Python3（30） 正则表达式
在 Python 编程中，正则表达式是处理文本的强大武器，它能高效地进行模式匹配、搜索和替换操作。这篇博客将通过代码示例深入学习 Python3 正则表达式的相关知识，方便日后复习回顾。
一、正则表达式基础概念
1.1 什么是正则表达式
正则表达式是一种特殊的字符序列，用于描述文本的模式。在 Python 中，借助re模块可以使用正则表达式来处理文本。比如，想要在一段文本中查找所有的数字，就可以使用正则表达式\d+来匹配一个或多个数字字符。
1.2 正则表达式的基本语法
- 字符匹配：普通字符（如字母、数字）直接匹配自身。例如，正则表达式
python能精确匹配字符串python。 - 字符类：使用方括号
[]定义字符类，匹配其中任意一个字符。比如[Pp]ython可以匹配Python或python；[0-9]匹配任意一个数字；[a-zA-Z]匹配任意一个字母。 - 特殊字符类：
\d：匹配一个数字字符，等价于[0-9]。\D：匹配一个非数字字符，等价于[^0-9]。\s：匹配任何空白字符，包括空格、制表符、换页符等，等价于[ \f\n\r\t\v]。\S：匹配任何非空白字符，等价于[^ \f\n\r\t\v]。\w：匹配包括下划线的任何单词字符，等价于[A-Za-z0-9_]。\W：匹配任何非单词字符，等价于[^A-Za-z0-9_]。
二、re 模块的常用函数
2.1 re.match 函数
re.match尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功，就返回None。
import re
match_result = re.match(r'www', 'www.runoob.com')
if match_result:print(f"匹配成功，起始位置: {match_result.start()}，结束位置: {match_result.end()}")
else:print("匹配失败")
在这个例子中，r'www'是正则表达式模式，'www.runoob.com'是待匹配的字符串。如果匹配成功，可以通过match_result的start()和end()方法获取匹配的起始和结束位置。
2.2 re.search 函数
re.search扫描整个字符串并返回第一个成功的匹配。
import re
search_result = re.search(r'com', 'www.runoob.com')
if search_result:print(f"匹配成功，起始位置: {search_result.start()}，结束位置: {search_result.end()}")
else:print("匹配失败")
与re.match不同，re.search会在整个字符串中查找匹配项，而不仅仅从起始位置开始。
2.3 re.findall 函数
re.findall在字符串中找到正则表达式所匹配的所有子串，并返回一个列表。如果有多个匹配模式，则返回元组列表。
import re
findall_result = re.findall(r'\d+', 'runoob 123 google 456')
print(findall_result)
上述代码使用\d+匹配一个或多个数字字符，re.findall函数会找到字符串中所有符合该模式的子串，并返回列表['123', '456']。
2.4 re.finditer 函数
re.finditer和re.findall类似，也是在字符串中找到正则表达式所匹配的所有子串，但它返回的是一个迭代器。
import re
finditer_result = re.finditer(r'\d+', '12a32bc43jf3')
for match in finditer_result:print(match.group())
通过迭代re.finditer返回的迭代器，可以逐个获取匹配的子串。
2.5 re.sub 函数
re.sub用于替换字符串中的匹配项。
import re
phone = "2004-959-559 # 这是一个电话号码"
new_phone = re.sub(r'#.*$', "", phone)
print(new_phone)
在这个例子中，r'#.*$'表示匹配从#开始到字符串末尾的内容，re.sub函数将匹配到的内容替换为空字符串，从而删除了电话号码中的注释部分。
2.6 re.split 函数
re.split按照能够匹配的子串将字符串分割后返回列表。
import re
split_result = re.split(r'\W+', 'runoob, runoob, runoob.')
print(split_result)
这里\W+表示匹配一个或多个非单词字符，re.split函数根据这个模式将字符串分割成多个部分，并返回列表['runoob', 'runoob', 'runoob', '']。
三、正则表达式修饰符
正则表达式修饰符可以控制匹配的方式，多个修饰符可以通过按位或（|）组合使用。
3.1 re.IGNORECASE（或 re.I）
使匹配对大小写不敏感。
import re
pattern = re.compile(r'apple', flags=re.IGNORECASE)
match_result = pattern.match('Apple')
if match_result:print(match_result.group())
在这个例子中，即使字符串'Apple'的首字母大写，由于使用了re.IGNORECASE修饰符，依然能匹配成功。
3.2 re.MULTILINE（或 re.M）
多行匹配，影响^和$的行为，使它们匹配字符串每一行的开头和结尾。
import re
pattern = re.compile(r'^\d+', flags=re.MULTILINE)
text = '123\n456\n789'
findall_result = pattern.findall(text)
print(findall_result)
在多行文本中，^原本只匹配字符串的开头，但使用re.MULTILINE修饰符后，它会匹配每一行的开头，因此返回['123', '456', '789']。
3.3 re.DOTALL（或 re.S）
使.匹配包括换行符在内的任意字符。
import re
pattern = re.compile(r'a.b', flags=re.DOTALL)
match_result = pattern.match('a\nb')
if match_result:print(match_result.group())
正常情况下，.不匹配换行符，但使用re.DOTALL修饰符后，它可以匹配a和b之间的换行符。
四、编译正则表达式
使用re.compile函数可以编译正则表达式，生成一个正则表达式（Pattern）对象，供match()和search()等函数使用。这在需要多次使用同一个正则表达式时能提高效率。
import re
pattern = re.compile(r'\d+')
match_result = pattern.match('one12twothree34four', 3, 10)
if match_result:print(match_result.group())
在上述代码中，先使用re.compile编译正则表达式\d+，得到Pattern对象pattern，然后使用pattern.match进行匹配操作。
五、总结
Python3 的re模块结合正则表达式，为文本处理提供了强大而灵活的工具。通过掌握正则表达式的基本语法、re模块的常用函数、修饰符以及编译正则表达式的方法，可以高效地处理各种文本匹配、搜索和替换任务。在实际编程中，应根据具体需求合理运用这些知识，编写简洁、高效的文本处理代码。希望这篇博客能帮助你更好地复习和巩固 Python3 正则表达式的相关知识，在文本处理场景中灵活运用。