Python re模块seach()和findall()的用法（附带实例）

re 是 Python 内置的标准模块，无须安装，直接 import 即可使用，常用的两个函数是 search() 和 findall()。

Python search()函数

search() 函数会在给定的字符串中匹配并识别符合正则表达式的文本，它有两个重要参数：pattern 和 string，分别代表正则表达式和给定的字符串文本。

调用 search() 函数时，如果匹配成功，则返回 Match 对象；如果匹配失败，则返回 None。

Match 对象包含匹配到的字符串的相关信息，例如实际匹配到的字符串内容、起始位置等。调用 Match 对象的 group() 方法，无须传入任何参数，就可以获取匹配到的字符串整体。

使用 search() 函数在文本中匹配正则表达式时，要考虑识别成功和失败两种情况，因为只有识别成功后才会返回 Match 对象，才可以接着调用其 group() 方法获取识别的文本。

下面用一个实例演示 search() 函数的基本使用：

import re
# 文本
text = 'interface Ehternet1/5 is up'
# 正则表达式，提取端口信息
intf_pattern = 'Ehternet\d+/\d+'
# 调用re模块的search函数，使用正则表达式intf_pattern在指定的文本中匹配识别
interface_match = re.search(intf_pattern, text)
# 如果search返回的结果不为空，那么代表匹配成功
if interface_match:
    # 获取整体的匹配
    intf = interface_match.group()
    print('识别出符合正则表达式的字符串:', intf)
else:
    print('字符串中开始无法识别出符合正则表达式的子串')

程序的功能是从指定文本中提取端口的相关信息，其关键在于正则表达式的书写，要找到端口信息特征中的不变与变的内容：不变的内容使用普通字符，变的内容使用元字符。端口名称的前缀是不变的，端口的编号是在不断变化的，所以正则表达式可以设计为“Ehternet\d+/\d+”。

程序的运行结果如下：

识别出符合正则表达式的字符串:Ehternet1/5

上面只是一个简单示例，实际使用中用户更希望提取出准确的数据。例如，用户希望在上面实例中提取软件版本号，但是最终匹配到的内容中包含了 Version 字符串。这种情况可以用括号将版本号部分的正则表达式包裹起来，并将软件版本的正则表达式升级为“Version (\S+)”，这样正则表达式在匹配识别整体的同时，(\S+) 会去识别提取软件版本号数据。

像“(\S+)”这种被括号包裹住的正则表达式被称为子表达式。在一段正则表达式中，子表达式可以有多个。在调用 search() 函数时，如果正则表达式中含有子表达式，当匹配成功后，直接调用 Match 对象的 group() 方法（不传参）获取识别的整段文本；当调用 group() 方法时，传入整数 1、2、3 会提取对应排序的子表达式识别到的文本。

通过编写子表达式，正则表达式可以既匹配整体又识别局部。search() 函数在子表达式场景下的使用如下面的实例：

import re
# 文本
show_text = """<netdevops>display version
Huawei Versatile Routing Platform Software
VRP (R) software, Version 8.180 (CE6800 V200R005C10SPC607B607)
Copyright (C) 2012-2018 Huawei Technologies Co., Ltd.
HUAWEI CE6800 uptime is 0 day, 0 hour, 3 minutes
"""
# 调用search函数，正则表达式中含有子表达式
version_match = re.search('Version (\S+)', show_text)
if version_match:
    # 调用group，不传参，获取匹配的整体
    version_all_text = version_match.group()
    print('识别到的整段文本：',version_all_text)
    # 调用group，传参1，获取第一个子表达式识别的文本
    version = version_match.group(1)
    print('识别到的软件版本号（第一个子表达式）：',version)

程序中的正则表达式含有子表达式，且排序是第一个，通过调用 Match 对象的 group() 方法，传入对应序号 1 就可以提取出版本号数据。代码运行结果如下：

识别到的整段文本： Version 8.180
识别到的软件版本号（第一个子表达式）：8.180

在 re 模块中还有一个 match() 函数，它的参数与 search() 函数一致。二者在功能上的区别是：

• match() 函数需要在文本的开始部分与正则表达式匹配成功，即从文本的第一个字符开始就要与正则表达式匹配成功；
• search() 函数则是在文本的任意部分匹配到正则表达式即可。

读者了解二者的区别即可，search() 函数更加适合提取数据。

Python findall()函数

一旦在文本中找到了符合正则表达式的文本，search() 函数就停止继续匹配识别。当给定的文本类似于端口简表、MAC 表、ARP 表等配置回显时，如果用户希望一次提取出所有的信息，这时就需要用到 findall() 函数。

findall() 函数的参数与 search() 函数的参数完全一致，第一个参数是正则表达式 pattern，第二个参数是给定的文本字符串 string。

findall() 函数会把所有匹配识别的文本全部提取出来，将它们组装成一个列表并返回：

• 如果匹配结果为空，就返回空列表；
• 如果此正则表达式中没有子表达式，那么返回的列表成员是字符串，每个成员都是符合正则表达式的文本；
• 如果正则表达式中含有子表达式，那么匹配成功后返回的列表成员是元组，元组成员是正则表达式中子表达式识别出来的字符串。

下面的实例演示了 findall() 函数的基本使用。

import re
# 文本
text = '''interface Ehternet1/5 is up
interface Ehternet1/6 is up
interface Ehternet1/7 is down
'''
# 正则表达式
intf_pattern = 'Ehternet\d+/\d+'
# 调用findall函数识别所有数据
intfs = re.findall(intf_pattern, text)
print(intfs)

程序中的正则表达式没有子表达式，所以 findall() 函数返回的结果是字符串列表，运行结果如下：

['Ehternet1/5', 'Ehternet1/6', 'Ehternet1/7']

调用 findall() 函数时，如果正则表达式中含有子表达式，那么 findall() 函数返回的是元组列表，元组的成员是子表达式提取到的数据。

在上面的实例程序中，如果将正则表达式“Ehternet\d+/\d+”修改为“Ehternet(\d+)/(\d+)”，就可以将端口号中的槽位和索引信息取出，对应的代码运行结果则会变为：

[('1', '5'), ('1', '6'), ('1', '7')]