Python正则表达式（三）：编译正则表达式与执行匹配

Python正则表达式（一）：元字符

Python正则表达式（二）：预设字符

这两篇的学习，是为了能够编写正则表达式。

编写完正则表达式后，我们通过re.compile()进行编译。

>>> ref = re.compile("\d{3}")>>> print ref<_sre.SRE_Pattern object at 0x01A9E8E0>

通过re.compile()，我们将正则表达式编译成SRE_Pattern实例。

SRE_Pattern实例，有几个常用的方法：

match()

从字符串开始位置进行匹配，并返回第一个匹配结果

>>> ref = re.compile("\d{2}")>>> print ref.match("123456").group()12>>> print ref.match("a123456")None

search()

扫描整个字符串，并返回第一个匹配结果

>>> ref = re.compile("\d{2}")>>> print ref.search("a123456").group()12

search()与match()的差别在于：后者必须从字符串的开始位置进行匹配。

findall()

扫描整个字符串，并以列表的形式返回所有匹配结果

>>> ref = re.compile("\d{2}")>>> print ref.findall("a123456")['12', '34', '56']

finditer()

扫描整个字符串，并以迭代器的形式返回所有匹配结果

>>> ref = re.compile("\d{2}")>>> print ref.finditer("a123456")<callable-iterator object at 0x01AC4570>>>> for i in ref.finditer("a123456"):...     print i...<_sre.SRE_Match object at 0x015B7A30><_sre.SRE_Match object at 0x0163DCD0><_sre.SRE_Match object at 0x015B7A30>

迭代器，是Python很重要的语法，有兴趣的，不妨自己去查阅一下。

上面提供的方法，使我们能够“获得”想要的匹配结果，除了“获得”，我们还能对结果进行“分片、替换”等更高级的操作

split(string [, maxsplit = 0])

扫描整个字符串，并在所有匹配的地方分片，最终形成一个列表。

你可以通过设置 maxsplit 值来限制分片数。当 maxsplit 非零时，最多只能有 maxsplit 个分片，字符串的其余部分被做为列表的最后部分返回。

>>> ref = re.compile("\d{2}")>>> print ref.split("a123d454f12a")['a', '3d', '4f', 'a']>>> print ref.split("a123d454f12a",maxsplit=2)['a', '3d', '4f12a']

SRE_Pattern提供的 split() 比 str 提供的split()，功能更强大，能够满足更复杂的需求，但是随之而来的是：效率更低。因此，当我们面对一个已知的、明确的分片任务，不妨先试试str 的 split()。

sub(replacement, string[, count = 0])

扫描整个字符串，并用replacement替换所有满足匹配的地方，最终返回替换后的字符串

可选参数 count 是模式匹配后替换的最大次数；count 必须是非负整数。缺省值是 0 表示替换所有的匹配。

>>> ref = re.compile("\d{2}")>>> print ref.sub("ggg","a123d454f12a")aggg3dggg4fggga>>> print ref.sub("ggg","a123d454f12a",count=2)aggg3dggg4f12a

其中，replacement还可以用函数，如果是函数，则所有满足匹配的地方将会调用函数，并用函数返回值替换匹配对象。

def func(match):return replacementsub(func,string[,count = 0])

subn(replacement, string[, count = 0])
与sub方法作用一样，但返回的是包含新字符串和替换执行次数的两元组。

>>> ref = re.compile("\d{2}")>>> print ref.subn("ggg","a123d454f12a",count=2)('aggg3dggg4f12a', 2)>>> print ref.subn("ggg","a123d454f12a")('aggg3dggg4fggga', 3)

在使用re.compile()编译正则表达式时，我们还可以增加编译标志，以改变正则表达式的一些运行方式，如：

I 

IGNORECASE：使匹配对大小写不敏

ref = e.compile(...,re.I)

M

MULTILINE：多行文本

^将匹配每行行首

$将匹配每行行尾

S

DOTALL

使元字符“.”匹配任何字符。

X

VERBOSE

使字符串的空白符被忽略，这有利于我们写出更易读的正则表达式

例如，我们要对身份证信息进行分解：

ref = re.compile("""(\d{6})#地址码，地址码的编码规则为：第一位表示地区，第一、二两位组合表示省，自治区,直辖市,第3、4为表示地区，第5、6为表示县的名称(\d{8})#出生日期码，表示出生的年、月、日(\d{3})#顺序码，表示在同一地址码所标识的区域范围内，对同年、同月、同日出生的人编定的顺序号，顺序码的奇数分配给男性，偶数分配给女性\d#校验码（第十八位数）：作为尾号的校验码，分别为罗马数字0、1、2、3、4、5、6、7、8、9、x中的某一位""",re.X)

小结：正则表达式，是把一个具有特殊含义字符串（该字符串由元字符、预设字符和普通字符组成），通过re.compile()编译成SRE_Pattern实例。

该实例具有一些方法：

match()、search()返回SRE_Match对象，SRE_Match对象有一些方法，其中group()分组方法，是比较常用的一种，我们将在后文详细阐述。

findall()、split()返回列表【已经是最终结果，可直接使用】

finditer()返回迭代器【迭代器内，仍由SRE_Match对象组成】

sub()返回字符串【已经是最终结果，可直接使用】

subn()返回元组【已经是最终结果，可直接使用】

另外，我们还能通过增加编译标志，来改变正则表达式的运行方式。

有时候，明明觉得自己写的正则表达式没错，但是匹配的结果却不一样，为什么会这样？

正则表达式，到底是什么运转的呢？

请看下集！

与代码无关：
总是利用一点上班时间来阅读文章，通过阅读文章，我们可以学习到：
“原来这个功能，还能这么做！”
“原来这个框架还有这个功能，我怎么不知道？！”
“原来你是这样成为大牛的”
……
阅读文章带来的收益，不仅是技术上的，更多也许是思想上、心态上的提升。
与君共勉。