Python正則表達式，這一篇就夠了！

以前咱們講解了 正則表達式語法 的起源、發展、流派、語法、引擎、優化等相關知識，今天咱們主要來學習一下 正則表達式在 Python語言 中的應用！

大多數編程語言的正則表達式設計都師從Perl，因此語法基本類似，不一樣的是每種語言都有本身的函數去支持正則，今天咱們就來學習 Python中關於 正則表達式的函數。

re模塊主要定義了9個常量、12個函數、1個異常，每一個常量和函數豬哥都會經過實際代碼案例講解，讓你們能更直觀的瞭解其做用！

注：爲避免出現代碼格式錯亂，豬哥儘可能使用代碼截圖演示哦。

1、re模塊簡介

聊到Python正則表達式的支持，首先確定會想到re庫，這是一個Python處理文本的標準庫。

標準庫的意思表示這是一個 Python內置模塊，不須要額外下載，目前Python內置模塊大概有300個。能夠在這裏查看Python全部的內置模塊： https://docs.python.org/3/py-...

由於re是內置模塊，因此不須要再下載，使用時直接引入便可：

import re

re模塊官方文檔：https://docs.python.org/zh-cn...
re模塊庫源碼：https://github.com/python/cpy...

2、re模塊常量

常量即表示不可更改的變量，通常用於作標記。

re模塊中有9個常量，常量的值都是int類型！

上圖咱們能夠看到，全部的常量都是在RegexFlag枚舉類來實現，這是在Python 3.6作的改版。在Python 3.6之前版本是直接將常量寫在re.py中，使用枚舉的好處就是方便管理和使用！

下面咱們來快速學習這些常量的做用及如何使用他們，按經常使用度排序！

1. IGNORECASE

語法： re.IGNORECASE 或簡寫爲 re.I

做用： 進行忽略大小寫匹配。

代碼案例：

在默認匹配模式下大寫字母B沒法匹配小寫字母b，而在 忽略大小寫 模式下是能夠的。

2. ASCII

語法： re.ASCII 或簡寫爲 re.A

做用： 顧名思義，ASCII表示ASCII碼的意思，讓 \w, \W, \b, \B, \d, \D, \s 和 \S 只匹配ASCII，而不是Unicode。

代碼案例：

在默認匹配模式下\w+匹配到了全部字符串，而在ASCII模式下，只匹配到了a、b、c（ASCII編碼支持的字符）。

注意：這隻對字符串匹配模式有效，對字節匹配模式無效。

3. DOTALL

語法： re.DOTALL 或簡寫爲 re.S

做用： DOT表示.，ALL表示全部，連起來就是.匹配全部，包括換行符\n。默認模式下.是不能匹配行符\n的。

代碼案例：

在默認匹配模式下.並無匹配換行符\n，而是將字符串分開匹配；而在re.DOTALL模式下，換行符\n與字符串一塊兒被匹配到。

注意：默認匹配模式下.並不會匹配換行符\n。

4. MULTILINE

語法： re.MULTILINE 或簡寫爲 re.M

做用： 多行模式，當某字符串中有換行符\n，默認模式下是不支持換行符特性的，好比：行開頭 和 行結尾，而多行模式下是支持匹配行開頭的。

代碼案例：

正則表達式中^表示匹配行的開頭，默認模式下它只能匹配字符串的開頭；而在多行模式下，它還能夠匹配 換行符\n後面的字符。

注意：正則語法中^匹配行開頭、\A匹配字符串開頭，單行模式下它兩效果一致，多行模式下\A不能識別\n。

5. VERBOSE

語法： re.VERBOSE 或簡寫爲 re.X

做用： 詳細模式，能夠在正則表達式中加註解！

代碼案例：

默認模式下並不能識別正則表達式中的註釋，而詳細模式是能夠識別的。

當一個正則表達式十分複雜的時候，詳細模式或許能爲你提供另外一種註釋方式，但它不該該成爲炫技的手段，建議謹慎考慮後使用！

6.LOCALE

語法： re.LOCALE 或簡寫爲 re.L

做用： 由當前語言區域決定 \w, \W, \b, \B 和大小寫敏感匹配，這個標記只能對byte樣式有效。這個標記官方已經不推薦使用，由於語言區域機制很不可靠，它一次只能處理一個 "習慣」，並且只對8位字節有效。

注意： 因爲這個標記官方已經不推薦使用，並且豬哥也沒使用過，因此就不給出實際的案例！

7.UNICODE

語法： re.UNICODE 或簡寫爲 re.U

做用： 與 ASCII 模式相似，匹配unicode編碼支持的字符，可是 Python 3 默認字符串已是Unicode，因此有點冗餘。

8. DEBUG

語法： re.DEBUG

做用： 顯示編譯時的debug信息。

代碼案例：

雖然debug模式下確實會打印編譯信息，但豬哥並不理解這是什麼語言 以及表達的含義，但願瞭解的朋友能不吝賜教。

9.TEMPLATE

語法： re.TEMPLATE 或簡寫爲 re.T

做用： 豬哥也沒搞懂TEMPLATE的具體用處，源碼註釋中寫着：disable backtracking(禁用回溯)，有了解的同窗能夠留言告知！

10. 常量總結

1. 9個常量中，前5個（IGNORECASE、ASCII、DOTALL、MULTILINE、VERBOSE）有用處，兩個（LOCALE、UNICODE）官方不建議使用、兩個（TEMPLATE、DEBUG）試驗性功能，不能依賴。
2. 常量在re經常使用函數中均可以使用，查看源碼可得知。
3. 常量可疊加使用，由於常量值都是2的冪次方值，因此是能夠疊加使用的，疊加時請使用 | 符號，請勿使用+ 符號！

最後來一張思惟導圖總結一下re模塊中的常量吧。

3、re模塊函數

re模塊有12個函數，豬哥將以功能分類來說解；這樣更具備比較性，同時也方便記憶。

1.查找一個匹配項

查找並返回一個匹配項的函數有3個：search、match、fullmatch，他們的區別分別是：

1. search： 查找任意位置的匹配項
2. match： 必須從字符串開頭匹配
3. fullmatch： 整個字符串與正則徹底匹配

咱們再來根據實際的代碼案例比較：

案例1:

案例1中search函數是在字符串中任意位置匹配，只要有符合正則表達式的字符串就匹配成功，其實有兩個匹配項，但search函數值返回一個。

而match函數是要從頭開始匹配，而字符串開頭多了個字母a，因此沒法匹配，fullmatch函數須要徹底相同，故也不匹配！

案例2:

案例2刪除了text最開頭的字母a，這樣match函數就能夠匹配啦，而fullmatch函數依然不能徹底匹配！

案例3:

案例3中，咱們只留下一段文字，而且與正則表達式一致；這時fullmatch函數終於能夠匹配了。

完整案例：

注意：查找 一個匹配項 返回的都是一個匹配對象（Match）。

2.查找多個匹配項

講完查找一項，如今來看看查找多項吧，查找多項函數主要有：findall函數 與 finditer函數：

1. findall： 從字符串任意位置查找，返回一個列表
2. finditer：從字符串任意位置查找，返回一個迭代器

兩個方法基本相似，只不過一個是返回列表，一個是返回迭代器。咱們知道列表是一次性生成在內存中，而迭代器是須要使用時一點一點生成出來的，內存使用更優。

若是可能存在大量的匹配項的話，建議使用finditer函數，通常狀況使用findall函數基本沒啥影響。

3.分割

re.split(pattern, string, maxsplit=0, flags=0) 函數：用 pattern 分開 string ， maxsplit表示最多進行分割次數， flags表示模式，就是上面咱們講解的常量！

注意：str模塊也有一個 split函數 ，那這兩個函數該怎麼選呢？
str.split函數功能簡單，不支持正則分割，而re.split支持正則。

關於兩者的速度如何？ 豬哥實際測試一下，在相同數據量的狀況下使用re.split函數與str.split函數執行次數 與 執行時間 對比圖：

經過上圖對比發現，1000次循環之內str.split函數更快，而循環次數1000次以上後re.split函數明顯更快，並且次數越多差距越大！

因此結論是：在 不須要正則支持 且 數據量和數次很少 的狀況下使用str.split函數更合適，反之則使用re.split函數。

注：具體執行時間與測試數據有關！

4.替換

替換主要有sub函數 與 subn函數，他們功能相似！

先來看看sub函數的用法：

re.sub(pattern, repl, string, count=0, flags=0) 函數參數講解：repl替換掉string中被pattern匹配的字符， count表示最大替換次數，flags表示正則表達式的常量。

值得注意的是：sub函數中的入參：repl替換內容既能夠是字符串，也能夠是一個函數哦！ 若是repl爲函數時，只能有一個入參：Match匹配對象。

re.subn(pattern, repl, string, count=0, flags=0) 函數與 re.sub函數 功能一致，只不過返回一個元組 (字符串, 替換次數)。

5.編譯正則對象

compile函數 與 template函數 將正則表達式的樣式編譯爲一個 正則表達式對象 （正則對象Pattern），這個對象與re模塊有一樣的正則函數（後面咱們會講解Pattern正則對象）。

而template函數 與 compile函數 相似，只不過是增長了咱們以前說的re.TEMPLATE 模式，咱們能夠看看源碼。

6.其餘

re.escape(pattern) 能夠轉義正則表達式中具備特殊含義的字符，好比：. 或者 * ，舉個實際的案例：

re.escape(pattern) 看似很是好用省去了咱們本身加轉義，可是使用它很容易出現轉義錯誤的問題，因此並不建議使用它轉義，而建議你們本身手動轉義！

re.purge() 函數做用就是清除 正則表達式緩存，具體有什麼緩存呢？咱們來看看源碼就知道它背地裏幹了 什麼：

看方法大概是清除緩存吧，咱們再來看看具體的案例：

豬哥在兩個案例之間使用了re.purge() 函數清除緩存，而後分別比較先後案例源碼裏面的緩存，看看是否有變化！

7.總結

一樣最後來一張思惟導圖總結一下re模塊中的函數吧。

4、re模塊異常

re模塊還包含了一個正則表達式的編譯錯誤，當咱們給出的正則表達式是一個無效的表達式（就是表達式自己有問題）時，就會raise一個異常！

咱們來看看具體的案例吧：

上圖案例中咱們能夠看到，在編寫正則表達式中咱們多寫了一個括號，這致使執行結果報錯；並且是在其餘全部案例執行以前，因此說明是在正則表達式編譯時期就報錯了。

注意：這個異常必定是 正則表達式 自己是無效的，與要匹配的字符串無關！

5、正則對象Pattern

關於re模塊的常量、函數、異常咱們都講解完畢，可是徹底有必要再講講正則對象Pattern。

1. 與re模塊 函數一致

在re模塊的函數中有一個重要的函數 compile函數 ，這個函數能夠預編譯返回一個正則對象，此正則對象擁有與re模塊相同的函數，咱們來看看Pattern類的源碼。

既然是一致的，那到底該用re模塊 仍是 正則對象Pattern ？

並且，有些同窗可能看過re模塊的源碼，你會發現其實compile函數 與 其餘 re函數（search、split、sub等等） 內部調用的是同一個函數，最終仍是調用正則對象的函數！

也就是說下面 兩種代碼寫法 底層實現 實際上是一致的：

# re函數
re.search(pattern, text)

# 正則對象函數
compile = re.compile(pattern)
compile.search(text)

那還有必要使用compile函數 獲得正則對象再去調用 search函數 嗎？直接調用re.search 是否是就能夠？

2. 官方文檔怎麼說

關於到底該用re模塊 仍是 正則對象Pattern ，官方文檔是否有說明呢？

官方文檔推薦：在屢次使用某個正則表達式時推薦使用正則對象Pattern 以增長複用性，由於經過 re.compile(pattern) 編譯後的模塊級函數會被緩存！

3. 實際測試又如何？

上面官方文檔推薦咱們在 屢次使用某個正則表達式時使用正則對象，那實際狀況真的是這樣的嗎？

咱們在實測一下吧

豬哥編寫了兩個函數，一個使用re.search函數 另外一個使用 compile.search函數 ，分別(不一樣時)循環執行count次(count從1-1萬)，比較二者的耗時！

得出的結果豬哥繪製成折線圖：

得出的結論是：100次循環之內二者的速度基本一致，當超出100次後，使用 正則對象Pattern 的函數 耗時明顯更短，因此比re模塊 要快！

經過實際測試得知：Python 官方文檔推薦 屢次使用某個正則表達式時使用正則對象函數 基本屬實！

6、注意事項

Python 正則表達式知識基本講解完畢，最後稍微給你們提一提須要注意的點。

1.字節串 與 字符串

模式和被搜索的字符串既能夠是 Unicode 字符串 (str) ，也能夠是8位字節串 (bytes)。 可是，Unicode 字符串與8位字節串不能混用！

2.r 的做用

正則表達式使用反斜槓（''）來表示特殊形式，或者把特殊字符轉義成普通字符。

而反斜槓在普通的 Python 字符串裏也有相同的做用，因此就產生了衝突。

解決辦法是對於正則表達式樣式使用 Python 的原始字符串表示法；在帶有 'r' 前綴的字符串字面值中，反斜槓沒必要作任何特殊處理。

3.正則查找函數 返回匹配對象

查找一個匹配項（search、match、fullmatch）的函數返回值都是一個 匹配對象Match ，須要經過match.group() 獲取匹配值，這個很容易忘記。

另外還須要注意：match.group() 與match.groups() 函數的差異！

4.重複使用某個正則

若是要重複使用某個正則表達式，推薦先使用 re.compile(pattern)函數 返回一個正則對象，而後複用這個正則對象，這樣會更快！

5.Python 正則面試

筆試可能會遇到須要使用Python正則表達式，不過不會太難的，你們只要記住那幾個方法的區別，會正確使用，基本問題不大。