上一篇：Python3 如何優雅地使用正則表示式（詳解一）

使用正則表示式

現在我們開始來寫一些簡單的正則表示式吧。Python 通過 re 模組為正則表示式引擎提供一個介面，同時允許你將正則表示式編譯成模式物件，並用它們來進行匹配。

解釋：re 模組是使用 C 語言編寫，所以效率比你用普通的字串方法要高得多；將正則表示式進行編譯（compile）也是為了進一步提高效率；後邊我們會經常提到“模式”，指的就是正則表示式被編譯成的模式物件。

編譯正則表示式

正則表示式被編譯為模式物件，該物件擁有各種方法供你操作字串，如查詢模式匹配或者執行字串替換。

>>> import re
>>> p = re.compile('ab*')
>>> p  
<_sre.SRE_Pattern object at 0x...>
 

re.compile() 也可以接受 flags 引數，用於開啟各種特殊功能和語法變化，我們會在後邊一一介紹。

現在我們先來看個簡單的例子：

>>> p = re.compile('ab*', re.IGNORECASE)

正則表示式作為一個字串引數傳給 re.compile()。由於正則表示式並不是 Python 的核心部分，因此沒有為它提供特殊的語法支援，所以正則表示式只能以字串的形式表示。（有些應用根本就不需要使用到正則表示式，所以 Python 社群的小夥伴們認為沒有必要將其納入 Python 的核心。）相反，re 模組僅僅是作為 C 的擴充套件模組包含在 Python 中，就像 socket 模組和 zlib 模組。

麻煩的反斜槓

上一篇中我們已經提到了，正則表示式使用 '\' 字元來使得一些普通的字元擁有特殊的能力（例如 \d 表示匹配任何十進位制數字），或者剝奪一些特殊字元的能力（例如 \[ 表示匹配左方括號 '['）。這會跟 Python 字串中實現相同功能的字元發生衝突。

解釋：挺拗口，接著看例子你就懂了~

現在的情況是，你需要在 LaTeX 檔案中使用正則表示式匹配字串 '\section'。因為反斜槓作為需要匹配的特殊字元，所以你需要再它前邊加多一個反斜槓來剝奪它的特殊功能。所以我們會把正則表示式的字元寫成 '\\section'。

簡而言之，為了匹配反斜槓這個字元，我們需要在字串中使用四個反斜槓才行。所以，在正則表示式中頻繁地使用反斜槓，會造成反斜槓風暴，進而導致你的字串極其難懂。

解決方法是使用 Python 的原始字串來表示正則表示式（就是在字串前邊加上 r，大家還記得吧...）：
 

解釋：強烈建議使用原始字串來表達正則表示式。

實現匹配

當你將正則表示式編譯之後，你就得到一個模式物件。那你拿他可以用來做什麼呢？模式物件擁有很多方法和屬性，我們下邊列舉最重要的幾個來講：
 

如果沒有找到任何匹配的話，match() 和 search() 會返回 None；如果匹配成功，則會返回一個匹配物件（match object），包含所有匹配的資訊：例如從哪兒開始，到哪兒結束，匹配的子字串等等。


接下來我們一步步講解：

>>> import re
>>> p = re.compile('[a-z]+')
>>> p
re.compile('[a-z]+')

現在，你可以嘗試使用正則表示式 [a-z]+ 去匹配各種字串。

例如：

>>> p.match("")
>>> print(p.match(""))
None

因為 + 表示匹配一次或者多次，所以空字串不能被匹配。因此，match() 返回 None。

我們再嘗試一個可以匹配的字串：

>>> m = p.match('fishc')
>>> m  
<_sre.SRE_Match object; span=(0, 5), match='fishc'>

在這個例子中，match() 返回一個匹配物件，我們將其存放在變數 m 中，以便日後使用。


接下來讓我們來看看匹配物件裡邊有哪些資訊吧。匹配物件包含了很多方法和屬性，以下幾個是最重要的：
 

大家看：

>>> m.group()
'fishc'
>>> m.start()
0
>>> m.end()
5
>>> m.span()
(0, 5)

由於 match() 只檢查正則表示式是否在字串的起始位置匹配，所以 start() 總是返回 0。

然而，search() 方法可就不一樣咯：

>>> print(p.match('^_^fishc'))
None
>>> m = p.search('^_^fishc')
>>> print(m)
<_sre.SRE_Match object; span=(3, 8), match='fishc'>
>>> m.group()
'fishc'
>>> m.span()
(3, 8)

在實際應用中，最常用的方式是將匹配物件存放在一個區域性變數中，並檢查其返回值是否為 None。

形式通常如下：

p = re.compile( ... )
m = p.match( 'string goes here' )
if m:
    print('Match found: ', m.group())
else:
    print('No match')

有兩個方法可以返回所有的匹配結果，一個是 findall()，另一個是 finditer()。

findall() 返回的是一個列表：

>>> p = re.compile('\d+')
>>> p.findall('3只小甲魚，15條腿，多出的3條在哪裡？')
['3', '15', '3']

findall() 需要在返回前先建立一個列表，而 finditer() 則是將匹配物件作為一個迭代器返回：

>>> iterator = p.finditer('3只小甲魚，15條腿，還有3條去了哪裡？')
>>> iterator
<callable_iterator object at 0x10511b588>
>>> for match in iterator:
        print(match.span())
        
(0, 1)
(6, 8)
(13, 14)

解釋：如果列表很大，那麼返回迭代器的效率要高很多。迭代器的相關知識請看：《零基礎入門學習Python》048 | 魔法方法：迭代器

（未完待續）

下一篇：Python3 如何優雅地使用正則表示式（詳解三）