Python正則表達式,這一篇就夠了!

之前我們講解了 正則表達式 的起源、發展、流派、語法、引擎、優化等相關知識，今天我們主要來學習一下 正則表達式在 Python語言 中的應用！大多數程式語言的正則表達式設計都師從Perl，所以語法基本相似，不同的是每種語言都有自己的函數去支持正則，今天我們就來學習 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，每個常量和函數豬哥都會通過實際代碼案例講解，讓大家能更直觀的了解其作用！註：為避免出現代碼格式錯亂，豬哥儘量使用代碼截圖演示哦。一、re模塊簡介聊到Python正則表達式的支持，首先肯定會想到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，不需要額外下載，目前Python內置模塊大概有300個。可以在這裡查看Python所有的內置模塊：https://docs.python.org/3/py-modindex.html#cap-r因為re是內置模塊，所以不需要再下載，使用時直接引入即可：re模塊官方文檔：https://docs.python.org/zh-cn/3.8/library/re.htmlre模塊庫源碼：https://github.com/python/cpython/blob/3.8/Lib/re.py二、re模塊常量上圖我們可以看到，所有的常量都是在RegexFlag枚舉類來實現，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！下面我們來快速學習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在默認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。
在默認匹配模式下\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：這隻對字符串匹配模式有效，對字節匹配模式無效。3. DOTALL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。默認模式下.是不能匹配行符\n的。在默認匹配模式下.並沒有匹配換行符\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。4. MULTILINE語法： re.MULTILINE 或簡寫為 re.M作用：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，比如：行開頭 和 行結尾，而多行模式下是支持匹配行開頭的。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，它還可以匹配 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
默認模式下並不能識別正則表達式中的注釋，而詳細模式是可以識別的。當一個正則表達式十分複雜的時候，詳細模式或許能為你提供另一種注釋方式，但它不應該成為炫技的手段，建議謹慎考慮後使用！6.LOCALE作用： 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，因為語言區域機制很不可靠，它一次只能處理一個 「習慣」，而且只對8位字節有效。注意： 由於這個標記官方已經不推薦使用，而且豬哥也沒使用過，所以就不給出實際的案例！7.UNICODE作用： 與 ASCII 模式類似，匹配unicode編碼支持的字符，但是 Python 3 默認字符串已經是Unicode，所以有點冗餘。8. DEBUG雖然debug模式下確實會列印編譯信息，但豬哥並不理解這是什麼語言 以及表達的含義，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)，有了解的同學可以留言告知！10. 常量總結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。常量可疊加使用，因為常量值都是2的冪次方值，所以是可以疊加使用的，疊加時請使用 | 符號，請勿使用+ 符號！最後來一張思維導圖總結一下re模塊中的常量吧，需要高清圖或者xmind文件的同學可在文章末尾獲取。
三、re模塊函數re模塊有12個函數，豬哥將以功能分類來講解；這樣更具有比較性，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：

search： 查找任意位置的匹配項

match： 必須從字符串開頭匹配

fullmatch： 整個字符串與正則完全匹配

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，所以無法匹配，fullmatch函數需要完全相同，故也不匹配！案例2刪除了text最開頭的字母a，這樣match函數就可以匹配啦，而fullmatch函數依然不能完全匹配！案例3:

案例3中，我們只留下一段文字，並且與正則表達式一致；這時fullmatch函數終於可以匹配了。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，現在來看看查找多項吧，查找多項函數主要有：findall函數 與 finditer函數：

findall： 從字符串任意位置查找，返回一個列表

finditer：從字符串任意位置查找，返回一個迭代器

兩個方法基本類似，只不過一個是返回列表，一個是返回迭代器。我們知道列表是一次性生成在內存中，而迭代器是需要使用時一點一點生成出來的，內存使用更優。
如果可能存在大量的匹配項的話，建議使用finditer函數，一般情況使用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，就是上面我們講解的常量！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。關於二者的速度如何？ 豬哥實際測試了一下，在相同數據量的情況下使用re.split函數與str.split函數執行次數  與 執行時間 對比圖：

通過上圖對比發現，1000次循環以內str.split函數更快，而循環次數1000次以上後re.split函數明顯更快，而且次數越多差距越大！所以結論是：在 不需要正則支持 且 數據量和數次不多 的情況下使用str.split函數更合適，反之則使用re.split函數。4.替換替換主要有sub函數 與 subn函數，他們功能類似！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替換內容既可以是字符串，也可以是一個函數哦！ 如果repl為函數時，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為一個 正則表達式對象 （正則對象Pattern），這個對象與re模塊有同樣的正則函數（後面我們會講解Pattern正則對象）。

而template函數 與 compile函數 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) 可以轉義正則表達式中具有特殊含義的字符，比如：. 或者 * ，舉個實際的案例：

re.escape(pattern) 看似非常好用省去了我們自己加轉義，但是使用它很容易出現轉義錯誤的問題，所以並不建議使用它轉義，而建議大家自己手動轉義！re.purge() 函數作用就是清除 正則表達式緩存，具體有什麼緩存呢？我們來看看源碼就知道它背地裡幹了 什麼：

看方法大概是清除緩存吧，我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，然後分別比較前後案例源碼裡面的緩存，看看是否有變化！
7.總結同樣，最後來一張思維導圖總結一下re模塊中的函數吧，需要高清圖或者xmind文件的同學可在末尾獲取。
四、re模塊異常re模塊還包含了一個正則表達式的編譯錯誤，當我們給出的正則表達式是一個無效的表達式（就是表達式本身有問題）時，就會raise一個異常！我們來看看具體的案例吧：

上圖案例中我們可以看到，在編寫正則表達式中我們多寫了一個後括號，這導致執行結果報錯；而且是在其他所有案例執行之前，所以說明是在正則表達式編譯時期就報錯了。注意：這個異常一定是 正則表達式 本身是無效的，與要匹配的字符串無關！五、正則對象Pattern關於re模塊的常量、函數、異常我們都講解完畢，但是完全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 ，這個函數可以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，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 正則對象Pattern ？而且，有些同學可能看過re模塊的源碼，你會發現其實compile函數 與 其他 re函數（search、split、sub等等） 內部調用的是同一個函數，最終還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 其實是一致的：

re.search(pattern, text)
compile = re.compile(pattern)compile.search(text)
那還有必要使用compile函數 得到正則對象再去調用 search函數 嗎？直接調用re.search 是不是就可以？2. 官方文檔怎麼說關於到底該用re模塊 還是 正則對象Pattern ，官方文檔是否有說明呢？
官方文檔推薦：在多次使用某個正則表達式時推薦使用正則對象Pattern 以增加復用性，因為通過 re.compile(pattern) 編譯後的模塊級函數會被緩存！3. 實際測試又如何？上面官方文檔推薦我們在 多次使用某個正則表達式時使用正則對象，那實際情況真的是這樣的嗎？
豬哥編寫了兩個函數，一個使用re.search函數 另一個使用 compile.search函數 ，分別(不同時)循環執行count次(count從1-1萬)，比較兩者的耗時！得出的結果豬哥繪製成折線圖：

得出的結論是：100次循環以內兩者的速度基本一致，當超出100次後，使用 正則對象Pattern 的函數 耗時明顯更短，所以比re模塊 要快！通過實際測試得知：Python 官方文檔推薦  多次使用某個正則表達式時使用正則對象函數 基本屬實！六、注意事項Python 正則表達式知識基本講解完畢，最後稍微給大家提一提需要注意的點。1.字節串 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位字節串 (bytes)。但是，Unicode 字符串與8位字節串不能混用！2.r 的作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 字符串裡也有相同的作用，所以就產生了衝突。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，反斜槓不必做任何特殊處理。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 ，需要通過match.group() 獲取匹配值，這個很容易忘記。

另外還需要注意：match.group() 與match.groups() 函數的差別！4.重複使用某個正則如果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，然後復用這個正則對象，這樣會更快！5.Python 正則面試筆試可能會遇到需要使用Python正則表達式，不過不會太難的，大家只要記住那幾個方法的區別，會正確使用，基本問題不大。文章所有內容精華豬哥已經整理成一份思維導圖：連結(或閱讀原文):https://pan.baidu.com/s/10MMpuf6Rcba-gvBo1oIzlw  密碼:y6z3
最後感謝大家閱讀，希望大家能學有所成～