使用Python模块：re模块

re是regular expression（简称regex）的头两个字母，是正则表达式的意思

---

正则表达式介绍

基本概念

正则表达式为高级的文本模式匹配，抽取、与/或文本形式的搜索和替换功能提供了基础；简单的说，正则表达式是一些由字符和特殊符号组成的字符串，它们描述了模式的重复或者表述多个字符，于是正则表达式能按照某种模式匹配一系列有相似特征的字符串

模式匹配：搜索和匹配

搜索（searching）和匹配（matching）是正则表达式里两个重要的概念

在Python术语中，有两种方法完成模式匹配（pattern-matching）：
1）搜索：在字符串的任意部分搜索匹配的模式，在Python中通过search()函数或方法实现
2）匹配：判断一个字符能否从起始位处全部或者部分的匹配某个模式，在Python中通过match()函数或方法实现

总之，当涉及模式时，全部使用术语『模式匹配』（简称『匹配』），我们按照Python如何完成匹配的方式来区分『搜索』和『匹配』

元字符：正则表达式的灵魂

元字符（metacharacter）是正则表达式王国中的一群有着特殊含义的符号或字符，正是它们赋予了正则表达式强大的功能和灵活性

特殊符号

1）literal：匹配文本字符串的字面值literal

foo

2）re1|re2：匹配正则表达re1或re2

foo1|foo2

3）.：匹配任何字符（除了\n之外）

b.b

4）^：匹配字符串起始部分

^Dear

5）$：匹配字符串终止部分

/bin/*sh$

6）*：匹配0次或多次前面出现的正则表达式

[A-Za-z0-9]*

7）+：匹配1次或多次前面出现的正则表达式

[a-z]+\.com

8）?：匹配0次或1次前面出现的正则表达式

goo?

9）{N}：匹配N次前面出现的正则表达式

[0-9]{3}

10）{M,N}：匹配M～N次前面出现的正则表达式

[0-9]{5,9}

11）[...]：匹配来自字符集的任意单一字符

[aeiou]

12）[..x-y..]：匹配x～y范围的任意单一字符

[0-9],[A-Za-z]

13）[^...]：不匹配此字符集中出现的任意单一字符，但包括某一范围的字符（如果在此字符集中出现）

[^aeiou],[^A-Za-z0-9]

14）(*|+|?|{})?：用于匹配上面频繁出现/重复出现符号的非贪婪版本（*、+、?、{}）

.*[a-z]

15）(...)：匹配封闭的正则表达式，然后另存为子组

([0-9]{3})?,f(oo|u)bar

特殊字符

1）\d：匹配任何十进制数字，与[0-9]一致

2）\w：匹配任何字母数字字符，与[A-Za-z0-9]一致

3）\s：匹配任何空格字符，与[\n\t\r\v\f]一致

4）\b：匹配任何单词边界

5）|N：匹配已保存的子组N

6）\c：逐字匹配任何特殊字符c（即按照字面意思匹配，不匹配特殊含义）

7）\A(\Z)：匹配字符串的起始（结束），参考^和$

扩展表示法

1）(?iLmsux)：在正则表达式中嵌入一个或多个特殊标记参数（或者通过函数方法）

2）`(?:...)：表示一个匹配不用保存的分组

3）(?P...)：像一个仅由name标识而不是数字ID表示的正则分组

4）(?P=name)：在同一字符串中匹配由(?P< name >)分组的之前文本

5）(?#...)：表示注释，所有内容都被忽略

6）(?=...)：匹配条件是如果…出现在之后的位置，而不使用输入字符串：称作正向前视断言

7）(?!...)：匹配条件是如果…不出现在之后的位置，而不使用输入字符串：称作负向前视断言

8）(?<=...)：匹配条件是如果…出现在之前的位置，而不使用输入字符串：称作正向后视断言

9）(?：匹配条件是如果…出现在之前的位置，而不使用输入字符串：称作负向后视断言

10）(?(id/name)Y|N)：如果分组所提供的id或者name（名称存在），就返回正则表达式的条件匹配Y，如果不存在，就返回N：|N是可选项

---

re模块

使用re模块前先要导入该模块

>>> import re

re.compile(pattern)

re.compile(pattern)函数用来创建一个模式对象

re.search(pattern, string)

re.search(pattern, string)函数用来在字整个符串中寻找模式

pattern_obj.search(string)是它的等价写法

re.match(pattern, string)

re.match(pattern, string)函数用来在字符串开始位置匹配模式

pattern_obj.match(string)是它的等价写法

re.split(pattern, string)

re.split(pattern, string)函数根据模式分割字符串，返回列表

pattern_obj.aplit(string)是它的等价写法

re.findall(pattern, string)

re.findall(pattern, string)函数以列表形式返回匹配项

pattern_obj.findall(string)是它的等价写法

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

re.sub(pattern, repl, string, count=0, flags=0)函数利用正则表达式实现字符串的替换

参数解释：patten：匹配模式，repl：被替换字符串，string：待处理字符串（包含repl），count：限定替换次数（默认替换所有），flags：匹配模式

pattern_obj.sub(repl, string)是它的等价写法