Python正则表达式,这一篇就够了!
裸睡的猪
共 6009字，需浏览 13分钟
·
2020-03-31 23:26
re模块主要定义了9个常量、12个函数、1个异常，每个常量和函数猪哥都会通过实际代码案例讲解，让大家能更直观的了解其作用！注：为避免出现代码格式错乱，猪哥尽量使用代码截图演示哦。一、re模块简介
聊到Python正则表达式的支持，首先肯定会想到re库，这是一个Python处理文本的标准库。标准库的意思表示这是一个Python内置模块，不需要额外下载，目前Python内置模块大概有300个。可以在这里查看Python所有的内置模块：https://docs.python.org/3/py-modindex.html#cap-r
import re二、re模块常量
常量即表示不可更改的变量，一般用于做标记。re模块中有9个常量，常量的值都是int类型！
上图我们可以看到，所有的常量都是在RegexFlag枚举类来实现，这是在Python 3.6做的改版。在Python 3.6以前版本是直接将常量写在re.py中，使用枚举的好处就是方便管理和使用！
下面我们来快速学习这些常量的作用及如何使用他们，按常用度排序！1. IGNORECASE
语法： re.IGNORECASE 或简写为 re.I作用： 进行忽略大小写匹配。代码案例：
在默认匹配模式下大写字母B无法匹配小写字母b，而在 忽略大小写 模式下是可以的。2. ASCII
语法： re.ASCII 或简写为 re.A作用： 顾名思义，ASCII表示ASCII码的意思，让\w, \W, \b, \B, \d, \D, \s 和 \S 只匹配ASCII，而不是Unicode。代码案例：
在默认匹配模式下
\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编码支持的字符）。注意：这只对字符串匹配模式有效，对字节匹配模式无效。3. DOTALL
语法： re.DOTALL 或简写为 re.S作用： DOT表示.，ALL表示所有，连起来就是.匹配所有，包括换行符\n。默认模式下.是不能匹配行符\n的。代码案例：
在默认匹配模式下.并没有匹配换行符\n，而是将字符串分开匹配；而在re.DOTALL模式下，换行符\n与字符串一起被匹配到。注意：默认匹配模式下.并不会匹配换行符\n。4. MULTILINE
语法： re.MULTILINE 或简写为 re.M作用：多行模式，当某字符串中有换行符\n，默认模式下是不支持换行符特性的，比如：行开头 和 行结尾，而多行模式下是支持匹配行开头的。代码案例：
正则表达式中^表示匹配行的开头，默认模式下它只能匹配字符串的开头；而在多行模式下，它还可以匹配 换行符\n后面的字符。注意：正则语法中^匹配行开头、\A匹配字符串开头，单行模式下它两效果一致，多行模式下\A不能识别\n。5. VERBOSE
语法：re.VERBOSE 或简写为 re.X作用：详细模式，可以在正则表达式中加注解！代码案例：
默认模式下并不能识别正则表达式中的注释，而详细模式是可以识别的。当一个正则表达式十分复杂的时候，详细模式或许能为你提供另一种注释方式，但它不应该成为炫技的手段，建议谨慎考虑后使用！
6.LOCALE
语法： re.LOCALE 或简写为 re.L作用： 由当前语言区域决定\w, \W, \b, \B 和大小写敏感匹配，这个标记只能对byte样式有效。这个标记官方已经不推荐使用，因为语言区域机制很不可靠，它一次只能处理一个 “习惯”，而且只对8位字节有效。注意： 由于这个标记官方已经不推荐使用，而且猪哥也没使用过，所以就不给出实际的案例！7.UNICODE
语法： re.UNICODE 或简写为 re.U作用： 与 ASCII 模式类似，匹配unicode编码支持的字符，但是 Python 3 默认字符串已经是Unicode，所以有点冗余。8. DEBUG
语法： re.DEBUG作用： 显示编译时的debug信息。代码案例：
虽然debug模式下确实会打印编译信息，但猪哥并不理解这是什么语言 以及表达的含义，希望了解的朋友能不吝赐教。9.TEMPLATE
语法： re.TEMPLATE 或简写为 re.T作用： 猪哥也没搞懂TEMPLATE的具体用处，源码注释中写着：disable backtracking(禁用回溯)，有了解的同学可以留言告知！
10. 常量总结
- 9个常量中，前5个（IGNORECASE、ASCII、DOTALL、MULTILINE、VERBOSE）有用处，两个（LOCALE、UNICODE）官方不建议使用、两个（TEMPLATE、DEBUG）试验性功能，不能依赖。
- 常量在re常用函数中都可以使用，查看源码可得知。
- 常量可叠加使用，因为常量值都是2的幂次方值，所以是可以叠加使用的，叠加时请使用
|符号，请勿使用+符号！
三、re模块函数
re模块有12个函数，猪哥将以功能分类来讲解；这样更具有比较性，同时也方便记忆。1.查找一个匹配项
查找并返回一个匹配项的函数有3个：search、match、fullmatch，他们的区别分别是：search： 查找任意位置的匹配项
match： 必须从字符串开头匹配
fullmatch： 整个字符串与正则完全匹配
我们再来根据实际的代码案例比较：
案例1:
案例1中search函数是在字符串中任意位置匹配，只要有符合正则表达式的字符串就匹配成功，其实有两个匹配项，但search函数值返回一个。而match函数是要从头开始匹配，而字符串开头多了个字母
a，所以无法匹配，fullmatch函数需要完全相同，故也不匹配！案例2:
案例2删除了text最开头的字母a，这样match函数就可以匹配啦，而fullmatch函数依然不能完全匹配！案例3:
案例3中，我们只留下一段文字，并且与正则表达式一致；这时fullmatch函数终于可以匹配了。完整案例：
注意：查找 一个匹配项 返回的都是一个匹配对象（Match）。
2.查找多个匹配项
讲完查找一项，现在来看看查找多项吧，查找多项函数主要有：findall函数 与 finditer函数：findall： 从字符串任意位置查找，返回一个列表
finditer：从字符串任意位置查找，返回一个迭代器
两个方法基本类似，只不过一个是返回列表，一个是返回迭代器。我们知道列表是一次性生成在内存中，而迭代器是需要使用时一点一点生成出来的，内存使用更优。
如果可能存在大量的匹配项的话，建议使用finditer函数，一般情况使用findall函数基本没啥影响。
3.分割
re.split(pattern, string, maxsplit=0, flags=0) 函数：用 pattern 分开 string ， maxsplit表示最多进行分割次数， flags表示模式，就是上面我们讲解的常量！
注意：
str模块也有一个 split函数 ，那这两个函数该怎么选呢？str.split函数功能简单，不支持正则分割，而re.split支持正则。关于二者的速度如何？ 猪哥实际测试了一下，在相同数据量的情况下使用
re.split函数与str.split函数执行次数 与 执行时间 对比图：
通过上图对比发现，1000次循环以内
str.split函数更快，而循环次数1000次以上后re.split函数明显更快，而且次数越多差距越大！所以结论是：在 不需要正则支持 且 数据量和数次不多 的情况下使用str.split函数更合适，反之则使用re.split函数。注：具体执行时间与测试数据有关！4.替换
替换主要有sub函数 与 subn函数，他们功能类似！先来看看sub函数的用法：re.sub(pattern, repl, string, count=0, flags=0) 函数参数讲解：repl替换掉string中被pattern匹配的字符， count表示最大替换次数，flags表示正则表达式的常量。值得注意的是：sub函数中的入参：repl替换内容既可以是字符串，也可以是一个函数哦！ 如果repl为函数时，只能有一个入参：Match匹配对象。
re.subn(pattern, repl, string, count=0, flags=0) 函数与 re.sub函数 功能一致，只不过返回一个元组 (字符串, 替换次数)。
5.编译正则对象
compile函数 与 template函数 将正则表达式的样式编译为一个 正则表达式对象 （正则对象Pattern），这个对象与re模块有同样的正则函数（后面我们会讲解Pattern正则对象）。
而template函数 与 compile函数 类似，只不过是增加了我们之前说的re.TEMPLATE 模式，我们可以看看源码。
6.其他
re.escape(pattern) 可以转义正则表达式中具有特殊含义的字符，比如：. 或者 * ，举个实际的案例：
re.escape(pattern) 看似非常好用省去了我们自己加转义，但是使用它很容易出现转义错误的问题，所以并不建议使用它转义，而建议大家自己手动转义！re.purge() 函数作用就是清除 正则表达式缓存，具体有什么缓存呢？我们来看看源码就知道它背地里干了 什么：
看方法大概是清除缓存吧，我们再来看看具体的案例：
猪哥在两个案例之间使用了re.purge() 函数清除缓存，然后分别比较前后案例源码里面的缓存，看看是否有变化！
7.总结
同样，最后来一张思维导图总结一下re模块中的函数吧，需要高清图或者xmind文件的同学可在末尾获取。
四、re模块异常
re模块还包含了一个正则表达式的编译错误，当我们给出的正则表达式是一个无效的表达式（就是表达式本身有问题）时，就会raise一个异常！我们来看看具体的案例吧：
上图案例中我们可以看到，在编写正则表达式中我们多写了一个后括号，这导致执行结果报错；而且是在其他所有案例执行之前，所以说明是在正则表达式编译时期就报错了。注意：这个异常一定是 正则表达式 本身是无效的，与要匹配的字符串无关！
五、正则对象Pattern
关于re模块的常量、函数、异常我们都讲解完毕，但是完全有必要再讲讲正则对象Pattern。1. 与re模块 函数一致
在re模块的函数中有一个重要的函数 compile函数 ，这个函数可以预编译返回一个正则对象，此正则对象拥有与re模块相同的函数，我们来看看Pattern类的源码。
既然是一致的，那到底该用re模块 还是 正则对象Pattern ？而且，有些同学可能看过
re模块的源码，你会发现其实compile函数 与 其他 re函数（search、split、sub等等） 内部调用的是同一个函数，最终还是调用正则对象的函数！
也就是说下面 两种代码写法底层实现 其实是一致的：
# re函数re.search(pattern, text)# 正则对象函数compile = re.compile(pattern)compile.search(text)
那还有必要使用compile函数 得到正则对象再去调用 search函数 吗？直接调用re.search 是不是就可以？
2. 官方文档怎么说
关于到底该用re模块 还是 正则对象Pattern ，官方文档是否有说明呢？
官方文档推荐：在多次使用某个正则表达式时推荐使用正则对象Pattern 以增加复用性，因为通过 re.compile(pattern) 编译后的模块级函数会被缓存！
3. 实际测试又如何？
上面官方文档推荐我们在 多次使用某个正则表达式时使用正则对象，那实际情况真的是这样的吗？我们再实测一下吧
猪哥编写了两个函数，一个使用re.search函数 另一个使用 compile.search函数 ，分别(不同时)循环执行count次(count从1-1万)，比较两者的耗时！得出的结果猪哥绘制成折线图：
得出的结论是：100次循环以内两者的速度基本一致，当超出100次后，使用 正则对象Pattern 的函数 耗时明显更短，所以比re模块 要快！通过实际测试得知：Python 官方文档推荐 多次使用某个正则表达式时使用正则对象函数 基本属实！
六、注意事项
1.字节串 与 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位字节串 (bytes)。但是，Unicode 字符串与8位字节串不能混用！2.r 的作用
正则表达式使用反斜杠（’\’）来表示特殊形式，或者把特殊字符转义成普通字符。而反斜杠在普通的 Python 字符串里也有相同的作用，所以就产生了冲突。解决办法是对于正则表达式样式使用 Python 的原始字符串表示法；在带有 ‘r’ 前缀的字符串字面值中，反斜杠不必做任何特殊处理。3.正则查找函数 返回匹配对象
查找一个匹配项（search、match、fullmatch）的函数返回值都是一个 匹配对象Match ，需要通过match.group() 获取匹配值，这个很容易忘记。
另外还需要注意：match.group() 与match.groups() 函数的差别！
4.重复使用某个正则
如果要重复使用某个正则表达式，推荐先使用 re.compile(pattern)函数 返回一个正则对象，然后复用这个正则对象，这样会更快！5.Python 正则面试
笔试可能会遇到需要使用Python正则表达式，不过不会太难的，大家只要记住那几个方法的区别，会正确使用，基本问题不大。文章所有内容精华猪哥已经整理成一份思维导图：链接(或阅读原文):https://pan.baidu.com/s/10MMpuf6Rcba-gvBo1oIzlw 密码:y6z3
最后感谢大家阅读，希望大家能学有所成～
评论