re.split re.finditer re.findall

@(python3)

re.compile() 函式

編譯正則表示式模式，返回一個物件。可以把常用的正則表示式編譯成正則表示式物件，方便後續呼叫及提高效率。
re 模組最離不開的就是 re.compile 函式。其他函式都依賴於 compile 建立的 正則表示式物件

re.compile(pattern, flags=0)

• pattern 指定編譯時的表示式字串
• flags 編譯標誌位，用來修改正則表示式的匹配方式。支援 re.L|re.M 同時匹配

flags 標誌位引數

re.I
 
(re.IGNORECASE) 
使匹配對大小寫不敏感

re.L(re.LOCAL)  
做本地化識別（locale-aware）匹配

re.M(re.MULTILINE)  
多行匹配，影響 ^ 和 $

re.S(re.DOTALL) 
使 . 匹配包括換行在內的所有字元

re.U(re.UNICODE)    
根據Unicode字符集解析字元。這個標誌影響 \w, \W, \b, \B.

re.X(re.VERBOSE)    
該標誌通過給予你更靈活的格式以便你將正則表示式寫得更易於理解。

示例：

import re

content = 'Citizen wang , always fall in love with neighbour，WANG'
 

rr = re.compile(r'wan\w', re.I)  # 不區分大小寫

print(type(rr))
a = rr.findall(content)
print(type(a))
print(a)

findall 返回的是一個 list 物件

<class '_sre.SRE_Pattern'>
<class 'list'>
['wang', 'WANG']

re.split 函式

按照指定的 pattern 格式，分割 string 字串，返回一個分割後的列表。

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

• pattern compile 生成的正則表示式物件，或者自定義也可
• string 要匹配的字串
• maxsplit 指定最大分割次數，不指定將全部分割

import re

str = 'say hello world! hello python'
str_nm = 'one1two2three3four4'
pattern = re.compile(r'(?P<space>\s)') # 建立一個匹配空格的正則表示式物件
pattern_nm = re.compile(r'(?P<space>\d+)') # 建立一個匹配空格的正則表示式物件
match = re.split(pattern, str)
match_nm = re.split(pattern_nm, str_nm, maxsplit=1)
print(match)
print(match_nm)

結果：

['say', ' ', 'hello', ' ', 'world!', ' ', 'hello', ' ', 'python']
['one', '1', 'two2three3four4']

re.findall() 方法

返回一個包含所有匹配到的字串的列表。

• pattern 匹配模式，由 re.compile 獲得
• string 需要匹配的字串

import re

str = 'say hello world! hello python'
pattern = re.compile(r'(?P<first>h\w)(?P<symbol>l+)(?P<last>o\s)') # 分組，0 組是整個 world!, 1組 or，2組 ld!
match = re.findall(pattern, str)
print(match)

結果

[('he', 'll', 'o '), ('he', 'll', 'o ')]

re.finditer 、re.findall

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

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

• pattern compile 生成的正則表示式物件，或者自定義也可
• string 要匹配的字串

findall 返回一個包含所有匹配到的字元的列表，列表類以元組的形式存在。

finditer 返回一個可迭代物件。

示例一：

pattern = re.compile(r'\[email protected]\w+.com')   #通過 re.compile 獲得一個正則表示式物件

result_finditer = re.finditer(pattern, content)  
print(type(result_finditer)) 
print(result_finditer) # finditer 得到的結果是個可迭代物件
for i in result_finditer:  # i 本身也是可迭代物件，所以下面要使用 i.group()
    print(i.group())

result_findall = re.findall(pattern, content)
print(type(result_findall))  # findall 得到的是一個列表
print(result_findall)
for p in result_finditer:
    print(p)

輸出結果：

<class 'callable_iterator'>
<callable_iterator object at 0x10545ec88>
123456@163.com
234567@163.com
345678@163.com
<class 'list'>
['[email protected]', '[email protected]', '[email protected]']

由結果可知：finditer 得到的是可迭代物件，finfdall 得到的是一個列表。

示例二：

import re

content = '''email:[email protected]
email:[email protected]
email:[email protected]
'''
pattern = re.compile(r'(?P<number>\d+)@(?P<mail_type>\w+).com')
result_finditer = re.finditer(pattern, content)
print(type(result_finditer))
print(result_finditer)
iter_dict = {}   # 把最後得到的結果
for i in result_finditer:
    print('郵箱號碼是：', i.group(1),'郵箱型別是：',i.group(2))
    number = i.group(1)
    mail_type = i.group(2)
    iter_dict.setdefault(number, mail_type)  # 使用 dict.setdefault 建立了一個字典
print(iter_dict)

print('+++++++++++++++++++++++++++++++')

result_findall = re.findall(pattern, content)
print(result_findall)
print(type(result_findall))

輸出結果：

<class 'callable_iterator'>
<callable_iterator object at 0x104c5cbe0>
郵箱號碼是： 123456 郵箱型別是： 163
郵箱號碼是： 234567 郵箱型別是： 163
郵箱號碼是： 345678 郵箱型別是： 163
{'123456': '163', '234567': '163', '345678': '163'}
+++++++++++++++++++++++++++++++
[('123456', '163'), ('234567', '163'), ('345678', '163')]
<class 'list'>

finditer 得到的可迭代物件 i，也可以使用 lastindex，lastgroup 方法。

print('lastgroup 最後一個被捕獲的分組的名字',i.lastgroup)

1. findall 當正則沒有分組，返回就是正則匹配。

re.findall(r"\[email protected]\w+.com", content)
['[email protected]', '[email protected]', '[email protected]']

1. 有一個分組返回的是分組的匹配

re.findall(r"(\d+)@\w+.com", content)
['2345678', '2345678', '345678']

1. 多個分組時，將結果作為 元組，一併存入到 列表中。

re.findall(r"(\d+)@(\w+).com", content)
[('2345678', '163'), ('2345678', '163'), ('345678', '163')]