作者 | 豬哥
來源 | 裸睡的豬（ID: IT--Pig）
大多數編程語言的正則表達式設計都師從Perl，所以語法基本相似，不同的是每種語言都有自己的函數去支持正則，今天我們就來學習 Python中關於 正則表達式的函數。
re模塊主要定義了9個常量、12個函數、1個異常，每個常量和函數豬哥都會通過實際代碼案例講解，讓大家能更直觀的瞭解其作用！
注：為避免出現代碼格式錯亂，豬哥儘量使用代碼截圖演示哦。
re模塊簡介
聊到Python正則表達式的支持，首先肯定會想到<code>re/<code>庫，這是一個Python處理文本的標準庫。
標準庫的意思表示這是一個Python內置模塊，不需要額外下載，目前Python內置模塊大概有300個。可以在這裡查看Python所有的內置模塊：
https://docs.python.org/3/py-modindex.html#cap-r
因為re是內置模塊，所以不需要再下載，使用時直接引入即可：
<code>import re/<code>
re模塊官方文檔：
https://docs.python.org/zh-cn/3.8/library/re.html
re模塊庫源碼：
https://github.com/python/cpython/blob/3.8/Lib/re.py
re模塊常量
常量即表示不可更改的變量，一般用於做標記。
re模塊中有9個常量，常量的值都是int類型！
上圖我們可以看到，所有的常量都是在RegexFlag枚舉類來實現，這是在Python 3.6做的改版。在Python 3.6以前版本是直接將常量寫在re.py中，使用枚舉的好處就是方便管理和使用！
下面我們來快速學習這些常量的作用及如何使用他們，按常用度排序！
1. IGNORECASE
語法：re.IGNORECASE 或簡寫為 re.I
作用：進行忽略大小寫匹配。
代碼案例：
在默認匹配模式下大寫字母B無法匹配小寫字母b，而在 忽略大小寫 模式下是可以的。
2. ASCII
語法：re.ASCII 或簡寫為 re.A
作用：顧名思義，ASCII表示ASCII碼的意思，讓<code>\w/<code>,<code>\W/<code>,<code>\b/<code>,<code>\B/<code>,<code>\d/<code>,<code>\D/<code>,<code>\s/<code>和<code>\S/<code>只匹配ASCII，而不是Unicode。
代碼案例：
在默認匹配模式下<code>\w+/<code>匹配到了所有字符串，而在ASCII模式下，只匹配到了a、b、c（ASCII編碼支持的字符）。
注意：這隻對字符串匹配模式有效，對字節匹配模式無效。
3. DOTALL
語法：re.DOTALL 或簡寫為 re.S
作用：DOT表示<code>./<code>，ALL表示所有，連起來就是<code>./<code>匹配所有，包括換行符<code>\n/<code>。默認模式下<code>./<code>是不能匹配行符<code>\n/<code>的。
代碼案例：
在默認匹配模式下<code>./<code>並沒有匹配換行符<code>\n/<code>，而是將字符串分開匹配；而在re.DOTALL模式下，換行符<code>\n/<code>與字符串一起被匹配到。
注意：默認匹配模式下<code>./<code>並不會匹配換行符<code>\n/<code>。
4. MULTILINE
語法：re.MULTILINE 或簡寫為 re.M
作用：多行模式，當某字符串中有換行符<code>\n/<code>，默認模式下是不支持換行符特性的，比如：行開頭 和 行結尾，而多行模式下是支持匹配行開頭的。
代碼案例：
正則表達式中<code>^/<code>表示匹配行的開頭，默認模式下它只能匹配字符串的開頭；而在多行模式下，它還可以匹配 換行符<code>\n/<code>後面的字符。
注意：正則語法中<code>^/<code>匹配行開頭、<code>\A/<code>匹配字符串開頭，單行模式下它兩效果一致，多行模式下<code>\A/<code>不能識別<code>\n/<code>。
5. VERBOSE
語法：re.VERBOSE 或簡寫為 re.X
作用：詳細模式，可以在正則表達式中加註解！
代碼案例：
默認模式下並不能識別正則表達式中的註釋，而詳細模式是可以識別的。
當一個正則表達式十分複雜的時候，詳細模式或許能為你提供另一種註釋方式，但它不應該成為炫技的手段，建議謹慎考慮後使用！
6.LOCALE
語法：re.LOCALE 或簡寫為 re.L
作用：由當前語言區域決定<code>\w/<code>,<code>\W/<code>,<code>\b/<code>,<code>\B/<code>和大小寫敏感匹配，這個標記只能對byte樣式有效。這個標記官方已經不推薦使用，因為語言區域機制很不可靠，它一次只能處理一個 “習慣”，而且只對8位字節有效。
注意：由於這個標記官方已經不推薦使用，而且豬哥也沒使用過，所以就不給出實際的案例！
7.UNICODE
語法： re.UNICODE 或簡寫為 re.U
作用：與 ASCII 模式類似，匹配unicode編碼支持的字符，但是 Python 3 默認字符串已經是Unicode，所以有點冗餘。
8. DEBUG
語法：re.DEBUG
作用：顯示編譯時的debug信息。
代碼案例：
雖然debug模式下確實會打印編譯信息，但豬哥並不理解這是什麼語言 以及表達的含義，希望瞭解的朋友能不吝賜教。
9.TEMPLATE
語法：re.TEMPLATE 或簡寫為 re.T
作用：豬哥也沒搞懂TEMPLATE的具體用處，源碼註釋中寫著：disable backtracking(禁用回溯)，有了解的同學可以留言告知！
10. 常量總結
9個常量中，前5個（IGNORECASE、ASCII、DOTALL、MULTILINE、VERBOSE）有用處，兩個（LOCALE、UNICODE）官方不建議使用、兩個（TEMPLATE、DEBUG）試驗性功能，不能依賴。
常量在re常用函數中都可以使用，查看源碼可得知。
常量可疊加使用，因為常量值都是2的冪次方值，所以是可以疊加使用的，疊加時請使用 <code>|/<code>符號，請勿使用<code>+/<code>符號！
最後來一張思維導圖總結一下re模塊中的常量吧，需要高清圖或者xmind文件的同學可在文章末尾獲取。
re模塊函數
re模塊有12個函數，豬哥將以功能分類來講解；這樣更具有比較性，同時也方便記憶。
1.查找一個匹配項
查找並返回一個匹配項的函數有3個：search、match、fullmatch，他們的區別分別是：
search： 查找任意位置的匹配項
match： 必須從字符串開頭匹配
fullmatch： 整個字符串與正則完全匹配
我們再來根據實際的代碼案例比較：
案例1:
案例1中search函數是在字符串中任意位置匹配，只要有符合正則表達式的字符串就匹配成功，其實有兩個匹配項，但search函數值返回一個。
而match函數是要從頭開始匹配，而字符串開頭多了個字母<code>a/<code>，所以無法匹配，fullmatch函數需要完全相同，故也不匹配！
案例2:
案例2刪除了text最開頭的字母a，這樣match函數就可以匹配啦，而fullmatch函數依然不能完全匹配！
案例3:
案例3中，我們只留下一段文字，並且與正則表達式一致；這時fullmatch函數終於可以匹配了。
完整案例：
注意：查找 一個匹配項 返回的都是一個匹配對象（Match）。
2.查找多個匹配項
講完查找一項，現在來看看查找多項吧，查找多項函數主要有：findall函數與finditer函數：
- findall： 從字符串任意位置查找， 返回一個列表
- finditer：從字符串任意位置查找，返回一個迭代器
兩個方法基本類似，只不過一個是返回列表，一個是返回迭代器。我們知道列表是一次性生成在內存中，而迭代器是需要使用時一點一點生成出來的，內存使用更優。
如果可能存在大量的匹配項的話，建議使用
finditer函數，一般情況使用findall函數基本沒啥影響。3.分割
re.split(pattern, string, maxsplit=0, flags=0)函數：用pattern分開 string ，maxsplit表示最多進行分割次數，flags表示模式，就是上面我們講解的常量！
注意：str模塊也有一個 split函數 ，那這兩個函數該怎麼選呢？str.split函數功能簡單，不支持正則分割，而re.split支持正則。
關於二者的速度如何？ 豬哥實際測試了一下，在相同數據量的情況下使用<code>re.split/<code>函數與<code>str.split/<code>函數執行次數與執行時間對比圖：
通過上圖對比發現，1000次循環以內<code>str.split/<code>函數更快，而循環次數1000次以上後<code>re.split/<code>函數明顯更快，而且次數越多差距越大！
所以結論是：在 不需要正則支持 且 數據量和數次不多 的情況下使用<code>str.split/<code>函數更合適，反之則使用<code>re.split/<code>函數。
注：具體執行時間與測試數據有關！
4.替換
替換主要有sub函數與subn函數，他們功能類似！
先來看看sub函數的用法：
re.sub(pattern, repl, string, count=0, flags=0)函數參數講解：repl替換掉string中被pattern匹配的字符， count表示最大替換次數，flags表示正則表達式的常量。
值得注意的是：sub函數中的入參：repl替換內容既可以是字符串，也可以是一個函數哦！如果repl為函數時，只能有一個入參：Match匹配對象。
re.subn(pattern, repl, string, count=0, flags=0)函數與re.sub函數功能一致，只不過返回一個元組 (字符串, 替換次數)。
5.編譯正則對象
compile函數 與 template函數將正則表達式的樣式編譯為一個 正則表達式對象 （正則對象Pattern），這個對象與re模塊有同樣的正則函數（後面我們會講解Pattern正則對象）。
而template函數與compile函數類似，只不過是增加了我們之前說的re.TEMPLATE 模式，我們可以看看源碼。
6.其他
re.escape(pattern) 可以轉義正則表達式中具有特殊含義的字符，比如：<code>./<code>或者<code>*/<code>，舉個實際的案例：
re.escape(pattern)看似非常好用省去了我們自己加轉義，但是使用它很容易出現轉義錯誤的問題，所以並不建議使用它轉義，而建議大家自己手動轉義！
re.purge 函數作用就是清除 正則表達式緩存，具體有什麼緩存呢？我們來看看源碼就知道它背地裡幹了 什麼：
看方法大概是清除緩存吧，我們再來看看具體的案例：
豬哥在兩個案例之間使用了re.purge函數清除緩存，然後分別比較前後案例源碼裡面的緩存，看看是否有變化！
7.總結
同樣，最後來一張思維導圖總結一下re模塊中的函數吧，需要高清圖或者xmind文件的同學可在末尾獲取。
re模塊異常
re模塊還包含了一個正則表達式的編譯錯誤，當我們給出的正則表達式是一個無效的表達式（就是表達式本身有問題）時，就會raise一個異常！
我們來看看具體的案例吧：
上圖案例中我們可以看到，在編寫正則表達式中我們多寫了一個後括號，這導致執行結果報錯；而且是在其他所有案例執行之前，所以說明是在正則表達式編譯時期就報錯了。
注意：這個異常一定是 正則表達式 本身是無效的，與要匹配的字符串無關！
正則對象Pattern
關於<code>re/<code>模塊的常量、函數、異常我們都講解完畢，但是完全有必要再講講
正則對象Pattern。1. 與re模塊 函數一致
在<code>re/<code>模塊的函數中有一個重要的函數compile函數，這個函數可以預編譯返回一個正則對象，此正則對象擁有與<code>re/<code>模塊相同的函數，我們來看看Pattern類的源碼。
既然是一致的，那到底該用re模塊 還是正則對象Pattern？
而且，有些同學可能看過<code>re/<code>模塊的源碼，你會發現其實compile函數與 其他re函數（search、split、sub等等） 內部調用的是同一個函數，最終還是調用正則對象的函數！
也就是說下面 兩種代碼寫法底層實現 其實是一致的：
<code># re函數re.search(pattern, text)# 正則對象函數compile = re.compile(pattern)compile.search(text)/<code>
那還有必要使用compile函數得到正則對象再去調用search函數嗎？直接調用re.search 是不是就可以？
2. 官方文檔怎麼說
關於到底該用re模塊還是正則對象Pattern，官方文檔是否有說明呢？
官方文檔推薦：在多次使用某個正則表達式時推薦使用正則對象Pattern以增加複用性，因為通過re.compile(pattern)編譯後的模塊級函數會被緩存！
3. 實際測試又如何？
上面官方文檔推薦我們在 多次使用某個正則表達式時使用正則對象，那實際情況真的是這樣的嗎？
我們再實測一下吧
豬哥編寫了兩個函數，一個使用re.search函數另一個使用compile.search函數，分別(不同時)循環執行count次(count從1-1萬)，比較兩者的耗時！
得出的結果豬哥繪製成折線圖：
得出的結論是：100次循環以內兩者的速度基本一致，當超出100次後，使用 正則對象Pattern的函數 耗時明顯更短，所以比
re模塊要快！通過實際測試得知：Python 官方文檔推薦 多次使用某個正則表達式時使用正則對象函數 基本屬實！
注意事項
Python 正則表達式知識基本講解完畢，最後稍微給大家提一提需要注意的點。
1.字節串 與 字符串
模式和被搜索的字符串既可以是 Unicode 字符串 (str) ，也可以是8位字節串 (bytes)。但是，Unicode 字符串與8位字節串不能混用！
2.r 的作用
正則表達式使用反斜槓（’\’）來表示特殊形式，或者把特殊字符轉義成普通字符。
而反斜槓在普通的 Python 字符串裡也有相同的作用，所以就產生了衝突。
解決辦法是對於正則表達式樣式使用 Python 的原始字符串表示法；在帶有 ‘r’ 前綴的字符串字面值中，反斜槓不必做任何特殊處理。
3.正則查找函數 返回匹配對象
查找一個匹配項（search、match、fullmatch）的函數返回值都是一個 匹配對象Match，需要通過match.group獲取匹配值，這個很容易忘記。
另外還需要注意：match.group 與match.groups 函數的差別！
4.重複使用某個正則
如果要重複使用某個正則表達式，推薦先使用 re.compile(pattern)函數返回一個正則對象，然後複用這個正則對象，這樣會更快！
5.Python 正則面試
筆試可能會遇到需要使用Python正則表達式，不過不會太難的，大家只要記住那幾個方法的區別，會正確使用，基本問題不大。
文章所有內容精華豬哥已經整理成一份思維導圖：鏈接(或閱讀原文)
:https://pan.baidu.com/s/10MMpuf6Rcba-gvBo1oIzlw 密碼:y6z3
今日福利
遇見陸奇
同樣作為“百萬人學 AI”的重要組成部分，2020 AIProCon 開發者萬人大會將於 7 月 3 日至 4 日通過線上直播形式，讓開發者們一站式學習瞭解當下 AI 的前沿技術研究、核心技術與應用以及企業案例的實踐經驗，同時還可以在線參加精彩多樣的開發者沙龍與編程項目。參與前瞻系列活動、在線直播互動，不僅可以與上萬名開發者們一起交流，還有機會贏取直播專屬好禮，與技術大咖連麥。
- 你點的每個“在看”，我都認真當成了AI
