Python 正则表达式 - 正则表达式语法

Python 内置的字符串处理函数能够解决很多的字符串处理问题，但对于比较复杂的情况，内置的字符串可能无法处理，或者处理过程显得十分不优雅。为此，我们需要掌握更强大的文本处理工具 - 正则表达式。

比如，下面的例子，希望同时使用 . 和 : 作为分隔符切分字符串，就需要用到我们的正则表达式了：

>> import re
>> s = "10::29::30 root: 172.17.73.41 xxxxxxxxxxx"
>> re.split('[:.]+\s*', s)
['10', '29', '30 root', '172', '17', '73', '41 xxxxxxxxxxx']

正则表达式作为处理文本的强大工具，具有非常优秀的表达能力。想必熟悉 Linux 系统的用户可定对通配符很熟悉了，比如，列出文件名包含 .py 的所有文件：

mia@ubuntu:~$ ls -al *.py*
-rw-r--r-- 1 mia mia 220 Jun 30 08:31 mymode.py
-rw-r--r-- 1 mia mia 602 Jun 30 08:31 mymode.pyc

正则表达式的原理与通配符类似，只不过通配符能匹配的文本范围非常有限，而正则表达式功能更加强大，相应的也更加复杂。

不过，在工作中，很多时候我们只需要使用简单的正则表达式，配合 Python 内置的正则表达式处理函数，即可在拥有强大表达能力的同时，降低正则表达式使用的难度。

合抱之木，生于毫末。九层之台，起于垒土。本篇文章，我们就先来了解正则表达式的常用语法，连载的后续文章，将继续更新 Python 使用正则表达式的具体内容。

正则表达式好比工程师定义的过滤文本的模式。文本处理程序使用定义好的模式去过滤输入的文本，对于匹配模式的文本将会进一步处理，不匹配模式的文本将会被直接过滤。

因此，定义模式以及熟悉模式的定义规则是正则表达式的核心。正则表达式由 普通文本 和 具有特殊意义的符号 组成。比如，下面的例子中使用 [a-zA-Z]+ 来匹配文本中的单词：

>> s = "1. Python 之禅中提到：Simple is better than complex."
>> re.findall('[a-zA-Z]+', s)
['Python', 'Simple', 'is', 'better', 'than', 'complex']

再比如，使用 [0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3} 来匹配 IP 地址：

>> s = "10::29::30 root: 172.17.73.41 xxxxxxxxxxx"
>> re.search('[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}', s)

上述的正则表达式匹配有点号分隔的 1 到 3 位数，其中 [0-9] 表示数字取值范围，{1,3} 表示重复前面字符 1 ~ 3 次。

另外，需要特别注意的是，. 在正则表达式中属于特殊字符，因此这里使用 \. 转义的方式来表示真正的点号运算。

下面，我们列出了正则表达式中最长使用的特殊符号及其含义：

正则表达式	描述	示例
^	行起始标记	^import numpy 匹配 import numpy 开头的行
$	行尾标记	import numpy$ 匹配 import numpy 结尾的行
.	匹配任意一个字符	-
[]	匹配包含在 [] 之中的任意字符	[pP]ython 匹配 python 和 Python
[^]	匹配 [^] 之外的任意一个字符	9[^56] 匹配 95 , 96 以外的 9x 文本
[-]	匹配 [] 中指定范围内的任意一个字符	[0-9] 匹配 0~9 之间的任意一个数字；[a-z] 匹配 a~z 之间的任意一个字母
?	匹配之前的项 0 次或 1 次	hel? 匹配 he hel
+	匹配之前的项 1 次或多次	hel+ 匹配 hel hell ...
*	匹配之前的项 0 次或多次	hel* 匹配 he hel hell ...
{n}	匹配之前的项 n 次	[0-9]{3} 匹配任意一个 3 位数
{n,}	匹配之前的项最少 n 次	[0-9]{3,} 匹配任意一个 3 位数或更多的数字
{n,m}	匹配之前的项 n ~ m 次	[0-9]{2,5} 匹配 2 位数到 5 位数之间的任意一个数字

通过上表我们发现，正则表达式中 $ ^ [ ] ( ) 等诸多字符都有特别的含义。如果希望他们作为普通字符，则需要使用转义的方式使用。