Python语言在文本处理方面是很强大的，得益于有re这样强大的模块，re模块是用于处理文本的超级强大的工具，当然了，其他语言可能也提供了正则表达式的模块，但是个人感觉python的re模块做的是非常好的，希望对大家学习Python语言有所帮助。

当然了，外行会问了，正则表达式是做什么的呀？听起来玄乎其神的，说白了就是，给你一个很大的文本文件，让你在里面找符合一定规律的语句，你怎么找呢？比如让你找一个这样的语句：ABCDabcd，你也许会说直接用str类的查找就好了，好，那我问你如果让你查找一个这样的呢ABCD???abcd，其中的问号表示任意的一个数字，也就是（ABCD三个数字abcd）这样的形式呢？难倒你了吧，哈哈哈，现在使用正则表达式处理这样的问题就妥妥的啦

简单介绍一下，使用正则表达式的流程：

A， 初始化一个正则表达式引擎

B， 使用这个引擎在给定的文本里面查找符合条件的结果

先来看一下re模块的语法吧，见下图：

re中的函数：

re.compile(pattern, flags=0)

返回一个正则表达式对象，下面两种写法的作用是等价的：

写法1：

prog = re.compile(pattern)

result = prog.match(string)

写法2：

result = re.match(pattern, string)

re.match(pattern, string, flags=0)

从string的开头进行匹配，如果开头没有匹配成功，则返回None，如果匹配成功，返回且仅仅返回第一个match object（一会再介绍match object的用法）

re.search(pattern, string, flags=0)

扫描整个string，如果没有匹配，返回None，否则仅仅返回第一个成功匹配的matchobject

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

通过正则表达式将字符串分离。如果用括号将正则表达式括起来，那么匹配的字符串也会被列入到list中返回。maxsplit是分离的次数，maxsplit=1分离一次，默认为0，不限制次数。

示例：

>>> re.split('\W+', 'Words, words, words.')

['Words', 'words', 'words', '']

>>> re.split('(\W+)', 'Words, words, words.')

['Words', ', ', 'words', ', ', 'words', '.', '']

>>> re.split('\W+', 'Words, words, words.', 1)

['Words', 'words, words.']

>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)

['0', '3', '9']

也许你可能看起来比较吃力，提示一下：\W表示非单词字符，+号表示匹配前一个字符1次或多次，这样理解起来就容易一些了吧，还有，如果在字符串的开始或结尾就匹配，返回的list将会以空串开始或结尾，如果字符串不能匹配，将会返回整个字符串的list。

re.findall(pattern, string, flags=0)

找到RE 匹配的所有子串，并把它们作为一个列表返回。这个匹配是从左到右有序地返回。如果无匹配，返回空列表（个人觉得这个函数是最常用的）

re.finditer(pattern, string, flags=0)

搜索string，返回一个顺序访问每个匹配结果（matchobject）的迭代器

示例：

import re

p = re.compile(r'\d+')

for m in p.finditer('one1two2three3four4'):

print(m.group(),end=’’)

### output ###

# 1 2 3 4

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

使用repl替换string中每一个匹配的子串后返回替换后的字符串。 

当repl是一个字符串时，可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。 

当repl是一个方法时，这个方法应当只接受一个参数（Match对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。 

count用于指定最多替换次数，不指定时全部替换。

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

实现的功能跟sub()函数是一样的，但是返回的结果是(new_string,number_of_subs_made)

match object：

匹配对象，这个是match()，search()，finditer()函数返回的值。

属性：

string: 匹配时使用的文本。

re: 匹配时使用的Pattern对象。

pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。

lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。

lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。

方法：

group([group1, …]): 

获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。

groups([default]):

以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。

groupdict([default]): 

返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。

start([group]): 

返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。

end([group]):   

返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。

span([group]): 

返回(start(group), end(group))。

expand(template): 

将匹配到的分组代入template中然后返回。template中可以使用\id或\g<id>、\g<name>引用分组，但不能使用编号0。\id与\g<id>是等价的；但\10将被认为是第10个分组，如果你想表达\1之后是字符'0'，只能使用\g<1>0。

本文由职坐标整理并发布，了解更多内容，请关注职坐标编程语言Python频道！