Python中的re.findAll()、re.sub()、set()怎么使用

在Python中，re模块提供了强大的正则表达式操作功能。本文将介绍re.findAll()、re.sub()以及set()的使用方法，并通过示例代码帮助读者更好地理解这些函数的应用场景。

1. re.findAll() 的使用

re.findAll() 是 re 模块中的一个函数，用于在字符串中查找所有与正则表达式匹配的子串，并返回一个包含所有匹配结果的列表。

语法

re.findall(pattern, string, flags=0)

• pattern: 正则表达式模式。
• string: 要搜索的字符串。
• flags: 可选参数，用于控制正则表达式的匹配方式（如忽略大小写、多行匹配等）。

示例

import re

text = "The rain in Spain falls mainly in the plain."
matches = re.findall(r'\bin\b', text)
print(matches)  # 输出: ['in', 'in', 'in']

在这个例子中，我们使用正则表达式 \bin\b 来匹配单词 “in”，re.findAll() 返回了所有匹配的结果。

2. re.sub() 的使用

re.sub() 用于在字符串中查找与正则表达式匹配的子串，并将其替换为指定的字符串。

语法

re.sub(pattern, repl, string, count=0, flags=0)

• pattern: 正则表达式模式。
• repl: 替换的字符串或函数。
• string: 要搜索的字符串。
• count: 可选参数，指定最多替换的次数。
• flags: 可选参数，用于控制正则表达式的匹配方式。

示例

import re

text = "The rain in Spain falls mainly in the plain."
new_text = re.sub(r'\bin\b', 'on', text)
print(new_text)  # 输出: The rain on Spain falls mainly on the plain.

在这个例子中，我们将所有匹配的 “in” 替换为 “on”。

3. set() 的使用

set() 是Python内置的一个数据类型，用于存储无序且不重复的元素集合。它常用于去重和集合运算。

语法

set(iterable)

• iterable: 可迭代对象，如列表、元组、字符串等。

示例

numbers = [1, 2, 2, 3, 4, 4, 5]
unique_numbers = set(numbers)
print(unique_numbers)  # 输出: {1, 2, 3, 4, 5}

在这个例子中，我们使用 set() 去除了列表中的重复元素。

综合示例

假设我们有一个包含多个重复单词的字符串，我们想要去除重复的单词并统计每个单词的出现次数。

import re
from collections import Counter

text = "apple banana apple orange banana apple"
words = re.findall(r'\b\w+\b', text)
unique_words = set(words)
word_counts = Counter(words)

print("Unique words:", unique_words)
print("Word counts:", word_counts)

输出结果：

Unique words: {'apple', 'banana', 'orange'}
Word counts: Counter({'apple': 3, 'banana': 2, 'orange': 1})

在这个综合示例中，我们首先使用 re.findAll() 提取所有单词，然后使用 set() 去重，最后使用 Counter 统计每个单词的出现次数。

总结

• re.findAll() 用于查找所有匹配的子串。
• re.sub() 用于替换匹配的子串。
• set() 用于去重和集合运算。

通过结合这些函数，我们可以高效地处理字符串数据，并实现复杂的文本处理任务。