Python內建模組之 re庫

　　十三、Python內建模組之 re庫，介紹正規表示式初階用法

　　13.1 re 庫的應用

　　re 庫是 Python 中處理正規表示式的標準庫，本篇部落格介紹 re 庫的同時，會簡單介紹一下正規表示式語法，如果想深入學習正規表示式，還需要好好下一番功夫。

　　13.1.1 正規表示式語法

　　正規表示式語法由字元和運算子構成，初期階段掌握下述這些內容即可。

　　運算子說明例子

　　.任何單個字元，極少不能匹配

　　[]字符集，對單個字元給出取值範圍[abc] 表示匹配 a、b、c，[a-z] 表示 a 到 z 單個字元

　　[^]非字符集，對單個字元給出排除範圍[^abc] 表示匹配 非 a、非 b、非 c 的單個字元

　　*前一個字元 0 次或無限次擴充套件abc* 表示 ab、abc、abcc、abccc 等

　　+前一個字元 1 次或無限次擴充套件abc+ 表示 abc、abcc、abccc 等

　　?前一個字元 0 次或 1 次abc? 表示 ab、abc

　　|左右表示式任意一個abc|def 表示 abc 或者 def

　　{m}擴充套件前 1 個字元 m 次ab{2}c，表示 abbc

　　{m,n}擴充套件前 1 個字元 m 到 n 次ab{1,2}c，表示 abc、abbc

　　^匹配字串開頭^abc 表示 abc 在字串開頭

　　$匹配字串結尾abc$ 表示 abc 在字串結尾

　　()分組標記，內部僅能使用 | 運算子(abc) 表示 abc，(a

　　\d數字，等價於 [0-9]

　　\w字元，等價於 [A-Za-z0-9]

　　以上表示僅僅為正則表達最基礎部分內容，如果希望深入研究正規表示式，建議尋找更加全面的資料進行學習，本文只做藥引。

　　13.1.2 re 庫基本用法

　　re 庫主要函式如下：

　　基礎函式：compile;

　　功能函式：search、match、findall、split、finditer、sub。

　　在正式學習之前，先了解一下原生字串。

　　在 Python 中，表示原生字串，需要在字串前面加上 r。

　　例如 my_str = 'i'am xiangpica' 在程式中會直接報錯，如果希望字串中 ' 可以正常執行，需要加上轉移字元 \，修改為 my_str = 'i\'am xiangpica'。

　　但這樣結合上文正規表示式中的運算子，就會出現問題，因為 \ 在正規表示式中是有真實含義的，如果你使用 re 庫去匹配字串中的 \，那需要使用 4 個反斜槓，為了避免這種情況出現，引入了原生字串概念。

　　# 不使用原生字串的正規表示式 "\\\\"

　　# 使用原生字串的正規表示式 r"\\"

　　在後文會有實際的應用。

　　接下來在學習一個案例，例如下述程式碼：

　　my_str='C:\number'

　　print(my_str)

　　C:

　　umber

　　本段程式碼的輸出效果如下，\n 被解析成了換行，如果想要遮蔽這種現象，使用 r 即可：

　　my_str=r'C:\number'

　　print(my_str)

　　輸出 C:\number。

　　13.2 re 庫相關函式說明

　　13.2.1 re.search 函式

　　該函式用於，在字串中搜尋正規表示式匹配到的第一個位置的值，返回 match 物件。

　　函式原型如下：

　　re.search(pattern,string,flags=0)

　　需求：在字串 夢想橡皮擦 good good 中匹配 橡皮擦。

　　import re

　　my_str='夢想橡皮擦 good good'

　　pattern = r'橡皮擦'

　　ret = re.search(pattern,my_str)

　　print(ret)

　　返回結果：。

　　search 函式的第三個引數 flags 表示正規表示式使用時的控制標記。

　　re.I，re.IGNORECASE：忽略正規表示式的大小寫;

　　re.M，re.MULTILINE：正規表示式中的 ^ 運算子能夠將給定字串的每行當做匹配的開始;

　　re.S，re.DOTALL：正規表示式中的 . 運算子能夠匹配所有字元。

　　最後將匹配到的字串進行輸出，使用下述程式碼即可實現。

　　import re

　　my_str = '夢想橡皮擦 good good'

　　pattern = r'橡皮擦'

　　ret = re.search(pattern, my_str)

　　if ret:

　　print(ret.group(0))

　　13.2.2 re.match 函式

　　該函式用於在目標字串開始位置去匹配正規表示式，返回 match 物件，未匹配成功返回 None，函式原型如下：

　　re.match(pattern,string,flags=0)

　　一定要注意是目標字串開始位置。

　　import re

　　my_str = '夢想橡皮擦 good good'

　　pattern = r'夢' # 匹配到資料

　　pattern = r'good' # 匹配不到資料

　　ret = re.match(pattern, my_str)

　　if ret:

　　print(ret.group(0))

　　re.match 和 re.search 方法都是一次最多返回一個匹配物件，如果希望返回多個值，可以透過在 pattern 里加括號構造匹配組返回多個字串。

　　13.2.3 re.findall 函式

　　該函式用於搜尋字串，以列表格式返回全部匹配到的字串，函式原型如下：

　　re.findall(pattern,string,flags=0)

　　測試程式碼如下：

　　import re

　　my_str = '夢想橡皮擦 good good'

　　pattern = r'good'

　　ret = re.findall(pattern, my_str)

　　print(ret)

　　13.2.4 re.split 函式

　　該函式將一個字串按照正規表示式匹配結果進行分割，返回一個列表。

　　函式原型如下：

　　re.split(pattern, string, maxsplit=0, flags=0)

　　re.split 函式進行分割的時候，如果正規表示式匹配到的字元恰好在字串開頭或者結尾，返回分割後的字串列表首尾都多了空格，需要手動去除，例如下述程式碼：

　　import re

　　my_str = '1夢想橡皮擦1good1good1'

　　pattern = r'\d'

　　ret = re.split(pattern, my_str)

　　print(ret)

　　執行結果：

　　['', '夢想橡皮擦', 'good', 'good', '']

　　切換為中間的內容，則能正確的分割字串。

　　import re

　　my_str = '1夢想橡皮擦1good1good1'

　　pattern = r'good'

　　ret = re.split(pattern, my_str)

　　print(ret)

　　如果在 pattern 中捕獲到括號，那括號中匹配到的結果也會在返回的列表中。

　　import re

　　my_str = '1夢想橡皮擦1good1good1'

　　pattern = r'(good)'

　　ret = re.split(pattern, my_str)

　　print(ret)

　　執行結果，你可以對比帶括號和不帶括號的區別進行學習：

　　['1夢想橡皮擦1', 'good', '1', 'good', '1']

　　maxsplit 參數列示最多進行分割次數， 剩下的字元全部返回到列表的最後一個元素，例如設定匹配 1 次，得到的結果是 ['1夢想橡皮擦1', '1good1']。

　　13.2.5 re.finditer 函式

　　搜尋字串，並返回一個匹配結果的迭代器，每個迭代元素都是 match 物件。函式原型如下：

　　re.finditer(pattern,string,flags=0)

　　測試程式碼如下：

　　import re 大連婦科醫院哪家好

　　my_str = '1夢想橡皮擦1good1good1'

　　pattern = r'good'

　　# ret = re.split(pattern, my_str,maxsplit=1)

　　ret =re.finditer(pattern, my_str)

　　print(ret)

　　13.2.6 re.sub 函式

　　在一個字串中替換被正規表示式匹配到的字串，返回替換後的字串，函式原型如下：

　　re.sub(pattern,repl,string,count=0,flags=0)

　　其中 repl 引數是替換匹配字串的字串，count 引數是匹配的最大替換次數。

　　import re

　　my_str = '1夢想橡皮擦1good1good1'

　　pattern = r'good'

　　ret = re.sub(pattern, "nice", my_str)

　　print(ret)

　　執行之後，得到替換之後的字串：

　　1夢想橡皮擦1nice1nice1

　　13.2.7 re 庫其它函式

　　其它比較常見的函式有：re.fullmatch()，re.subn()，re.escape()，更多內容可以查閱 官方文件，獲取一手資料。

　　13.3 re 庫的物件導向寫法

　　上文都是函式式寫法，re 庫可以採用物件導向的寫法，將正規表示式進行編譯之後，多次操作。核心用到的函式是 re.compile。

　　該函式原型如下：

　　regex = re.compile(pattern,flags=0)

　　其中 pattern 是正規表示式字串或者原生字串。

　　測試程式碼如下：

　　import re

　　my_str = '1夢想橡皮擦1good1good1'

　　# 正則物件

　　regex = re.compile(pattern = r'good')

　　ret = regex.sub("nice", my_str)

　　print(ret)

　　上述程式碼將正規表示式編譯為一個正則物件，後面在 regex.sub 函式中就不需要在寫正規表示式了，使用時，只需要將編譯好的 regex 物件替換所有的 re 物件，再去呼叫對應的方法。

　　13.4 re 庫的 match 物件

　　使用 re 庫匹配字串之後，會返回 match 物件，該物件具備以下屬性和方法。

　　13.4.1 match 物件的屬性

　　.string：待匹配的文字;

　　.re：匹配時使用的 pattern 物件;

　　.pos：正規表示式搜尋文字的開始位置;

　　.endpos：正規表示式搜尋文字的結束位置。

　　測試程式碼如下：

　　import re

　　my_str = '1夢想橡皮擦1good1good1'

　　regex = re.compile(pattern = r'g\w+d')

　　ret = regex.search(my_str)

　　print(ret)

　　print(ret.string)

　　print(ret.re)

　　print(ret.pos)

　　print(ret.endpos)

　　結果輸出：

　　1夢想橡皮擦1good1good1

　　re.compile('g\\w+d')

　　0

　　17

　　13.4.2 match 物件的方法

　　.group(0)：獲取匹配後的字串;

　　.start()：匹配字串在原始字串的開始位置;

　　.end()：匹配字串在原始字串的結尾位置;

　　.span()：返回(.start(),.end())

　　因為內容比較簡單，具體程式碼不再展示。