1. 首頁 > 生活 > >

python正則表達式應用舉例 正則表達式測試工具代碼

小知識



文章插圖
python正則表達式應用舉例 正則表達式測試工具代碼

文章插圖
大多數編程語言的正則表達式設計都師從Perl，所以語法基本相似，不同的是每種語言都有自己的函數去支持正則，今天我們就來學習 Python中關于 正則表達式的函數 。
re模塊主要定義了9個常量、12個函數、1個異常，每個常量和函數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：為避免出現代碼格式錯亂，豬哥盡量使用代碼截圖演示哦 。
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處理文本的標準庫 。
標準庫的意思表示這是一個Python內置模塊，不需要額外下載，目前Python內置模塊大概有300個 。可以在這里查看Python所有的內置模塊：https://docs.python.org/3/py-modindex.html#cap-r
因為re是內置模塊，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.python.org/zh-cn/3.8/library/re.html
re模塊庫源碼：https://github.com/python/cpython/blob/3.8/Lib/re.py
re模塊常量
常量即表示不可更改的變量，一般用于做標記 。
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，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！
下面我們來快速學習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 。默認模式下.是不能匹配行符n的 。
代碼案例：
在默認匹配模式下.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，當某字符串中有換行符n，默認模式下是不支持換行符特性的，比如：行開頭 和 行結尾，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 。
當一個正則表達式十分復雜的時候，詳細模式或許能為你提供另一種注釋方式，但它不應該成為炫技的手段，建議謹慎考慮后使用！
6.LOCALE
語法：re.LOCALE 或簡寫為 re.L
作用：由當前語言區域決定w,W,b,B和大小寫敏感匹配，這個標記只能對byte樣式有效 。這個標記官方已經不推薦使用，因為語言區域機制很不可靠，它一次只能處理一個 “習慣”，而且只對8位字節有效 。
注意：由于這個標記官方已經不推薦使用，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 默認字符串已經是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)，有了解的同學可以留言告知！
10. 常量總結
9個常量中，前5個（IGNORECASE、ASCII、DOTALL、MULTILINE、VERBOSE）有用處，兩個（LOCALE、UNICODE）官方不建議使用、兩個（TEMPLATE、DEBUG）試驗性功能，不能依賴 。
常量在re常用函數中都可以使用，查看源碼可得知 。
常量可疊加使用，因為常量值都是2的冪次方值，所以是可以疊加使用的，疊加時請使用 |符號，請勿使用+符號！
最后來一張思維導圖總結一下re模塊中的常量吧，需要高清圖或者xmind文件的同學可在文章末尾獲取 。
re模塊函數
re模塊有12個函數，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有3個：search、match、fullmatch，他們的區別分別是：
search： 查找任意位置的匹配項match： 必須從字符串開頭匹配fullmatch： 整個字符串與正則完全匹配
我們再來根據實際的代碼案例比較：
案例1:
案例1中search函數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函數值返回一個 。
而match函數是要從頭開始匹配，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函數就可以匹配啦，而fullmatch函數依然不能完全匹配！
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，現在來看看查找多項吧，查找多項函數主要有：findall函數與finditer函數：
findall： 從字符串任意位置查找，返回一個列表finditer：從字符串任意位置查找，返回一個迭代器
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存中，而迭代器是需要使用時一點一點生成出來的，內存使用更優 。
如果可能存在大量的匹配項的話，建議使用finditer函數，一般情況使用findall函數基本沒啥影響 。
3.分割
re.split(pattern, string, maxsplit=0, flags=0)函數：用pattern分開 string ，maxsplit表示最多進行分割次數，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 ，那這兩個函數該怎么選呢？str.split函數功能簡單，不支持正則分割，而re.split支持正則 。
關于二者的速度如何？ 豬哥實際測試了一下，在相同數據量的情況下使用re.split函數與str.split函數執行次數與執行時間對比圖：
通過上圖對比發現，1000次循環以內str.split函數更快，而循環次數1000次以上后re.split函數明顯更快，而且次數越多差距越大！
所以結論是：在 不需要正則支持 且 數據量和數次不多 的情況下使用str.split函數更合適，反之則使用re.split函數 。
注：具體執行時間與測試數據有關！
4.替換
替換主要有sub函數與subn函數，他們功能類似！
先來看看sub函數的用法：
re.sub(pattern, repl, string, count=0, flags=0)函數參數講解：repl替換掉string中被pattern匹配的字符， count表示最大替換次數，flags表示正則表達式的常量 。
值得注意的是：sub函數中的入參：repl替換內容既可以是字符串，也可以是一個函數哦！如果repl為函數時，只能有一個入參：Match匹配對象 。
re.subn(pattern, repl, string, count=0, flags=0)函數與re.sub函數功能一致，只不過返回一個元組 (字符串, 替換次數) 。
5.編譯正則對象
compile函數 與 template函數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（后面我們會講解Pattern正則對象） 。
而template函數與compile函數類似，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義，但是使用它很容易出現轉義錯誤的問題，所以并不建議使用它轉義，而建議大家自己手動轉義！
re.purge 函數作用就是清除 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：
豬哥在兩個案例之間使用了re.purge函數清除緩存，然后分別比較前后案例源碼里面的緩存，看看是否有變化！
7.總結
同樣，最后來一張思維導圖總結一下re模塊中的函數吧，需要高清圖或者xmind文件的同學可在末尾獲取 。
re模塊異常
re模塊還包含了一個正則表達式的編譯錯誤，當我們給出的正則表達式是一個無效的表達式（就是表達式本身有問題）時，就會raise一個異常！
我們來看看具體的案例吧：
上圖案例中我們可以看到，在編寫正則表達式中我們多寫了一個后括號，這導致執行結果報錯；而且是在其他所有案例執行之前，所以說明是在正則表達式編譯時期就報錯了 。
注意：這個異常一定是 正則表達式 本身是無效的，與要匹配的字符串無關！
正則對象Pattern
關于re模塊的常量、函數、異常我們都講解完畢，但是完全有必要再講講正則對象Pattern 。
1. 與re模塊 函數一致
在re模塊的函數中有一個重要的函數compile函數，這個函數可以預編譯返回一個正則對象，此正則對象擁有與re模塊相同的函數，我們來看看Pattern類的源碼 。
既然是一致的，那到底該用re模塊還是正則對象Pattern？
而且，有些同學可能看過re模塊的源碼，你會發現其實compile函數與 其他re函數（search、split、sub等等） 內部調用的是同一個函數，最終還是調用正則對象的函數！
也就是說下面 兩種代碼寫法底層實現 其實是一致的：
# re函數re.search(pattern, text)# 正則對象函數compile = re.compile(pattern)compile.search(text)那還有必要使用compile函數得到正則對象再去調用search函數嗎？直接調用re.search 是不是就可以？
2. 官方文檔怎么說
關于到底該用re模塊還是正則對象Pattern，官方文檔是否有說明呢？
官方文檔推薦：在多次使用某個正則表達式時推薦使用正則對象Pattern以增加復用性，因為通過re.compile(pattern)編譯后的模塊級函數會被緩存！
3. 實際測試又如何？
上面官方文檔推薦我們在 多次使用某個正則表達式時使用正則對象，那實際情況真的是這樣的嗎？
我們再實測一下吧
豬哥編寫了兩個函數，一個使用re.search函數另一個使用compile.search函數，分別(不同時)循環執行count次(count從1-1萬)，比較兩者的耗時！
得出的結果豬哥繪制成折線圖：
得出的結論是：100次循環以內兩者的速度基本一致，當超出100次后，使用 正則對象Pattern的函數 耗時明顯更短，所以比re模塊要快！
通過實際測試得知：Python 官方文檔推薦 多次使用某個正則表達式時使用正則對象函數 基本屬實！
注意事項
Python 正則表達式知識基本講解完畢，最后稍微給大家提一提需要注意的點 。
1.字節串 與 字符串
模式和被搜索的字符串既可以是 Unicode 字符串 (str) ，也可以是8位字節串 (bytes) 。但是，Unicode 字符串與8位字節串不能混用！
2.r 的作用
正則表達式使用反斜杠（’’）來表示特殊形式，或者把特殊字符轉義成普通字符 。
而反斜杠在普通的 Python 字符串里也有相同的作用，所以就產生了沖突 。
解決辦法是對于正則表達式樣式使用 Python 的原始字符串表示法；在帶有 ‘r’ 前綴的字符串字面值中，反斜杠不必做任何特殊處理 。
3.正則查找函數 返回匹配對象
查找一個匹配項（search、match、fullmatch）的函數返回值都是一個 匹配對象Match，需要通過match.group獲取匹配值，這個很容易忘記 。
另外還需要注意：match.group 與match.groups 函數的差別！
4.重復使用某個正則
如果要重復使用某個正則表達式，推薦先使用 re.compile(pattern)函數返回一個正則對象，然后復用這個正則對象，這樣會更快！
5.Python 正則面試
【python正則表達式應用舉例 正則表達式測試工具代碼】筆試可能會遇到需要使用Python正則表達式，不過不會太難的，大家只要記住那幾個方法的區別，會正確使用，基本問題不大 。