想要使用python的正则表达式功能就需要调用re模块，re模块为高级字符串处理提供了正则表达式工具。模块中提供了不少有用的函数，比如：compile函数、match函数、search函数、findall函数、finditer函数、split函数、sub函数、subn函数等。接下来本文将会介绍这些函数的使用情况，然后通过分析编译流程对比两种re模块的调用方式，之后会介绍其他一些应用正则表达式需要知道的理论知识，最后通过一些经典的实例将之前学习的理论应用于实际。让我们开始正则表达式的学习之旅吧！！！
一、正则函数
re.match函数
功能：re.match尝试从字符串的起始位置匹配一个模式，如果匹配成功则返回一个匹配的对象，如果不是起始位置匹配成功的话，match就返回none。
语法：re.match(pattern,string,flags=0)
例子：
import re s = '12abc345ab' m = re.match(r'd+', s) print(m.group()) # 12 match只能匹配一次，group()返回匹配的完整字符串 print(m.span()) # (0, 2) span()返回起始、结束位置的元组，顾头不顾尾 m = re.match(r'd{3,}', s) print(m) # None {3,}规定了匹配最少3个字符，match从起始位置匹配，匹配不到3个字符，返回None
注：例子中涉及部分还未讲解的知识，若例子未看懂，可以将下面内容都看完后再回过头来看。
re.search函数
功能：re.search 扫描整个字符串并返回第一个成功的匹配，如果匹配成功re.search方法返回一个匹配的对象，否则返回None。
语法：re.search(pattern, string, flags=0)
例子：
import re s = '12abc345ab' m = re.search(r'd{3,}', s) # search与match相比的优势，匹配了整个字符串，而match只从起始位置匹配 print(m.group()) # 345 print(m.span()) # (5, 8) m = re.search(r'd+', s) # search与match一样，只匹配一次 print(m.group()) # 12
re.sub函数
功能：re.sub用于替换字符串中的匹配项。
语法：re.sub(pattern, repl, string, count=0, flags=0)
repl参数可以是替换的字符串，也可以是一个函数。
- 如果repl是字符串，那么就会去替换字符串匹配的子串，返回替换后的字符串；
- 如果repl是函数，定义的函数只能有一个参数（匹配的对象），并返回替换后的字符串。
例子：
import re phone = '2004-959-559 # 这是一个外国电话号码' # 删除字符串中的Python注释 num = re.sub(r'#.*$', '', phone) # .*表示匹配除了换行符之外的0个或多个字符，$表示匹配到字符末尾 print(num) # 2004-959-559 # 删除非数字的字符串 num = re.sub(r'D', '', phone) # D表示匹配非数字字符，相当于[^0-9] print(num) # 2004959559
count可指定替换次数，不指定时全部替换。例如：
import re s = 'abc,123,ef' s1 = re.sub(r'[a-z]+', '*', s) print(s1) # *,123,* s2 = re.sub(r'[a-z]+', '*', s, count=1) print(s2) # *,123,ef
repl可以为一个函数。例如：
import re # 调用函数对每一个字符进行替换，得到了不同的替换结果 def more(matched): print(matched.group()) return '*' * len(matched.group()) s = 'abc,123,ef' s1 = re.sub(r'[a-z]+', more, s) print(s1) """ abc ef ***,123,** """
re.subn函数
功能：和sub函数差不多，但是返回结果不同，返回一个元组"（新字符串，替换次数）"
例子：
import re s = 'abc,123,ef' s1 = re.subn(r'[a-z]+', '*', s) print(s1) # ('*,123,*', 2) s2 = re.subn(r'[a-z]+', '*', s, count=1) print(s2) # ('*,123,ef', 1)
re.compile函数
功能：compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。如果匹配成功则返回一个Match对象。
语法：re.compile(pattern[, flags])
注：compilte函数调用情况比较复杂，下面会有一节专门讲解。
re.findall函数
功能：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，如果没有找到匹配的，则返回空列表。
语法：findall(string[, pos[, endpos]])
例子：
import re s = '123abc345ab' ms = re.findall(r'd+', s) # findall匹配所有字符，而match和search只能匹配一次 print(ms) # ['123', '345'] ms = re.findall(r'd{5}', s) # {5}表示匹配5个字符，没有匹配到，返回空列表 print(ms) # []
re.finditer函数
功能：在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。
语法：re.finditer(pattern, string, flags=0)
例子：
import re s = '12abc345ab' for m in re.finditer(r'd+', s): print(m.group())
re.split函数
功能：split 方法用pattern做分隔符切分字符串，分割后返回列表。如果用’(pattern)’，那么分隔符也会返回。
语法：re.split(pattern, string[, maxsplit=0, flags=0])
例子：
import re m = re.split(r'W+', 'dog,dog,dog.') # W表示匹配非字母数字下划线 print(m) # ['dog', 'dog', 'dog', ''] m = re.split(r'(W+)', 'dog,dog,dog.') # 使用'(pattern)'，连带分隔符一起返回 print(m) # ['dog', ',', 'dog', ',', 'dog', '.', ''] m = re.split(r'W+', 'dog,dog,dog.', maxsplit=1) # 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数 print(m) # ['dog', 'dog,dog.']
小结
1 函数辨析：match和search的区别
re.match 只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；
re.search 匹配整个字符串，直到找到一个匹配。
2 函数辨析：3个匹配函数match、search、findall
match 和 search 只匹配一次 ，匹配不到返回 None，findall 查找所有匹配结果。
3 函数返回值
函数re.finditer、re.match 和 re.search 返回匹配对象，而 findall、split 返回列表。
4 re.compile函数是个谜。
二、compile函数
re模块的使用一般有两种方式：
方法1：
直接使用上面介绍的 re.match, re.search 和 re.findall 等函数对文本进行匹配查找。
方法2：
（1）使用compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象；
（2）通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）；
（3）最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作。
接下来重点介绍一下compile函数。
re.compile函数 用于编译正则表达式，生成一个Pattern对象，调用形式如下：
re.compile(pattern[, flag])
其中，pattern是一个字符串形式的正则表达式，flag是一个可选参数（下一节具体讲解）。
例子：
import re # 将正则表达式编译成Pattern对象 pattern = re.compile(r'd+')
利用Pattern对象可以调用前面提到的一系列函数进行文本匹配查找了，但是这些函数的调用与之前有一些小差别。
1. match函数
使用语法：
（1）re.match(pattern, string[, flags])
这个之前讲解过了。
（2）Pattern对象：match(string[, pos[, endpos]])
其中，string 是待匹配的字符串，pos 和 endpos 是可选参数，指定字符串的起始和终点位置，默认值分别是 0 和 len (字符串长度)。因此，当不指定 pos 和 endpos 时，match 方法默认匹配字符串的头部。当匹配成功时，返回一个 Match 对象，如果没有匹配上，则返回 None。
import re # 将正则表达式编译成Pattern对象 pattern = re.compile(r'd+') m = pattern.match('one12twothree34four') # 这种情况下和re.match一样 print(m) # None m = pattern.match('one12twothree34four', 3, 15) print(m) # 返回一个Match对象 <re.Match object; span=(3, 5), match='12'>
当匹配成功时会返回一个Match对象，其中：
- group([0, 1, 2,…]): 可返回一个或多个分组匹配的字符串，若要返回匹配的全部字符串，可以使用group()或group(0)。
- start(): 匹配的开始位置。
- end(): 匹配的结束位置。
- span(): 包含起始、结束位置的元组。等价于(start(), end())。
- groups(): 返回分组信息。等价于(m.group(1), m.group(2))。
- groupdict(): 返回命名分组信息。
import re
pattern = re.compile(r"([a-z]+) ([a-z]+)", re.I) # re.I表示忽略大小写，()表示一个分组
m = pattern.match(‘hello nice world’)
print(m.groups()) # (‘hello’, ‘nice’)
print(m.group(0)) # hello nice
print(m.span(0)) # (0, 10)
print(m.start(0)) # 0
print(m.end(0)) # 10
print(’----’)
print(m.group(1)) # hello
print(m.span(1)) # (0, 5)
print(m.start(1)) # 0
print(m.end(1)) # 5
print(’----’)
print(m.group(2)) # nice
print(m.span(2)) # (6, 10)
print(m.start(2)) # 6
print(m.end(2)) # 10
