|
大多數(shù)編程語言的正則表達式設(shè)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(shù)去支持正則，今天我們就來學(xué)習(xí) Python中關(guān)于 正則表達式的函數(shù)。  re模塊主要定義了9個常量、12個函數(shù)、1個異常，每個常量和函數(shù)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！ 注：為避免出現(xiàn)代碼格式錯亂，豬哥盡量使用代碼截圖演示哦。 一、re模塊簡介聊到Python正則表達式的支持，首先肯定會想到 re 庫，這是一個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 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。可以在這里查看Python所有的內(nèi)置模塊：https://docs./3/py-modindex.html#cap-r 因為re是內(nèi)置模塊，所以不需要再下載，使用時直接引入即可： import rere模塊官方文檔：https://docs./zh-cn/3.8/library/re.html re模塊庫源碼：https://github.com/python/cpython/blob/3.8/Lib/re.py 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：這只對字符串匹配模式有效，對字節(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 不能識別 \n 。 5. VERBOSE語法： re.VERBOSE 或簡寫為 re.X 作用： 詳細模式，可以在正則表達式中加注解！ 代碼案例：  默認(rèn)模式下并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(dāng)一個正則表達式十分復(fù)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(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，這個標(biāo)記只能對byte樣式有效。 這個標(biāo)記官方已經(jīng)不推薦使用 ，因為語言區(qū)域機制很不可靠，它一次只能處理一個 “習(xí)慣”，而且只對8位字節(jié)有效。 注意： 由于這個標(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，所以有點冗余。 8. DEBUG語法： re.DEBUG 作用： 顯示編譯時的debug信息。 代碼案例：  雖然debug模式下確實會打印編譯信息，但豬哥并不理解這是什么語言 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(xué)可以留言告知！  10. 常量總結(jié)
最后來一張思維導(dǎo)圖總結(jié)一下re模塊中的常量吧， 需要高清圖或者xmind文件的同學(xué)可在文章末尾 獲取。  三、re模塊函數(shù)re模塊有12個函數(shù)，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并返回一個匹配項的函數(shù)有3個： search、match、fullmatch ，他們的區(qū)別分別是：
我們再來根據(jù)實際的代碼案例比較： 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式的字符串就匹配成功，其實有兩個匹配項，但search函數(shù)值返回一個。 而 match函數(shù) 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(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，并且與正則表達式一致；這時 fullmatch函數(shù) 終于可以匹配了。 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(xiàn)在來看看查找多項吧，查找多項函數(shù)主要有： findall函數(shù) 與 finditer函數(shù) ：
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(nèi)存中，而迭代器是需要使用時一點一點生成出來的，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 split函數(shù) ，那這兩個函數(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)行時間 對比圖： 通過上圖對比發(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表示正則表達式的常量。 值得注意的是： sub函數(shù) 中的入?yún)ⅲ?repl替換內(nèi)容既可以是字符串，也可以是一個函數(shù)哦！ 如果repl為函數(shù)時，只能有一個入?yún)?/span>：Match匹配對象。 re.subn (pattern, repl, string, count=0, flags=0)函數(shù)與 re.sub函數(shù) 功能一致，只不過返回一個元組 (字符串, 替換次數(shù))。 5.編譯正則對象compile函數(shù) 與 template函數(shù) 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(shù)（后面我們會講解Pattern正則對象）。 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(zhuǎn)義，但是使用它很容易出現(xiàn)轉(zhuǎn)義錯誤的問題，所以并不建議使用它轉(zhuǎn)義， 而建議大家自己手動轉(zhuǎn)義 ！ re.purge() 函數(shù)作用就是清除 正則表達式緩存 ，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，我們再來看看具體的案例： 完整教學(xué)視頻代碼獲取后臺私信小編01即可 |
|
|
