Python正則表達(dá)式,這一篇就夠了!
re模塊主要定義了9個(gè)常量、12個(gè)函數(shù)、1個(gè)異常，每個(gè)常量和函數(shù)豬哥都會(huì)通過實(shí)際代碼案例講解，讓大家能更直觀的了解其作用！注：為避免出現(xiàn)代碼格式錯(cuò)亂，豬哥盡量使用代碼截圖演示哦。一、re模塊簡介
聊到Python正則表達(dá)式的支持，首先肯定會(huì)想到re庫，這是一個(gè)Python處理文本的標(biāo)準(zhǔn)庫。標(biāo)準(zhǔn)庫的意思表示這是一個(gè)Python內(nèi)置模塊，不需要額外下載，目前Python內(nèi)置模塊大概有300個(gè)?？梢栽谶@里查看Python所有的內(nèi)置模塊：https://docs.python.org/3/py-modindex.html#cap-r
import re二、re模塊常量
常量即表示不可更改的變量，一般用于做標(biāo)記。re模塊中有9個(gè)常量，常量的值都是int類型！
上圖我們可以看到，所有的常量都是在RegexFlag枚舉類來實(shí)現(xiàn)，這是在Python 3.6做的改版。在Python 3.6以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！
下面我們來快速學(xué)習(xí)這些常量的作用及如何使用他們，按常用度排序！1. IGNORECASE
語法： re.IGNORECASE 或簡寫為 re.I作用： 進(jìn)行忽略大小寫匹配。代碼案例：
在默認(rèn)匹配模式下大寫字母B無法匹配小寫字母b，而在 忽略大小寫 模式下是可以的。2. ASCII
語法： re.ASCII 或簡寫為 re.A作用： 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(rèn)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編碼支持的字符）。注意：這只對(duì)字符串匹配模式有效，對(duì)字節(jié)匹配模式無效。3. DOTALL
語法： re.DOTALL 或簡寫為 re.S作用： DOT表示.，ALL表示所有，連起來就是.匹配所有，包括換行符\n。默認(rèn)模式下.是不能匹配行符\n的。代碼案例：
在默認(rèn)匹配模式下.并沒有匹配換行符\n，而是將字符串分開匹配；而在re.DOTALL模式下，換行符\n與字符串一起被匹配到。注意：默認(rèn)匹配模式下.并不會(huì)匹配換行符\n。4. MULTILINE
語法： re.MULTILINE 或簡寫為 re.M作用：多行模式，當(dāng)某字符串中有換行符\n，默認(rèn)模式下是不支持換行符特性的，比如：行開頭 和 行結(jié)尾，而多行模式下是支持匹配行開頭的。代碼案例：
正則表達(dá)式中^表示匹配行的開頭，默認(rèn)模式下它只能匹配字符串的開頭；而在多行模式下，它還可以匹配 換行符\n后面的字符。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(shí)別\n。5. VERBOSE
語法：re.VERBOSE 或簡寫為 re.X作用：詳細(xì)模式，可以在正則表達(dá)式中加注解！代碼案例：
默認(rèn)模式下并不能識(shí)別正則表達(dá)式中的注釋，而詳細(xì)模式是可以識(shí)別的。當(dāng)一個(gè)正則表達(dá)式十分復(fù)雜的時(shí)候，詳細(xì)模式或許能為你提供另一種注釋方式，但它不應(yīng)該成為炫技的手段，建議謹(jǐn)慎考慮后使用！
6.LOCALE
語法： re.LOCALE 或簡寫為 re.L作用： 由當(dāng)前語言區(qū)域決定\w, \W, \b, \B 和大小寫敏感匹配，這個(gè)標(biāo)記只能對(duì)byte樣式有效。這個(gè)標(biāo)記官方已經(jīng)不推薦使用，因?yàn)檎Z言區(qū)域機(jī)制很不可靠，它一次只能處理一個(gè) “習(xí)慣”，而且只對(duì)8位字節(jié)有效。注意： 由于這個(gè)標(biāo)記官方已經(jīng)不推薦使用，而且豬哥也沒使用過，所以就不給出實(shí)際的案例！7.UNICODE
語法： re.UNICODE 或簡寫為 re.U作用： 與 ASCII 模式類似，匹配unicode編碼支持的字符，但是 Python 3 默認(rèn)字符串已經(jīng)是Unicode，所以有點(diǎn)冗余。8. DEBUG
語法： re.DEBUG作用： 顯示編譯時(shí)的debug信息。代碼案例：
雖然debug模式下確實(shí)會(huì)打印編譯信息，但豬哥并不理解這是什么語言 以及表達(dá)的含義，希望了解的朋友能不吝賜教。9.TEMPLATE
語法： re.TEMPLATE ?或簡寫為 re.T作用： 豬哥也沒搞懂TEMPLATE的具體用處，源碼注釋中寫著：disable backtracking(禁用回溯)，有了解的同學(xué)可以留言告知！
10. 常量總結(jié)
- 9個(gè)常量中，前5個(gè)（IGNORECASE、ASCII、DOTALL、MULTILINE、VERBOSE）有用處，兩個(gè)（LOCALE、UNICODE）官方不建議使用、兩個(gè)（TEMPLATE、DEBUG）試驗(yàn)性功能，不能依賴。
- 常量在re常用函數(shù)中都可以使用，查看源碼可得知。
- 常量可疊加使用，因?yàn)槌Ａ恐刀际?的冪次方值，所以是可以疊加使用的，疊加時(shí)請(qǐng)使用
|符號(hào)，請(qǐng)勿使用+符號(hào)！
三、re模塊函數(shù)
re模塊有12個(gè)函數(shù)，豬哥將以功能分類來講解；這樣更具有比較性，同時(shí)也方便記憶。1.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，他們的區(qū)別分別是：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
我們?cè)賮砀鶕?jù)實(shí)際的代碼案例比較：
案例1:
案例1中search函數(shù)是在字符串中任意位置匹配，只要有符合正則表達(dá)式的字符串就匹配成功，其實(shí)有兩個(gè)匹配項(xiàng)，但search函數(shù)值返回一個(gè)。而match函數(shù)是要從頭開始匹配，而字符串開頭多了個(gè)字母
a，所以無法匹配，fullmatch函數(shù)需要完全相同，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(shù)就可以匹配啦，而fullmatch函數(shù)依然不能完全匹配！案例3:
案例3中，我們只留下一段文字，并且與正則表達(dá)式一致；這時(shí)fullmatch函數(shù)終于可以匹配了。完整案例：
注意：查找 一個(gè)匹配項(xiàng) 返回的都是一個(gè)匹配對(duì)象（Match）。
2.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)：findall： 從字符串任意位置查找，返回一個(gè)列表
finditer：從字符串任意位置查找，返回一個(gè)迭代器
兩個(gè)方法基本類似，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，內(nèi)存使用更優(yōu)。
如果可能存在大量的匹配項(xiàng)的話，建議使用finditer函數(shù)，一般情況使用findall函數(shù)基本沒啥影響。
3.分割
re.split(pattern, string, maxsplit=0, flags=0) 函數(shù)：用 pattern 分開 string ， maxsplit表示最多進(jìn)行分割次數(shù)， flags表示模式，就是上面我們講解的常量！
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？ 豬哥實(shí)際測試了一下，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：
通過上圖對(duì)比發(fā)現(xiàn)，1000次循環(huán)以內(nèi)
str.split函數(shù)更快，而循環(huán)次數(shù)1000次以上后re.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 且 數(shù)據(jù)量和數(shù)次不多 的情況下使用str.split函數(shù)更合適，反之則使用re.split函數(shù)。注：具體執(zhí)行時(shí)間與測試數(shù)據(jù)有關(guān)！4.替換
替換主要有sub函數(shù) 與 subn函數(shù)，他們功能類似！先來看看sub函數(shù)的用法：re.sub(pattern, repl, string, count=0, flags=0) 函數(shù)參數(shù)講解：repl替換掉string中被pattern匹配的字符， count表示最大替換次數(shù)，flags表示正則表達(dá)式的常量。值得注意的是：sub函數(shù)中的入?yún)ⅲ?strong>repl替換內(nèi)容既可以是字符串，也可以是一個(gè)函數(shù)哦！ 如果repl為函數(shù)時(shí)，只能有一個(gè)入?yún)ⅲ篗atch匹配對(duì)象。
re.subn(pattern, repl, string, count=0, flags=0) 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))。
5.編譯正則對(duì)象
compile函數(shù) 與 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 （正則對(duì)象Pattern），這個(gè)對(duì)象與re模塊有同樣的正則函數(shù)（后面我們會(huì)講解Pattern正則對(duì)象）。
而template函數(shù) 與 compile函數(shù) 類似，只不過是增加了我們之前說的re.TEMPLATE 模式，我們可以看看源碼。
6.其他
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 * ，舉個(gè)實(shí)際的案例：
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！re.purge() 函數(shù)作用就是清除 正則表達(dá)式緩存，具體有什么緩存呢？我們來看看源碼就知道它背地里干了 什么：
看方法大概是清除緩存吧，我們?cè)賮砜纯淳唧w的案例：
豬哥在兩個(gè)案例之間使用了re.purge() 函數(shù)清除緩存，然后分別比較前后案例源碼里面的緩存，看看是否有變化！
7.總結(jié)
同樣，最后來一張思維導(dǎo)圖總結(jié)一下re模塊中的函數(shù)吧，需要高清圖或者xmind文件的同學(xué)可在末尾獲取。
四、re模塊異常
re模塊還包含了一個(gè)正則表達(dá)式的編譯錯(cuò)誤，當(dāng)我們給出的正則表達(dá)式是一個(gè)無效的表達(dá)式（就是表達(dá)式本身有問題）時(shí)，就會(huì)raise一個(gè)異常！我們來看看具體的案例吧：
上圖案例中我們可以看到，在編寫正則表達(dá)式中我們多寫了一個(gè)后括號(hào)，這導(dǎo)致執(zhí)行結(jié)果報(bào)錯(cuò)；而且是在其他所有案例執(zhí)行之前，所以說明是在正則表達(dá)式編譯時(shí)期就報(bào)錯(cuò)了。注意：這個(gè)異常一定是 正則表達(dá)式 本身是無效的，與要匹配的字符串無關(guān)！
五、正則對(duì)象Pattern
關(guān)于re模塊的常量、函數(shù)、異常我們都講解完畢，但是完全有必要再講講正則對(duì)象Pattern。1. ?與re模塊 函數(shù)一致
在re模塊的函數(shù)中有一個(gè)重要的函數(shù) compile函數(shù) ，這個(gè)函數(shù)可以預(yù)編譯返回一個(gè)正則對(duì)象，此正則對(duì)象擁有與re模塊相同的函數(shù)，我們來看看Pattern類的源碼。
既然是一致的，那到底該用re模塊 還是 正則對(duì)象Pattern ？而且，有些同學(xué)可能看過
re模塊的源碼，你會(huì)發(fā)現(xiàn)其實(shí)compile函數(shù) 與 其他 re函數(shù)（search、split、sub等等） 內(nèi)部調(diào)用的是同一個(gè)函數(shù)，最終還是調(diào)用正則對(duì)象的函數(shù)！
也就是說下面 兩種代碼寫法底層實(shí)現(xiàn) 其實(shí)是一致的：
# re函數(shù)re.search(pattern, text)# 正則對(duì)象函數(shù)compile = re.compile(pattern)compile.search(text)
那還有必要使用compile函數(shù) 得到正則對(duì)象再去調(diào)用 search函數(shù) 嗎？直接調(diào)用re.search 是不是就可以？
2. 官方文檔怎么說
關(guān)于到底該用re模塊 還是 正則對(duì)象Pattern ，官方文檔是否有說明呢？
官方文檔推薦：在多次使用某個(gè)正則表達(dá)式時(shí)推薦使用正則對(duì)象Pattern 以增加復(fù)用性，因?yàn)橥ㄟ^ re.compile(pattern) 編譯后的模塊級(jí)函數(shù)會(huì)被緩存！
3. 實(shí)際測試又如何？
上面官方文檔推薦我們?cè)?多次使用某個(gè)正則表達(dá)式時(shí)使用正則對(duì)象，那實(shí)際情況真的是這樣的嗎？我們?cè)賹?shí)測一下吧
豬哥編寫了兩個(gè)函數(shù)，一個(gè)使用re.search函數(shù) 另一個(gè)使用 compile.search函數(shù) ，分別(不同時(shí))循環(huán)執(zhí)行count次(count從1-1萬)，比較兩者的耗時(shí)！得出的結(jié)果豬哥繪制成折線圖：
得出的結(jié)論是：100次循環(huán)以內(nèi)兩者的速度基本一致，當(dāng)超出100次后，使用 正則對(duì)象Pattern 的函數(shù) 耗時(shí)明顯更短，所以比re模塊 要快！通過實(shí)際測試得知：Python 官方文檔推薦 ?多次使用某個(gè)正則表達(dá)式時(shí)使用正則對(duì)象函數(shù) 基本屬實(shí)！
六、注意事項(xiàng)
1.字節(jié)串 與 字符串
模式和被搜索的字符串既可以是 Unicode 字符串 (str) ，也可以是8位字節(jié)串 (bytes)。但是，Unicode 字符串與8位字節(jié)串不能混用！2.r 的作用
正則表達(dá)式使用反斜杠（’\’）來表示特殊形式，或者把特殊字符轉(zhuǎn)義成普通字符。而反斜杠在普通的 Python 字符串里也有相同的作用，所以就產(chǎn)生了沖突。解決辦法是對(duì)于正則表達(dá)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，反斜杠不必做任何特殊處理。3.正則查找函數(shù) 返回匹配對(duì)象
查找一個(gè)匹配項(xiàng)（search、match、fullmatch）的函數(shù)返回值都是一個(gè) 匹配對(duì)象Match ，需要通過match.group() 獲取匹配值，這個(gè)很容易忘記。
另外還需要注意：match.group() 與match.groups() 函數(shù)的差別！
4.重復(fù)使用某個(gè)正則
如果要重復(fù)使用某個(gè)正則表達(dá)式，推薦先使用 re.compile(pattern)函數(shù) 返回一個(gè)正則對(duì)象，然后復(fù)用這個(gè)正則對(duì)象，這樣會(huì)更快！5.Python 正則面試
筆試可能會(huì)遇到需要使用Python正則表達(dá)式，不過不會(huì)太難的，大家只要記住那幾個(gè)方法的區(qū)別，會(huì)正確使用，基本問題不大。文章所有內(nèi)容精華豬哥已經(jīng)整理成一份思維導(dǎo)圖：鏈接(或閱讀原文):https://pan.baidu.com/s/10MMpuf6Rcba-gvBo1oIzlw??密碼:y6z3
最后感謝大家閱讀，希望大家能學(xué)有所成～
評(píng)論
圖片
表情