人生苦短，我用python。

一、正则表达式

正则就是用一些具有特殊含义的符号组合到一起（称为正则表达式）来描述字符或者字符串的方法。或者说：正则就是用来描述一类事物的规则。（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

常用的正则表达式：

语法	描述
一般字符	匹配自身
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[…]	用来表示一组字符,单独列出：[amk] 匹配 ‘a’，’m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	匹配n个前面表达式。例如，”o{2}”不能匹配”Bob”中的”o”，但是能匹配”food”中的两个o。
re{ n,}	精确匹配n个前面表达式。例如，”o{2,}”不能匹配”Bob”中的”o”，但能匹配”foooood”中的所有o。”o{1,}”等价于”o+”。”o{0,}”则等价于”o*”。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a\|b	匹配a或b
(re)	G匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (…), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#…)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。
(?> re)	匹配的独立模式，省去回溯。
\w	匹配数字字母下划线
\W	匹配非数字字母下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f]。
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]。
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。’er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\n, \t, 等。	匹配一个换行符。匹配一个制表符, 等
\1…\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

# 1.表示字符：
.	匹配任意1个字符（除了\n）
[ ]	匹配[ ]中列举的字符
[^  ]	匹配不在[ ]中列举的字符
\d 	匹配数字，即0-9
\D 	匹配非数字，即不是数字
\s 	匹配空白，即 空格，tab键
\S 	匹配非空白
\w 	匹配单词字符，即a-z、A-Z、0-9、_
\W 	匹配非单词字符

# 2.表示数量：
* 	匹配前一个字符出现0次或者无限次，即可有可无
+ 	匹配前一个字符出现1次或者无限次，即至少有1次
? 	匹配前一个字符出现1次或者0次，即要么有1次，要么没有。?也是非贪婪操作符
{m} 	匹配前一个字符出现m次
{m,} 	匹配前一个字符至少出现m次
{m,n} 	匹配前一个字符出现从m到n次

# 3.表示边界：
^ 	匹配字符串开头
$ 	匹配字符串结尾
\b 	匹配一个单词的边界
\B 	匹配非单词边界

# 4.匹配分组：
| 	匹配左右任意一个表达式
(ab) 	将括号中字符作为一个分组
\num 	引用分组num匹配到的字符串
(?P<name>) 分组起别名
(?P=name)  引用别名为name分组匹配到的字符串

二、re模块

Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。

1、re.match()

re.match()尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
re.match(pattern, string, flags=0)

pattern #匹配的正则表达式
string #要匹配的字符串。
flags #标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

1
2
3

import re
print(re.match('www', 'www.baidu.com')) # 在起始位置匹配
print(re.match('com', 'www.baidu.com')) # 不在起始位置匹配,返回None

可以使用group(num)或groups()匹配对象函数来获取匹配表达式:

group(num=0) #匹配的整个表达式的字符串，group()可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups() #返回一个包含所有小组字符串的元组，从1到所含的小组号。

import re 

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')  # 从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话就返回none
print(m.group(0))  # group(0)返回的是原始字符串 010-12345
print(m.group(1))  # group(1)返回的是第一个子串 010
print(m.group(2))  # group(2)返回的是第二个子串 12345
print(m.groups())  # 返回包含所有子串的元组 ('010', '12345')

t = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', '19:05:30')
t.groups() #返回包含所有子串的元组

2、re.search()

re.search()扫描整个字符串并返回第一个成功的匹配。
re.search(pattern, string, flags=0)

pattern #匹配的正则表达式
string #要匹配的字符串。
flags #标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

import re
 
m = re.search('baidu', 'http://www.baidu.com')  # 扫描整个字符串并返回第一个成功的匹配
print(m.group(0))  # baidu

同样可以使用group(num)或groups()匹配对象函数来获取匹配表达式:

group(num=0) #匹配的整个表达式的字符串，group()可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups() #返回一个包含所有小组字符串的元组，从1到所含的小组号。

3、re.split()

re.split()方法按照能够匹配的子串将字符串分割后返回列表。
re.split(pattern, string[, maxsplit=0, flags=0])

pattern #匹配的正则表达式
string #要匹配的字符串。
maxsplit #分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
flags #标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

import re

m = re.split(r'[\s\,\;]+', 'a,b;; c  d')  # 按照能够匹配的子串将字符串分割后返回列表
print(m)  # ['a', 'b', 'c', 'd']

4、re.sub()

re.sub()用于替换字符串中的匹配项。
re.sub(pattern, repl, string, count=0)

pattern #正则中的模式字符串。
repl #替换的字符串，也可为一个函数。
string #要被查找替换的原始字符串。
count #模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

import re
 
phone = "2004-959-559 # 这是一个电话号码"
 
# 移除非数字的内容
m = re.sub(r'\D', '', phone)  # 替换字符串中的匹配项
print(m)  # 2004959559

sub()中的repl参数传入函数：

import re
 
# 将匹配的数字乘于 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)
 
s = 'A23G4HFD567'
print(re.sub('(?P<value>\d+)', double, s))

5、re.compile()

re.compile()函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
re.compile(pattern[, flags])

pattern #一个字符串形式的正则表达式
flags #可选，表示匹配模式，比如忽略大小写，多行模式等

import re

pattern = re.compile(r'\d+')  # 用于生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用

m = pattern.search('one12twothree34four')
print(m.group(0))  # 12

m = pattern.match('one12twothree34four')        # 查找头部，没有匹配
print(m)

m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
print(m)                                        # 返回一个 Match 对象

6、re.findall()

re.findall()在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
注意： match()和search()是匹配一次，findall()匹配所有。
findall(string[, pos[, endpos]])

string #待匹配的字符串。
pos #可选参数，指定字符串的起始位置，默认为 0。
endpos #可选参数，指定字符串的结束位置，默认为字符串的长度。

import re
 
pattern = re.compile(r'\d+')

m = pattern.findall('faf9 985 4da7 f9g')  # 字符串中找到正则表达式所匹配的所有子串，并返回一个列表
print(m)  # ['9', '985', '4', '7', '9']

m2 = pattern.findall('faf9 985 4da7 f9g', 2, 10)
print(m2)

7、re.finditer()

re.finditer()在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。
re.finditer(pattern, string, flags=0)

pattern #匹配的正则表达式
string #要匹配的字符串。
flags #标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

import re
 
it = re.finditer(r"\d+","12a32bc43jf3")   # 在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回
for i in it: 
    print (i.group())  # 12\n 32\n 43\n 3

8、正则表达式修饰符

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

import re

pattern = re.compile(r'([a-z]+) ([a-z]+)', re.I)   # re.I 表示忽略大小写

m = pattern.match('Hello World Wide Web')
print(m.groups())  # ('Hello', 'World')

# re.I 使匹配对大小写不敏感
# re.L 做本地化识别（locale-aware）匹配
# re.M 多行匹配，影响 ^ 和 $
# re.S 使 . 匹配包括换行在内的所有字符
# re.U 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
# re.X 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

三、正则表达式实例

实例	描述
python	匹配 “python”
[Pp]ython	匹配 “Python” 或 “python”
rub[ye]	匹配 “ruby” 或 “rube”
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符
.	匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用象 ‘[.\n]’ 的模式。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。
\W	匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]’。