Python正则表达式re模块核心函数详解

Python3 正则表达式

正则表达式是一种用于描述字符串模式的特殊字符序列，它能帮助用户便捷地检查字符串是否符合特定规则。本文重点讲解Python标准库中re模块提供的主要函数及其用法。

在深入介绍re模块的具体函数之前，首先需要理解正则表达式的模式概念，即如何利用特定的语法结构来定义一个正则表达式。

1. match函数

• re.match函数尝试从字符串的起始位置开始匹配指定的模式。如果字符串的起始位置无法匹配该模式，match()函数将返回None。
• 函数基本用法为：re.match(pattern, string, flags=0)
• pattern：所要匹配的正则表达式模式；string：需要匹配的字符串；flags：标志位，用于控制正则表达式的匹配方式，如是否区分大小写、多行匹配等。
  • flags参数中，re.I表示忽略大小写匹配。
  • re.L表示特殊字符集 \w, \W, \b, \B, \s, \S 的行为依赖于当前本地环境设置。
  • re.M启用多行模式；re.S使特殊字符' . '匹配包括换行符在内的任意字符（默认情况下' . '不匹配换行符）。
  • re.U表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 的行为依赖于Unicode字符属性数据库。
  • re.X用于增加正则表达式的可读性，允许忽略空格以及' # '符号后的注释内容。

匹配对象提供以下方法：

• group(num=0)：返回匹配整个表达式的字符串。若一次传入多个组号，则返回包含各组对应值的元组。
• groups()：返回一个包含所有小组字符串的元组，组号范围从 1 到正则表达式中定义的小组总数。

import re
print(re.match("xixi", "xixi_haha_heihei").group())

xixi

line = 'Cats are smarter than dogs'
b = re.match(r'(.*) are (.*?) .*', line, re.M|re.I)

print(b.group()) # 返回所有
print(b.group(1)) # 返回第一组，即(.*)对应的
print(b.group(2)) # 返回第二组，即(.*?)对应的

Cats are smarter than dogs
Cats
smarter

2. search函数

re.search函数扫描整个字符串，并返回第一个成功匹配的对象。

函数用法：re.search(pattern, string, flags=0)

print(re.match('heihei', 'xixi_haha_heihei'))
print(re.search('heihei', 'xixi_haha_heihei').group())

None
heihei

line = 'Cats are smarter than dogs'
b = re.search(r'(.*) are (.*?) .*', line, re.M|re.I)

print(b.group()) # 返回所有
print(b.group(1)) # 返回第一组，即(.*)对应的
print(b.group(2)) # 返回第二组，即(.*?)对应的

Cats are smarter than dogs
Cats
smarter

search和match的区别

match函数仅匹配字符串的开头，若开头部分不符合正则表达式，则匹配失败并返回None；而search函数会扫描整个字符串，直到找到第一个匹配项为止。

3. sub函数

re模块提供了re.sub函数，用于替换字符串中符合正则表达式的匹配项。 函数用法：re.sub(pattern, repl, string, count=0, flags=0)

• pattern：正则表达式中的模式字符串。
• repl：用于替换的字符串，该参数也可以是一个函数。
• string：需要被查找和替换的原始字符串。
• count：指定模式匹配后替换的最大次数，默认值为 0，表示替换所有匹配项。
• flags：编译时使用的匹配模式，以数字形式表示。

phone = '133-3333-3333  # this is a phone number'

num = re.sub(r'#.*$', '', phone)
print('phone num', num)
# 移除注释，找到以#开头的。

num = re.sub(r'\D', '', phone)
print('phone num', num)
# 移除非数字内容

phone num 133-3333-3333  
phone num 13333333333

当repl参数为函数时的处理情况

def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)

s = 'A233Sfd34'
print(re.sub('(?P<value>\d+)', double, s))

A466Sfd68

4. compile函数

compile函数用于将正则表达式字符串编译成正则表达式对象（Pattern），以便后续供 match() 和 search() 等函数重复使用，提高执行效率。 函数使用：re.compile(pattern, flags)

pattern = re.compile(r'/d+')
m = pattern.match('ones123412')
print(m)

None

5. findall

findall函数在字符串中查找正则表达式所匹配的所有子串，并返回一个列表。若未找到任何匹配项，则返回空列表。 注意：match和search仅匹配一次，而findall会匹配所有符合条件的子串。

函数使用：findall(string, pos, endpos)

• string：待匹配的字符串。
• pos：可选参数，指定字符串搜索的起始位置，默认为 0。
• endpos：可选参数，指定字符串搜索的结束位置，默认为字符串的长度。

pattern = re.compile(r'\d+')
result1 = pattern.findall('xixixix 123 heihiehei 456')
result2 = pattern.findall('xixixix 123 heihiehei 456', 0, 15)

print(result1)
print(result2)

['123', '456']
['123']

6. finditer

finditer的功能与 findall 类似，也是在字符串中找到正则表达式所匹配的所有子串，但它将这些子串作为一个迭代器返回，而非列表。

ittt = re.finditer(r'\d+', '12dsfasdf123asdf534')
for ttt in ittt:
    print(ttt.group())

12
123
534

7. split

split方法依据能够匹配的子串将字符串进行分割，并返回分割后的列表。

函数使用：

re.split(pattern, string, maxsplit=0, flags=0)

• pattern：用于匹配的正则表达式模式。
• string：需要被匹配的原始字符串。
• maxsplit：指定最大分割次数，若maxsplit=1则仅分隔一次，默认为 0，表示不限制分割次数。
• flags：标志位，用于控制正则表达式的匹配方式，例如是否区分大小写或多行匹配等。

print(re.split('\W+', 'xxixix, xixixi, hehiehei'))
print(re.split('(\W+)', ' xxixix, xixixi, hehiehei'))

['xxixix', 'xixixi', 'hehiehei']
['', ' ', 'xxixix', ', ', 'xixixi', ', ', 'hehiehei']

总结

本文介绍了Python正则表达式re模块的核心内容，希望能为读者提供帮助。欢迎持续关注本站，获取更多技术更新与资源！