它返回一个元组:
(sub(repl, string[, count]), 替换次数)
元组有两个元素,第一个元素是使用 sub 方法的结果,第二个元素返回原字符串被替换的次数。
看看例子:
事实上,使用 compile 函数生成的 Pattern 对象的一系列方法跟 re 模块的多数函数是对应的,但在使用上有细微差别。
match 函数
match 函数的使用形式如下:
search 函数
search 函数的使用形式如下:
re.search(pattern, string[, flags])
search 函数不能指定字符串的搜索区间,用法跟 Pattern 对象的 search 方法类似。
findall 函数
findall 函数的使用形式如下:
re.findall(pattern, string[, flags])
findall 函数不能指定字符串的搜索区间,用法跟 Pattern 对象的 findall 方法类似。
看看例子:
import re
print re.findall(r'd ', 'hello 12345 789')
# 输出
['12345', '789']
finditer 函数
finditer 函数的使用方法跟 Pattern 的 finditer 方法类似,形式如下:
re.finditer(pattern, string[, flags])
split 函数
split 函数的使用形式如下:
re.split(pattern, string[, maxsplit])
sub 函数
sub 函数的使用形式如下:
re.sub(pattern, repl, string[, count])
subn 函数
subn 函数的使用形式如下:
re.subn(pattern, repl, string[, count])
到底用哪种方式
从上文可以看到,使用 re 模块有两种方式:
使用 re.compile 函数生成一个 Pattern 对象,然后使用 Pattern 对象的一系列方法对文本进行匹配查找;
直接使用 re.match, re.search 和 re.findall 等函数直接对文本匹配查找;
下面,我们用一个例子展示这两种方法。
先看第 1 种用法:
import re
# 将正则表达式先编译成 Pattern 对象
pattern = re.compile(r'd ')
print pattern.match('123, 123')
print pattern.search('234, 234')
print pattern.findall('345, 345')
再看第 2 种用法:
import re
print re.match(r'd ', '123, 123')
print re.search(r'd ', '234, 234')
print re.findall(r'd ', '345, 345')
如果一个正则表达式需要用到多次(比如上面的 d ),在多种场合经常需要被用到,出于效率的考虑,我们应该预先编译该正则表达式,生成一个 Pattern 对象,再使用该对象的一系列方法对需要匹配的文件进行匹配;而如果直接使用 re.match, re.search 等函数,每次传入一个正则表达式,它都会被编译一次,效率就会大打折扣。
因此,我们推荐使用第 1 种用法。
匹配中文
在某些情况下,我们想匹配文本中的汉字,有一点需要注意的是,中文的 unicode 编码范围 主要在 [u4e00-u9fa5],这里说主要是因为这个范围并不完整,比如没有包括全角(中文)标点,不过,在大部分情况下,应该是够用的。
假设现在想把字符串 title = u'你好,hello,世界' 中的中文提取出来,可以这么做:
# -*- coding: utf-8 -*-
import re
title = u'你好,hello,世界'
pattern = re.compile(ur'[\u4e00-\u9fa5] ')
result = pattern.findall(title)
print result
注意到,我们在正则表达式前面加上了两个前缀 ur,其中 r 表示使用原始字符串,u 表示是 unicode 字符串。
执行结果:
[u'\u4f60\u597d', u'\u4e16\u754c']
贪婪匹配
在 Python 中,正则匹配默认是贪婪匹配(在少数语言中可能是非贪婪),也就是匹配尽可能多的字符。
比如,我们想找出字符串中的所有 div 块:
import re
content = 'aa
test1
bb
test2
cc'pattern = re.compile(r'
.*
')result = pattern.findall(content)
print result
执行结果:
['
test1
bb
test2
']由于正则匹配是贪婪匹配,也就是尽可能多的匹配,因此,在成功匹配到第一个
时,它还会向右尝试匹配,查看是否还有更长的可以成功匹配的子串。
如果我们想非贪婪匹配,可以加一个 ?,如下:
import re
content = 'aa
test1
bb
test2
cc'pattern = re.compile(r'
.*?
') # 加上 ?result = pattern.findall(content)
print result
结果:
['
test1
', '
test2
']小结
re 模块的一般使用步骤如下:
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;
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);
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;
Python 的正则匹配默认是贪婪匹配。
“我自己是一名从事了多年开发的Python老程序员,辞职目前在做自己的Python私人定制课程,今年年初我花了一个月整理了一份最适合2019年学习的Python学习干货,从最基础的到各种框架都有整理,送给每一位喜欢Python小伙伴,想要获取的可以关注我的头条号并在后台私信我:01,即可免费获取。