Python正则表达式re模块核心用法与API详解

在编写代码时，正则表达式是处理文本的强力工具，但许多开发者在使用中常感到不够熟练，尤其是长时间未使用后容易遗忘。因此，本文旨在重新梳理并复习Python中正则表达式模块re的具体用法，帮助读者巩固相关知识。

正则修饰符与基础模式解析

鉴于本文侧重于回顾与复习，基础概念将不再赘述，首先从正则表达式中的修饰符及其具体功能开始介绍。

修饰符

• re.I：忽略大小写匹配 • re.L：依据本地化设置进行匹配 • re.M：多行匹配，主要影响^和$锚点 • re.S：使点号（.）能匹配包括换行符在内的所有字符 • re.U：根据Unicode字符集解析字符，影响\w、\W、\b、\B等元字符的行为 • re.X：允许更灵活的格式，使正则表达式更易读和理解

模式

• ^：匹配字符串开头 • $：匹配字符串结尾 • .：匹配除换行符外的任意字符；若指定re.DOTALL标记，则可匹配包括换行符在内的任意字符 • [...]：字符集，匹配方括号内的任一字符，如[amk]匹配a、m或k • [^...]：否定字符集，匹配不在方括号内的字符，如[^amk]匹配除a、m、k外的字符 • re*：匹配0个或多个前面的表达式 • re+：匹配1个或多个前面的表达式 • re?：匹配0个或1个前面的表达式，采用非贪婪模式 • re{n}：精确匹配n个前面的表达式 • re{n,}：匹配大于或等于n个前面的表达式 • re{n,m}：匹配n到m个前面的表达式，采用贪婪模式 • a|b：匹配a或b • (re)：对正则表达式分组，并捕获匹配的文本 • (?imx)：在括号内启用三种可选标志imx，仅影响括号区域 • (?-imx)：在括号内关闭imx可选标志，仅影响括号区域 • (?:re)：类似(...)但不创建捕获组 • (?imx:re)：在括号内使用imx可选标志 • (?-imx:re)：在括号内不使用imx可选标志 • (?#...)：注释 • (?=re)：前向肯定界定符。若括号内的正则表达式在当前位置成功匹配，则整体匹配成功；否则失败。匹配引擎不会回溯，继续尝试界定符右侧部分 • (?!re)：前向否定界定符。与肯定界定符相反，当括号内表达式在当前位置无法匹配成功时，整体匹配成功 • (?>re)：独立匹配模式，省去回溯过程 • \w：匹配字母、数字及下划线 • \W：匹配非字母、数字及下划线字符 • \s：匹配任意空白字符，等价于[\t\n\r\f] • \S：匹配任意非空白字符 • \d：匹配任意数字 • \D：匹配任意非数字字符 • \A：匹配字符串开始（与^类似，但不受多行模式影响） • \Z：匹配字符串结束；若存在换行符，仅匹配到换行符前的位置 • \z：严格匹配字符串结束 • \G：匹配最后匹配完成的位置 • \b：匹配单词边界，即单词与空格之间的位置 • \B：匹配非单词边界 • \n \t：分别匹配换行符和制表符 • \1...\9：匹配第n个分组的内容

上述内容是正则表达式中常用的模式，其中绝大部分应当熟记于心，以便在实际开发中快速应用。

re模块核心方法详解

接下来，我们将详细探讨re模块提供的一系列核心方法及其使用场景。

re.compile

该方法用于生成一个正则表达式对象，其第一个参数为正则字符串，第二个参数为修饰符（如re.I、re.S等）。

通过上述方法生成的正则对象具备多种方法，包括match、findall、finditer和search等，具体用法将在后续内容中逐一展开。

re.match

match方法从给定字符串的开头开始尝试匹配，且仅匹配一次。这意味着如果字符串的起始部分与正则表达式的第一个字符不匹配，则直接判定为匹配失败。

该方法的参数包括pattern、string和flags。

• pattern：即正则字符串。若通过re.compile方法生成的正则对象调用match，则无需此参数，因为正则对象本身已代表匹配模式。

• string：目标字符串，即需要进行匹配处理的文本。

• flags：正则修饰符，例如re.I，用于控制匹配行为。

若match匹配失败，返回None；若匹配成功，则返回一个match对象。

match对象包含若干常用方法，如span、group和groups等： • span：返回一个二元组，分别表示匹配字符串在目标字符串中的起始下标和结束下标 • group：接受一个整数参数，参数为0时返回正则匹配的整体字符串，参数为1时返回第一个分组匹配的内容，参数为2时返回第二个分组内容，依此类推 • groups：返回由所有group函数结果组成的元组

re.search：全局单次匹配

re.search

search函数与match函数类似，主要区别在于：match仅在字符串开头尝试匹配一次；而search会在整个目标字符串中尝试匹配一次，一旦找到第一个成功匹配即停止，不再继续后续匹配。

search方法同样返回一个match对象，其用法和属性与match方法返回的结果一致。

re.split：字符串分割与分组保留

re.split

split函数用于分割字符串。其功能是根据匹配的正则表达式对目标字符串进行分割，并返回一个列表。

需要注意的是，如果正则表达式中包含分组（括号），则分组内的字符会保留在结果列表中；而未包含在分组中的字符则不会单独作为列表元素保留。具体含义可通过以下示例理解：

st = 'www.baidu.com www.taobao.com'
result = re.split('bai(du)', st)
print(result)

结果：

['www.', 'du', '.com www.taobao.com']

从结果可见，字符串‘du'被括号包围，因此在结果列表中保留了‘du'这一元素；而‘bai'未被括号包围，故在结果列表中不单独出现。

re.findall与re.finditer：获取所有匹配结果

re.findall

该函数是爬虫项目中使用频率极高的方法，它能将所有匹配的结果以列表形式返回，而非像match和search那样仅返回第一个匹配结果。具体用法如下：

st = 'www.baidu.com www.taobao.com'
result = re.findall(r'www\.(\w*)\.(com)', st)
print(result)
[('baidu', 'com'), ('taobao', 'com')]
re.finditer

此函数功能与findall相似，不同之处在于它返回的是一个生成器，生成器中的每一项均为一个match对象。具体示例如下：

st = 'www.baidu.com www.taobao.com'
result = re.finditer(r'www\.(\w*)\.(com)', st)
print(result.__next__().group(0, 1, 2))
print(next(result).groups(2))
('www.baidu.com', 'baidu', 'com')
('taobao', 'com')
re.sub

re.sub：字符串替换与函数回调

该函数用于字符串替换，可将匹配到的字符串替换为指定的字符串。具体用法如下：

st = 'www.111.com www.222.com'
result = re.sub(r'\d+', 'OK', st)
print(result)

结果：

www.OK.com www.OK.com

替换函数的第二个参数除了可以是固定字符串外，还可以是一个函数。具体示例如下：

def toOK(matched):
  value = matched.group()
  return str(int(value)*2)
st = 'www.111.com www.222.com'
result = re.sub(r'\d+', toOK, st)
print(result)

结果：

www.222.com www.444.com

总结

以上介绍了Python中正则表达式模块re的核心用法，希望能为读者提供实际帮助。如有任何疑问，欢迎留言交流，小编将及时回复。感谢大家对本站的支持！ 若本文对您有所帮助，欢迎转载，请注明出处，谢谢！