3.2.2 正则表达式的功能

在本模块内主要包括函数、常量和异常。有一些函数是为简单使用，而减少一些特征。在大多数的正规的应用程序里，都是采用编译方式来使用正则表达式。

re.compile(pattern, flags=0)

编译一个正则表达式，并生成一个正则表达式对象，而这个对象可以使用方法match()和search()来进行匹配。编译正则表达式的选项，可以通过flags来设置，这些参数可以通过或（|）的方式来进行组合。

这个编译过程如下：

prog = re.compile(pattern)

result = prog.match(string)

与下面处理过程相同：

result = re.match(pattern, string)

不过，re.compile()的方式在多次重复使用这个正则表达式时是有很大优势，因为会大大减少正则表达式的重复编译过程。值得注意是：最新版本的Python会把re.compile()最近几次编译的对象缓存起来，如果只是使用很少正则表达式，不用担心重复编译的问题。

例子：

print('re.compile');

prog = re.compile(r'cai\d')

result = prog.match(r'cai7 caimouse cai cai8')

if result:

print(result.group(0))

输出结果如下：

re.compile

cai7

re.A

re.ASCII

指定\w，\W，\b，\B，\d，\D，\s和\S使用ASCII模式之下，而不使用在UNICODE的模式。不过它只有UNICODE里使用，而在8位的模式之下忽略这个标志。为了兼容以前版本的正则表达式，re.U标志还在使用，由于在Python3.0以后都默认使用UNICODE的方式，所以re.U是多余的。

例子：

print('re.A, re.ASCII')

prog = re.compile('深圳软件中心\\d+', re.A)

result = prog.match('深圳软件中心007 用软件改变世界98')

if result:

print(result.group(0))

输出结果如下：

re.A, re.ASCII

深圳软件中心007

re.DEBUG

详细显示编译正则表达式的信息。

例子：

print('re.DEBUG')

prog = re.compile('深圳软件中心\\d+', re.DEBUG)

result = prog.match('深圳软件中心007 用软件改变世界98')

if result:

print(result.group(0))

输出结果如下：

re.DEBUG

literal 28145

literal 22323

literal 36719

literal 20214

literal 20013

literal 24515

max_repeat 1 2147483647

in

category category_digit

深圳软件中心007

re.I

re.IGNORECASE

忽略大小写字母区别。会把[A-Z]集合字符转换为小写字母再来匹配。如果UNICODE的字母是不受影响的。

例子：

print('re.I, re.IGNORECASE')

prog = re.compile('myCar\\d+', re.IGNORECASE)

result = prog.match('mycar007 用软件改变世界98')

if result:

print(result.group(0))

结果输出如下：

re.I, re.IGNORECASE

mycar007

re.L

re.LOCALE

让\w，\W，\b，\B，\s和\S依赖不同本地系统而改变定义范围。由于不同系统差异，导致使用这个特性会比较不可靠，推荐使用UNICODE的方式来消除这方面的差异。

例子：

print('re.L, re.LOCALE')

prog = re.compile('myCar\\d+', re.I|re.L)

result = prog.match('mycar007 用软件改变世界98')

if result:

print(result.group(0))

结果输出如下：

re.L, re.LOCALE

mycar007

re.M

re.MULTILINE

指定多行模式匹配。当指定为此标志时，‘^’表示匹配字符串开头和所有换行符后面的字符串的开头。同样‘$’表示字符串结尾和所有换行符前的结尾。

例子：

print('re.M, re.MULTILINE')

result = re.findall('^mycar','mycar007 \nmycar008\n', re.M)

if result:

print(result)

result = re.findall('^mycar','mycar007 \nmycar008\n')

if result:

print(result)

结果输出如下：

re.M, re.MULTILINE

['mycar', 'mycar']

['mycar']

re.S

re.DOTALL

点号‘.’是否表示换行符的标志。当设置时，包括表示换行符，否则不包括。

例子：

print('re.S, re.DOTALL')

result = re.findall('mycar\d+.','mycar007\nmycar008\n', re.S)

if result:

print(result)

result = re.findall('mycar\d+.','mycar007\nmycar008\n')

if result:

print(result)

结果输出如下：

re.S, re.DOTALL

['mycar007\n', 'mycar008\n']

['mycar007', 'mycar008']

re.X

re.VERBOSE

这个标志主要用来给正则表达式进行排版和注释使用。当有这个标志时，正则表达式中的换行符会忽略，#号当作注释的开始。这样方式可以提高正则表达式的阅读性，但功能并没有改变。

例子：

print('re.X, re.VERBOSE')

result = re.findall(r"""\d + # the integral part

\. # the decimal point

\d * # some fractional digits""",

'007.008 \nmycar008\n', re.X)

if result:

print(result)

result = re.findall(r"\d+\.\d*",'007.008 \nmycar008\n')

if result:

print(result)

结果输出如下：

re.X, re.VERBOSE

['007.008']

['007.008']

蔡军生 QQ:9073204 深圳