Python正則匹配必須掌握的10個(gè)函數(shù)
正則表達(dá)re模塊共有12個(gè)函數(shù)，我將分類進(jìn)行講解，這樣方便記憶與理解，先來看看概覽：
search、match、fullmatch：查找一個(gè)匹配項(xiàng)
findall、finditer：查找多個(gè)匹配項(xiàng)
split：分割
sub，subn：替換
compile函數(shù)、template函數(shù): 將正則表達(dá)式的樣式編譯為一個(gè) 正則表達(dá)式對(duì)象
print(dir(re))[...... 'compile', 'copyreg', 'enum', 'error', 'escape', 'findall','finditer', 'fullmatch', 'functools', 'match', 'purge', 'search','split', 'sre_compile', 'sre_parse', 'sub', 'subn', 'template']
一、查找一個(gè)匹配項(xiàng)
查找并返回一個(gè)匹配項(xiàng)的函數(shù)有3個(gè)：search、match、fullmatch，他們的作用分別是：
search：查找任意位置的匹配項(xiàng)
match：必須從字符串開頭匹配
fullmatch：整個(gè)字符串與正則完全匹配
1) search()
描述：在給定字符串中尋找第一個(gè)匹配正則表達(dá)式的子字符串，如果找到會(huì)返回一個(gè)Match對(duì)象，這個(gè)對(duì)象中的元素可以group()得到（之后將會(huì)介紹group的概念），如果沒找到就會(huì)返回None。調(diào)用re.match,re.search方法或者對(duì)re.finditer結(jié)果進(jìn)行遍歷,輸出的結(jié)果都是re.Match對(duì)象
語法：re.search(pattern, string, flags=0)
pattern 匹配的正則表達(dá)式
string 要匹配的字符串
flags 標(biāo)志位，用于控制正則表達(dá)式的匹配方式
re.search(r"(\w)(.\d)","as.21").group()
's.2'
假設(shè)返回的Match對(duì)象為m，m.group()來取某組的信息，group(1)返回與第一個(gè)子模式匹配的單個(gè)字符串，group(2)等等以此類推，start()方法得到對(duì)應(yīng)組的開始索引，end()得到對(duì)應(yīng)組的結(jié)束索引，span()以元組形式給出對(duì)應(yīng)組的開始和結(jié)束位置，括號(hào)中填入組號(hào)，不填入組號(hào)時(shí)默認(rèn)為0。
匹配對(duì)象m方法有很多，幾個(gè)常用的方法如下：
m.start()?返回匹配到的字符串的起使字符在原始字符串的索引
m.end()?返回匹配到的字符串的結(jié)尾字符在原始字符串的索引
m.group()?返回指定組的匹配結(jié)果
m.groups()?返回所有組的匹配結(jié)果
m.span() 以元組形式給出對(duì)應(yīng)組的開始和結(jié)束位置
其中的組，是指用()括號(hào)括起來的匹配到的對(duì)象，比如下列中的"(\w)(.\d)"，就是兩個(gè)組，第一個(gè)組匹配字母，第二個(gè)組匹配.+一個(gè)數(shù)字。
m?=?re.search(r"(\w)(.\d)","as.21")m1 , 4), match='s.2'>m.group()s.2m.group(0)'s.2'm.group(1) #根據(jù)要求返回特定子組's'm.group(2)'.2'm.start()1m.start(2)#第二個(gè)組匹配的索引位置2m.groups()('s',?'.21')m.span()(1, 5)
2) match()
描述：必須從字符串開頭匹配，同樣返回的是Match對(duì)象，對(duì)應(yīng)的方法與search方法一致，此處不再贅述。
語法：re.match(pattern, string, flags=0)
pattern ? 匹配的正則表達(dá)式
string ?要匹配的字符串
flags ? 標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等
#從頭開始匹配，返回一個(gè)數(shù)字，發(fā)現(xiàn)報(bào)錯(cuò)，無法返回，因?yàn)椴皇菙?shù)字開頭的text = 'chi13putao14butu520putaopi666'pattern = r'\d+'re.match(pattern,text).group（）AttributeError: 'NoneType' object has no attribute 'group'#從頭開始匹配，返回一個(gè)單詞，正常返回了開頭的單詞text = 'chi13putao14butu520putaopi666'pattern = r'[a-z]+'re.match(pattern,text).group()'chi'
3) fullmatch()
描述：整個(gè)字符串與正則完全匹配，同樣返回的是Match對(duì)象，對(duì)應(yīng)的方法與search方法一致，此處不再贅述
語法：(pattern, string, flags=0)
pattern ? 匹配的正則表達(dá)式
string ?要匹配的字符串
flags ? 標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等
#必須要全部符合條件才能匹配
re.fullmatch(r'[a-z]+','chiputao14').group()AttributeError:?'NoneType'?object?has?no?attribute?'group're.fullmatch(r'[a-z]+','chiputao').group()'chiputao'
二、查找多個(gè)匹配項(xiàng)
講完查找一項(xiàng)，現(xiàn)在來看看查找多項(xiàng)吧，查找多項(xiàng)函數(shù)主要有：findall函數(shù) 與 finditer函數(shù)：
1）findall： 從字符串任意位置查找，返回一個(gè)列表
2）finditer：從字符串任意位置查找，返回一個(gè)迭代器
兩個(gè)函數(shù)功能基本類似，只不過一個(gè)是返回列表，一個(gè)是返回迭代器。我們知道列表是一次性生成在內(nèi)存中，而迭代器是需要使用時(shí)一點(diǎn)一點(diǎn)生成出來的，運(yùn)行時(shí)占用內(nèi)存更小。如果存在大量的匹配項(xiàng)的話，建議使用finditer函數(shù)，一般情況使兩個(gè)函數(shù)不會(huì)有太大的區(qū)別。
1）findall
描述：返回字符串里所有不重疊的模式串匹配，以字符串列表的形式出現(xiàn)。
語法：re.findall(pattern, string, flags=0)
pattern ? 匹配的正則表達(dá)式
string ?要匹配的字符串
flags ? 標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等
import retext = 'Python太強(qiáng)大，我愛學(xué)Python'pattern = 'Python're.findall(pattern,text)['Python', 'Python']#找出下列字符串中的數(shù)字text = 'chi13putao14butu520putaopi666'#\d+表示匹配任意數(shù)字pattern = r'\d+'re.findall(pattern,text)['13',?'14',?'666',?'520']?text = 'ab-abc-a-cccc-d-aabbcc'pattern = 'ab*'re.findall(pattern,text)['ab', 'ab', 'a', 'a', 'abb']#找到所有副詞'''findall() 匹配樣式 所有 的出現(xiàn)，不僅是像 search() 中的第一個(gè)匹配。比如，如果一個(gè)作者希望找到文字中的所有副詞，他可能會(huì)按照以下方法用 findall()'''text = "He was carefully disguised but captured quickly by police."re.findall(r"\w+ly", text)['carefully',?'quickly']
2）finditer()
描述：返回一個(gè)產(chǎn)生匹配對(duì)象實(shí)體的迭代器，能產(chǎn)生字符串中所有RE模式串的非重疊匹配。
語法：re.finditer(pattern, string, flags=0)
pattern ? 匹配的正則表達(dá)式
string ?要匹配的字符串
flags ? 標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等
m = re.finditer("Python","Python非常強(qiáng)大，我愛學(xué)習(xí)Python")mfor i in m:print(i.group(0))PythonPython#找到所有副詞和位置'''如果需要匹配樣式的更多信息， finditer() 可以起到作用，它提供了 匹配對(duì)象 作為返回值，而不是字符串。繼續(xù)上面的例子，如果一個(gè)作者希望找到所有副詞和它的位置，可以按照下面方法使用 finditer()'''text = "He was carefully disguised but captured quickly by police."for m in re.finditer(r"\w+ly", text):print('%02d-%02d: %s' % (m.start(), m.end(), m.group(0)))07-16: carefully40-47: quic
三、匹配項(xiàng)分割
1)split()
描述：split能夠按照所能匹配的字串將字符串進(jìn)行切分，返回切分后的字符串列表
形式.切割功能非常強(qiáng)大
語法：re.split(pattern, string, maxsplit=0, flags=0)
pattern:匹配的字符串
string:需要切分的字符串
maxsplit:分隔次數(shù)，默認(rèn)為0(即不限次數(shù))
flags:標(biāo)志位，用于控制正則表達(dá)式的匹配方式，flags表示模式，就是上面我們講解的常量！支持正則及多個(gè)字符切割。
正則表達(dá)的分割函數(shù)與字符串的分割函數(shù)一樣，都是split，只是前面的模塊不一樣，正則表達(dá)的函數(shù)為， ，用pattern分開string，maxsplit表示最多進(jìn)行分割次數(shù)，
re.split(r";","var A;B;C:integer;")['var A', 'B', 'C:integer', '']re.split(r"[;:]","var A;B;C:integer;")['var A', 'B', 'C', 'integer', '']text = 'chi13putao14butu520putaopi666'pattern = r'\d+'re.split(pattern,text)['chi', 'putao', 'butu', 'putaopi', '']line = 'aac bba ccd;dde eef,fff'#單字符切割re.split(r';',line)['aac bba ccd', 'dde eef,fff']#兩個(gè)字符以上切割需要放在 [ ] 中re.split(r'[;,]',line)['aac bba ccd', 'dde eef', 'fff']#所有空白字符切割re.split(r'[;,\s]',line)['aac', 'bba', 'ccd', 'dde', '', '', 'eef', 'fff']#使用括號(hào)捕獲分組，默認(rèn)保留分割符re.split(r'([;])',line)['aac bba ccd', ';', 'dde eef,fff']#不想保留分隔符，以（?:...）的形式指定re.split(r'(?:[;])',line)['aac bba ccd', 'dde eef,fff']#不想保留分隔符，以（?:...）的形式指定re.split(r'(?:[;,\s])',line)['aac', 'bba', 'ccd', 'dde', '', '', 'eef', 'fff']
?
注意：str模塊也有一個(gè)split函數(shù) ，那這兩個(gè)函數(shù)該怎么選呢？str.split函數(shù)功能簡單，不支持正則分割，而re.split支持正則。關(guān)于二者的速度如何？來實(shí)際測試一下，在相同數(shù)據(jù)量的情況下使用re.split函數(shù)與str.split函數(shù)執(zhí)行次數(shù) 與 執(zhí)行時(shí)間 對(duì)比圖：
#運(yùn)行時(shí)間統(tǒng)計(jì) 只計(jì)算了程序運(yùn)行的CPU時(shí)間,且每次測試時(shí)間有所差異
import time#統(tǒng)計(jì)次數(shù)n = 1000``start_t = time.perf_counter()for i in range(n):re.split(r';',line)##re.splitend_t = time.perf_counter()print?('re.split:?'+str(round(1000000*(end_t-start_t),2)))start_t = time.perf_counter()for i in range(n):line.split(';')##str.splitend_t = time.perf_counter()print ('str.split: '+str(round(1000000*(end_t-start_t),2)))
通過上圖對(duì)比發(fā)現(xiàn)，5000次循環(huán)以內(nèi)str.split函數(shù)和re.split函數(shù)執(zhí)行時(shí)間差異不大，而循環(huán)次數(shù)1000次以上后str.split函數(shù)明顯更快，而且次數(shù)越多差距越大！
所以結(jié)論是，在不需要正則支持的情況下使用str.split函數(shù)更合適，反之則使用re.split函數(shù)。具體執(zhí)行時(shí)間與測試數(shù)據(jù)有關(guān)！且每次測試時(shí)間有所差異
?
四、匹配項(xiàng)替換
替換主要有sub函數(shù)與subn函數(shù)兩個(gè)函數(shù)，他們功能類似，不同點(diǎn)在于sub只返回替換后的字符串，subn返回一個(gè)元組，包含替換后的字符串和替換次數(shù)。
python 里面可以用 replace 實(shí)現(xiàn)簡單的替換字符串操作，如果要實(shí)現(xiàn)復(fù)雜一點(diǎn)的替換字符串操作，需用到正則表達(dá)式。
re.sub用于替換字符串中匹配項(xiàng)，返回一個(gè)替換后的字符串，subn方法與sub()相同, 但返回一個(gè)元組, 其中包含新字符串和替換次數(shù)。
sub是substitute表示替換。
1）sub
描述：它的作用是正則替換。
語法：re.sub(pattern, repl, string, count=0, flags=0)
pattern：該參數(shù)表示正則中的模式字符串；
repl：repl可以是字符串，也可以是可調(diào)用的函數(shù)對(duì)象；如果是字符串，則處理其中的反斜杠轉(zhuǎn)義。如果它是可調(diào)用的函數(shù)對(duì)象，則傳遞match對(duì)象，并且必須返回要使用的替換字符串
string：該參數(shù)表示要被處理（查找替換）的原始字符串；
count：可選參數(shù)，表示是要替換的最大次數(shù)，而且必須是非負(fù)整數(shù)，該參數(shù)默認(rèn)為0，即所有的匹配都會(huì)被替換；
flags：可選參數(shù)，表示編譯時(shí)用的匹配模式（如忽略大小寫、多行模式等），數(shù)字形式，默認(rèn)為0。
?
把字符串?aaa34bvsa56s中的數(shù)字替換為?*號(hào)
import rere.sub('\d+','*','aaa34bvsa56s')#連續(xù)數(shù)字替換'aaa*bvsa*s're.sub('\d','*','aaa34bvsa56s')#每個(gè)數(shù)字都替換一次'aaa**bvsa**s'#只天換一次count=1，第二次的數(shù)字沒有被替換re.sub('\d+','*','aaa34bvsa56s',count=1)'aaa*bvsa56s'把chi13putao14butu520putaopi666中的數(shù)字換成...text = 'chi13putao14butu520putaopi666'pattern = r'\d+'re.sub(pattern,'...',text)'chi...putao...butu...putaopi...'關(guān)于第二個(gè)參數(shù)的用法，我們可以看看下面的內(nèi)容#定義一個(gè)函數(shù)def refun(repl):print(type(repl))return('...')re.sub('\d+',refun,'aaa34bvsa56s')'aaa...bvsa...s'從上面的例子看來，似乎沒啥區(qū)別原字符串中有多少項(xiàng)被匹配到，這個(gè)函數(shù)就會(huì)被調(diào)用幾次。至于傳進(jìn)來的這個(gè)match對(duì)象，我們調(diào)用它的.group()方法，就能獲取到被匹配到的內(nèi)容，如下所示：def refun(repl):print(type(repl),repl.group())return('...')re.sub('\d+',refun,'aaa34bvsa56s')34 56 Out[113]: 'aaa...bvsa...s'這個(gè)功能有什么用呢？我們?cè)O(shè)想有一個(gè)字符串moblie18123456794num123，這個(gè)字符串中有兩段數(shù)字，并且長短是不一樣的。第一個(gè)數(shù)字是11位的手機(jī)號(hào)。我想把字符串替換為：moblie[隱藏手機(jī)號(hào)]num***。不是手機(jī)號(hào)的數(shù)字，每一位數(shù)字逐位替換為星號(hào)。def refun(repl):if len(repl.group()) == 11:return '[隱藏手機(jī)號(hào)]'else:return '*' * len(repl.group())re.sub('\d+', refun, 'moblie18217052373num123')'moblie[隱藏手機(jī)號(hào)]num***'
?
2）subn
描述：函數(shù)與 re.sub函數(shù) 功能一致，只不過返回一個(gè)元組 (字符串, 替換次數(shù))。
語法：re.subn(pattern, repl, string, count=0, flags=0)
參數(shù)：同re.sub
re.subn('\d+','*','aaa34bvsa56s')#連續(xù)數(shù)字替換('aaa*bvsa*s', 2)re.subn('\d','*','aaa34bvsa56s')#每個(gè)數(shù)字都替換一次('aaa**bvsa**s', 4)text = 'chi13putao14butu520putaopi666'pattern = r'\d+'re.subn(pattern,'...',text)('chi...putao...butu...putaopi...', 4)
五、編譯正則對(duì)象
描述：將正則表達(dá)式的樣式編譯為一個(gè)正則表達(dá)式對(duì)象（正則對(duì)象），可以用于匹配
語法：re.compile(pattern,?flags=0)
參數(shù)：
pattern：該參數(shù)表示正則中的模式字符串；
flags：可選參數(shù)，表示編譯時(shí)用的匹配模式（如忽略大小寫、多行模式等），數(shù)字形式，默認(rèn)為0。
prog = re.compile(pattern)result = prog.match(string)等價(jià)于result = re.match(pattern, string）
如果需要多次使用這個(gè)正則表達(dá)式的話，使用re.compile()和保存這個(gè)正則對(duì)象以便復(fù)用，可以讓程序更加高效。
六、轉(zhuǎn)義函數(shù)
re.escape(pattern) 可以轉(zhuǎn)義正則表達(dá)式中具有特殊含義的字符，比如：. 或者 * re.escape(pattern) 看似非常好用省去了我們自己加轉(zhuǎn)義，但是使用它很容易出現(xiàn)轉(zhuǎn)義錯(cuò)誤的問題，所以并不建議使用它轉(zhuǎn)義，而建議大家自己手動(dòng)轉(zhuǎn)義！
七、緩存清除函數(shù)
re.purge()函數(shù)作用就是清除正則表達(dá)式緩存，清除后釋放內(nèi)存。
···? END? ···