Python正则表达式全解析：search、match、split与compile函数详解

正则表达式是一种强大的文本处理工具，用于在字符串中查找、替换和提取符合特定模式的字符或文本片段。在这个笔记中，作者douzujun详细介绍了Python中的四个主要正则表达式函数：re.search(), re.match(), re.split(), 和 re.compile()，以及它们各自的用法和区别。 1. **re.search()**：这个函数搜索整个输入字符串，返回第一个匹配正则表达式的第一个位置。例如，`re.findall(r'\b\d{3}\b', '110234123435567')`返回的结果是['110', '234', '355']，因为它找到三个连续的三位数字。而在'abd110234123435567'中，只匹配到了'234'和'355'，因为它们与正则表达式中的`\b\d{3}\b`（匹配三位数字边界）相符。 2. **re.match()**：相较于re.search，re.match只检查字符串的开头是否匹配正则表达式。如果匹配，则返回一个匹配对象；如果不匹配，返回None。它通常用于验证字符串的格式，如邮箱地址、电话号码等。 3. **re.findall()**：此函数返回所有匹配正则表达式的非重叠部分，不考虑顺序。例中`\b\d{3}\b`在两个不同的字符串中的应用，显示出它能提取出所有符合条件的三位数字。 4. **re.split()**：用于根据正则表达式分割字符串，返回一个列表，每个元素是原字符串中匹配正则表达式的一个部分。例如，使用`\b\d{3}\b`作为分隔符，可以将电话号码分开。 5. **re.finditer()**：与findall类似，但它返回一个迭代器，每次迭代返回一个Match对象，表示一次匹配，而不是一个包含所有匹配的列表。 6. **re.sub()**：用于替换字符串中所有匹配正则表达式的子串，可以指定替换后的字符串。这对于格式化文本或数据清洗非常有用。 7. **re.compile()**：这是一个编译函数，接受一个正则表达式字符串，并返回一个Pattern对象，可以重复使用这个对象进行多次匹配操作，提高效率。例如，`pattern = re.compile(r'\b\d{3}\b')`，然后可以多次调用pattern.search()或pattern.findall()。 8. **re.match对象**：当re.match成功匹配时，返回的是一个Match对象，提供了访问匹配信息的方法，如group()、start()和end()等。 9. **贪婪匹配与最小匹配**：在正则表达式中，贪婪匹配默认会尽可能多地匹配字符，而最小匹配则尽可能少地匹配。可以通过改变量词后面加上?来实现最小匹配，如`'\d{3,}'`将匹配至少三个数字，而`'\d{3}?`将只匹配三个数字或更少。 通过学习这些函数，你可以更好地理解和应用正则表达式来处理各种文本处理任务，提高编程效率。