLATE 或简写为 re.T 作用： 猪哥也没搞懂TEMPLATE的具体用处，源码注释中写着： disable backtracking(禁用回溯)，有了解的同学可以留言告知！  10. 常量总结
最后来一张思维导图总结一下re模块中的常量吧， 需要高清图或者xmind文件的同学可在文章末尾 获取。  三、re模块函数re模块有12个函数，猪哥将以功能分类来讲解；这样更具有比较性，同时也方便记忆。 1.查找一个匹配项查找并返回一个匹配项的函数有3个： search、match、fullmatch ，他们的区别分别是：
我们再来根据实际的代码案例比较： 案例1: 案例1中 search函数 是在字符串中任意位置匹配，只要有符合正则表达式的字符串就匹配成功，其实有两个匹配项，但search函数值返回一个。 而 match函数 是要从头开始匹配，而字符串开头多了个字母 a ，所以无法匹配， fullmatch函数 需要完全相同，故也不匹配！ 案例2: 案例2删除了text最开头的字母a，这样 match函数 就可以匹配啦，而 fullmatch函数 依然不能完全匹配！ 案例3: 案例3中，我们只留下一段文字，并且与正则表达式一致；这时 fullmatch函数 终于可以匹配了。 完整案例： 注意：查找 一个匹配项 返回的都是一个匹配对象（Match）。 2.查找多个匹配项讲完查找一项，现在来看看查找多项吧，查找多项函数主要有： findall函数 与 finditer函数 ：
两个方法基本类似，只不过一个是返回列表，一个是返回迭代器。我们知道列表是一次性生成在内存中，而迭代器是需要使用时一点一点生成出来的，内存使用更优。 如果可能存在大量的匹配项的话，建议使用 finditer函数 ，一般情况使用 findall函数 基本没啥影响。 3.分割re.split(pattern, string, maxsplit=0, flags=0) 函数：用 pattern 分开 string ， maxsplit 表示最多进行分割次数， flags 表示模式，就是上面我们讲解的常量！ 注意： str 模块也有一个 split函数 ，那这两个函数该怎么选呢？ str.split函数功能简单，不支持正则分割，而re.split支持正则。 关于二者的速度如何？ 猪哥实际测试了一下，在相同数据量的情况下使用 re.split 函数与 str.split 函数 执行次数 与 执行时间 对比图： 通过上图对比发现，1000次循环以内 str.split 函数更快，而循环次数1000次以上后 re.split 函数明显更快，而且次数越多差距越大！ 所以结论是： 在 不需要正则支持 且 数据量和数次不多 的情况下使用 str.split 函数更合适，反之则使用 re.split 函数 。 注：具体执行时间与测试数据有关！ 4.替换替换主要有 sub函数 与 subn函数 ，他们功能类似！ 先来看看 sub函数 的用法： re.sub (pattern, repl, string, count=0, flags=0) 函数参数讲解：repl替换掉string中被pattern匹配的字符， count表示最大替换次数，flags表示正则表达式的常量。 值得注意的是： sub函数 中的入参： repl替换内容既可以是字符串，也可以是一个函数哦！ 如果repl为函数时，只能有一个入参：Match匹配对象。 re.subn (pattern, repl, string, count=0, flags=0)函数与 re.sub函数 功能一致，只不过返回一个元组 (字符串, 替换次数)。 5.编译正则对象compile函数 与 template函数 将正则表达式的样式编译为一个 正则表达式对象 （正则对象Pattern），这个对象与re模块有同样的正则函数（后面我们会讲解Pattern正则对象）。 而 template函数 与 compile函数 类似，只不过是增加了我们之前说的 re.TEMPLATE 模式，我们可以看看源码。 6.其他re.escape(pattern) 可以转义正则表达式中具有特殊含义的字符，比如： . 或者 * ，举个实际的案例： re.escape(pattern) 看似非常好用省去了我们自己加转义，但是使用它很容易出现转义错误的问题，所以并不建议使用它转义， 而建议大家自己手动转义 ！ re.purge() 函数作用就是清除 正则表达式缓存 ，具体有什么缓存呢？我们来看看源码就知道它背地里干了 什么： 看方法大概是清除缓存吧，我们再来看看具体的案例： 完整教学视频代码获取后台私信小编01即可 |
|
|
来自： copy_left > 《python相关》
