文章目錄

• • 聲明
  • 編譯正則表達式
  • 麻煩的反斜杠
  • • 實現匹配
    • • `match()`
      • `search()`
      • `findall()`
      • `finditer()`

聲明

Python 通過 re 模塊為正則表達式引擎提供一個接口，同時允許你將正則表達式編譯成模式對象，并用它們來進行匹配。

注意：
re 模塊是使用 C 語言編寫，所以效率比你用普通的字符串方法要高得多；將正則表達式進行編譯（compile）也是為了進一步提高效率；后邊我們會經常提到“模式”，指的就是正則表達式被編譯成的模式對象。

編譯正則表達式

正則表達式被編譯為模式對象，該對象擁有各種方法供你操作字符串，如查找模式匹配或者執行字符串替換。

import re p = re.compile('ab*')

re.compile() 也可以接受 flags 參數，用于開啟各種特殊功能和語法變化，

>>> p = re.compile('ab*', re.IGNORECASE)

正則表達式作為一個字符串參數傳給 re.compile()。由于正則表達式并不是 Python 的核心部分，因此沒有為它提供特殊的語法支持，所以正則表達式只能以字符串的形式表示。（有些應用根本就不需要使用到正則表達式，所以 Python 社區的小伙伴們認為沒有必要將其納入 Python 的核心。）相反，re 模塊僅僅是作為 C 的擴展模塊包含在 Python 中，就像 socket 模塊和 zlib 模塊。

麻煩的反斜杠

正則表達式使用 '\' 字符來使得一些普通的字符擁有特殊的能力（例如 \d 表示匹配任何十進制數字），或者剝奪一些特殊字符的能力（例如 \[ 表示匹配左方括號 '['）。這會跟 Python 字符串中實現相同功能的字符發生沖突。

假如你需要在 LaTeX 文件中使用正則表達式匹配字符串 '\section'。因為反斜杠作為需要匹配的特殊字符，所以你需要再它前邊加多一個反斜杠來剝奪它的特殊功能。所以我們會把正則表達式的字符寫成 '\\section'

Python 在字符串中同樣使用反斜杠來表示特殊意義。因此，如果我們想將 '\\section' 完整地傳給 re.compile()，我們需要再次添加兩個反斜杠…

匹配字符匹配階段

\section	需要匹配的字符串
\\section	正則表達式使用 '\\' 表示匹配字符 '\'
"\\\\section"	不巧，Python 字符串也使用 '\\' 表示字符 '\'

簡而言之，為了匹配反斜杠這個字符，我們需要在字符串中使用四個反斜杠才行。所以，在正則表達式中頻繁地使用反斜杠，會造成反斜杠風暴，進而導致你的字符串極其難懂。

解決方法是使用 Python 的原始字符串來表示正則表達式（就是在字符串前邊加上 r，大家還記得吧…）：

正則字符串原始字符串

"ab*"	r"ab*"
"\\\\section"	r"\\section"
"\\w+\\s+\\1"	r"\w+\s+\1"

建議使用原始字符串來表達正則表達式。

實現匹配

當你將正則表達式編譯之后，你就得到一個模式對象。那你拿他可以用來做什么呢？模式對象擁有很多方法和屬性，我們下邊列舉最重要的幾個來講：

方法功能

match()	判斷一個正則表達式是否從開始處匹配一個字符串
search()	遍歷字符串，找到正則表達式匹配的第一個位置
findall()	遍歷字符串，找到正則表達式匹配的所有位置，并以列表的形式返回
finditer()	遍歷字符串，找到正則表達式匹配的所有位置，并以迭代器的形式返回

如果沒有找到任何匹配的話，match() 和 search() 會返回 None；如果匹配成功，則會返回一個匹配對象（match object），包含所有匹配的信息：例如從哪兒開始，到哪兒結束，匹配的子字符串等等

match()

接下來我們一步步講解：

>>> import re >>> p = re.compile('[a-z]+') >>> p re.compile('[a-z]+')

實現截圖：

現在，你可以嘗試使用正則表達式 [a-z]+ 去匹配各種字符串。
例如：

>>> p.match("") >>> print(p.match("")) None

實現截圖：

因為 + 表示匹配一次或者多次，所以空字符串不能被匹配。因此，match() 返回 None。

我們再嘗試一個可以匹配的字符串：

>>> m = p.match('fish') >>> m <_sre.SRE_Match object; span=(0, 4), match='fish'>

實現截圖：

在這個例子中，match() 返回一個匹配對象，我們將其存放在變量 m 中，以便日后使用。

接下來讓我們來看看匹配對象里邊有哪些信息吧。匹配對象包含了很多方法和屬性，以下幾個是最重要的：

方法功能

group()	返回匹配的字符串
start()	返回匹配的開始位置
end()	返回匹配的結束位置
span()	返回一個元組表示匹配位置（開始，結束）

>>> m.group() 'fish' >>> m.start() 0 >>> m.end() 4 >>> m.span() (0, 4)

實現截圖：

由于 match() 只檢查正則表達式是否在字符串的起始位置匹配，所以 start() 總是返回 0。

search()

然而，search() 方法可就不一樣咯：

>>> print(p.match('^_^fish')) None >>> m = p.search('^_^fish') >>> print(m) <_sre.SRE_Match object; span=(3, 7), match='fish'> >>> m.group() 'fish' >>> m.span() (3, 7) >>> m=p.search('^_^f123i54sh') >>> m <re.Match object; span=(3, 4), match='f'>

實現截圖：

在實際應用中，最常用的方式是將匹配對象存放在一個局部變量中，并檢查其返回值是否為 None。

形式通常如下：

p = re.compile( ... ) m = p.match( 'string goes here' ) if m:print('Match found: ', m.group()) else:print('No match')

有兩個方法可以返回所有的匹配結果，一個是 findall()，另一個是 finditer()。

findall()

findall() 返回的是一個列表：

>>> p = re.compile('\d+') >>> p.findall('3只小狗，15條腿，多出的3條在哪里？') ['3', '15', '3']

實現截圖：

finditer()

findall() 需要在返回前先創建一個列表，而 finditer() 則是將匹配對象作為一個迭代器返回：

>>> iterator = p.finditer('3只小狗，15條腿，多出的3條在哪里？') >>> iterator <callable_iterator object at 0x00000212CE96ADC8> >>> for match in iterator:print(match.span())(0, 1) (5, 7) (13, 14)

實現截圖：

如果列表很大，那么返回迭代器的效率要高很多

總結

以上是生活随笔為你收集整理的Python正则表达式之编译正则表达式（2）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。