Python 高级编程之正则表达式（八）

一、概述

正则表达式（Regular Expression）是一种文本模式，用于匹配字符串中的模式。它可以用于很多任务，例如文本搜索和替换，数据提取，数据验证等。

在 Python 中，可以使用  模块来支持正则表达式。正则表达式使用特殊的字符来表示不同的模式，例如 . 匹配任意字符，\d 匹配数字，^ 匹配字符串开头，$ 匹配字符串结尾等。

通过使用正则表达式，可以很方便地对字符串进行匹配，搜索和替换等操作。使用正则表达式的时候，需要先编写一个匹配模式，然后使用 re 模块中的函数来执行实际的匹配操作。

总的来说，正则表达式是一种强大且高效的文本处理工具，可以用于解决很多实际问题。

二、正则表达式语法

正则表达式（Regular Expression，简称 regex 或 regexp）是一种用来匹配文本模式的工具，它可以用来搜索、替换和验证文本。正则表达式由一些特殊字符和普通字符组成，这些字符表示了一些模式。

下面是一些常见的正则表达式语法：

1）字符匹配

普通字符：表示自身，例如 "a" 表示字符 a。

元字符（特殊字符）：表示某种特殊含义，例如 "." 表示匹配任意字符，"\d" 表示匹配数字，"\w" 表示匹配字母、数字、下划线。

示例：

2）字符集合

方括号：表示匹配方括号中任意一个字符，例如 "[abc]" 表示匹配字符 a、b、c 中的任意一个。

范围符号：表示匹配某个范围内的字符，例如 "[a-z]" 表示匹配小写字母 a 到 z 中的任意一个。

量词："", "+", "?": 表示重复次数，"" 表示重复0次或多次，"+" 表示重复1次或多次，"?" 表示重复0次或1次。

: 表示重复次数的范围，例如 "" 表示重复2到4次。

示例：

3）定位符

: 表示匹配开头。

: 表示匹配结尾。

: 表示匹配单词边界。

4）分组

: 表示分组，可以对一个子表达式进行分组。

: 表示或关系。

1、定义分组

使用圆括号 () 来定义分组，分组可以嵌套，每个分组都有一个唯一的编号，从左到右按照左括号的顺序编号。

2、引用分组

可以在正则表达式中使用 \n 引用第 n 个分组，其中 n 是分组的编号。

3、命名分组

除了使用编号引用分组，还可以使用 (?Ppattern) 语法给分组命名。

以上仅是正则表达式语法的一部分，实际上正则表达式还包括很多高级的语法，比如反向引用、零宽度断言等。上面讲使用到了Python 的re模式，接下来细讲这个模块。

三、Python 的 re 模块

Python标准库中的re模块是用于正则表达式操作的模块，提供了正则表达式的编译、匹配、查找、替换等功能。下面是模块的一些常用方法：

1）re.match() 方法

函数从字符串的起始位置开始匹配正则表达式，如果匹配成功，就返回一个匹配对象。如果匹配不成功，就返回 None。

的语法格式如下：

参数：

是正则表达式

是要匹配的字符串

是可选参数，用于指定匹配模式。

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如  被设置成 I 和 M 标志：

下面是一个简单的例子：

在这个例子中，正则表达式 pattern 是 "hello"，要匹配的字符串是 "hello world"。由于正则表达式和字符串的开头都是 "hello"，所以匹配成功。

返回的是一个匹配对象。如果匹配成功，可以使用匹配对象的方法和属性来获取匹配结果，如 group() 方法可以返回匹配的字符串，start() 和 end() 方法可以返回匹配的起始位置和结束位置，等等。如果匹配不成功，调用这些方法和属性会出现异常。

返回匹配开始的位置

返回匹配结束的位置

返回一个元组包含匹配 (开始,结束) 的位置

下面是一个获取匹配结果的例子：

2）re.search() 方法

方法在字符串中搜索正则表达式的第一个匹配项，并返回一个匹配对象。如果没有找到匹配项，就返回 None。

re.search() 的语法格式如下：

其中，pattern 是正则表达式，string 是要匹配的字符串，flags 是可选参数，用于指定匹配模式。匹配模式在上面有具体讲解。

下面是一个简单的例子：

在这个例子中，正则表达式 pattern 是 "hello"，要匹配的字符串是 "world hello"。由于字符串中包含 "hello"，所以匹配成功。

3）re.match() 与 re.search() 的区别

Python re 模块中的  和  方法都用于在字符串中查找匹配的模式。但是它们之间有一些区别。

方法从字符串的起始位置开始匹配，如果起始位置不匹配，则返回 None。因此，re.match() 只能匹配到字符串的开头。

方法在字符串中查找匹配的模式，可以匹配到字符串中任意位置的模式。

另外，两个方法返回的匹配对象也有一些区别：

方法返回第一个匹配的对象，如果没有匹配到任何内容，则返回 None。

方法返回第一个匹配的对象，如果没有匹配到任何内容，则返回 None。

如果要匹配整个字符串，通常建议使用 re.match()方法；如果要匹配字符串中的一部分，或者不确定匹配的位置，通常建议使用 re.search()方法。

下面是一个例子，展示了两个方法之间的区别：

在这个例子中，正则表达式 pattern 是 "hello"，要匹配的字符串是 "world hello"。由于字符串的开头不是 "hello"，所以 re.match() 方法无法匹配，返回 None；而 re.search() 方法可以在字符串中找到 "hello"，匹配成功。

4）re.findall() 方法

方法用于在字符串中查找正则表达式匹配的所有子串，并返回一个列表。如果没有匹配项，返回一个空列表。

re.findall() 方法的语法格式如下：

其中，pattern 是正则表达式，string 是要匹配的字符串，flags 是可选参数，用于指定匹配模式。匹配模式在上面有具体讲解。

下面是一个简单的例子：

在这个例子中，正则表达式 pattern 是 "\d+"，要匹配的字符串是 "2 apples, 5 bananas, 1 orange"。"\d+" 表示匹配一个或多个数字，所以返回的结果是一个包含所有数字的列表。

【注意】 方法返回的是一个字符串列表，其中的每个字符串都是一个匹配的子串。如果正则表达式包含分组，返回的列表将包含所有分组匹配的字符串。

5）re.finditer() 方法

方法与  方法类似，都可以在字符串中使用正则表达式进行匹配，但它返回的不是一个列表，而是一个迭代器，可以通过迭代器逐个访问匹配结果。

re.finditer() 方法的语法格式如下：

其中，pattern 是正则表达式，string 是要匹配的字符串，flags 是可选参数，用于指定匹配模式。

下面是一个简单的例子：

在这个例子中，正则表达式 pattern 是 "\d+"，要匹配的字符串是 "2 apples, 5 bananas, 1 orange"。使用 re.finditer() 方法进行匹配，返回的结果是一个迭代器，可以通过 for 循环逐个访问匹配结果。每个匹配结果都是一个 Match 对象，可以使用 match.group() 方法获取匹配的内容。

re.finditer() 方法与 re.findall() 方法的区别在于， 方法返回一个包含所有匹配结果的列表，而  方法返回一个迭代器，可以逐个访问匹配结果，这在处理大量数据时可以节省内存。

6）re.sub() 方法

方法用于在字符串中查找正则表达式匹配的子串，并将其替换为指定的字符串。re.sub() 方法返回替换后的字符串。

re.sub() 方法的语法格式如下：

其中，pattern 是正则表达式，repl 是替换字符串，string 是要进行替换的字符串，count 是可选参数，用于指定最多替换的次数，flags 是可选参数，用于指定匹配模式。

下面是一个简单的例子：

在这个例子中，正则表达式 pattern 是 "\s+"，要匹配的字符串是 "hello world"，"\s+" 表示匹配一个或多个空格。repl 参数是 "-"，表示将匹配到的空格替换为 "-"，结果返回的是 "hello-world"。

【注意】 方法并不会改变原始的字符串，而是返回一个新的字符串。如果想要在原始字符串中进行替换，可以将结果赋值给原始字符串变量。

7）re.compile() 方法

方法用于将正则表达式编译为一个模式对象，该模式对象可以用于匹配字符串。

re.compile() 方法的语法格式如下：

其中，pattern 是要编译的正则表达式，flags 是可选参数，用于指定匹配模式。

编译后的模式对象可以调用 match()、search()、findall() 和 sub() 等方法进行匹配和替换操作。使用 re.compile() 方法编译正则表达式可以提高多次使用同一模式的效率。

下面是一个简单的例子：

在这个例子中，正则表达式 pattern 是 "\d+"，要匹配的字符串是 "2 apples, 5 bananas, 1 orange"。使用 re.compile() 方法将正则表达式编译为一个模式对象 regex，然后调用 regex.findall() 方法进行匹配，返回的结果是一个包含所有数字的列表。

【注意】如果要使用编译后的正则表达式进行匹配，必须调用相应的模式对象的方法。如果直接在 re 模块中使用正则表达式，Python 会自动将其编译为一个模式对象。

8）re.split() 方法

方法用于在字符串中使用正则表达式进行分割，并返回一个列表。

re.split() 方法的语法格式如下：

其中，pattern 是正则表达式，string 是要分割的字符串，maxsplit 是可选参数，用于指定最大分割次数，flags 是可选参数，用于指定匹配模式。

下面是一个简单的例子：

在这个例子中，正则表达式 pattern 是 "\s+"，要分割的字符串是 "hello world"，"\s+" 表示匹配一个或多个空格。re.split() 方法将字符串按照正则表达式进行分割，并返回一个列表，列表中的每个元素都是分割后的子串。

【注意】 方法不会在分割后的字符串中保留分割符，如果想要保留分割符，可以使用分组语法，例如：

在这个例子中，正则表达式 pattern 是 "(\s+)"，使用圆括号将 "\s+" 包含起来，表示将空格作为分组进行匹配，re.split() 方法会保留分组匹配的内容。返回的结果是一个列表，列表中的元素是分割后的子串和分组匹配的内容。