Python学习（正则表达式与模式匹配上篇）

一、用正则查找文本中相应的内容：

>>> import re
>>> phoneNumRegex = re.compile(r'\d\d\d \d\d\d\d \d\d\d')
>>> num = phoneNumRegex.search('我的电话是：010 1111 1111')
>>> print(num)
<_sre.SRE_Match object; span=(6, 18), match='010 1111 111'>
>>> print(num.group())
010 1111 111

1.import re导入正则表达式模块。Python中所有正则表达式的函数都在re模块中，所以我们要先引入re模块；
2.用re.compile()函数创建一个Regex对象（参数就是要匹配的内容的正则表达式）；
3.用Regex对象的search()方法来查找一段字符串，返回那个匹配的对象num，num中是一段相应的描述信息；

4.调用匹配对象num的group()方法，返回实际匹配文本的字符串。

当然，也可以使用（）给查找的内容分组：

>>> phoneNumRegex = re.compile(r'(\d\d\d) (\d\d\d\d \d\d\d)')
>>> num = phoneNumRegex.search('my number is 010 1111 1111')
>>> num.group(1)
'010'
>>> num.group(2)
'1111 111'
>>> num.groups()
('010', '1111 111')
>>> num.group(0)
'010 1111 111'
>>> num.group()
'010 1111 111'

二、用管道匹配多个分组：管道是或者的关系。
e4cd

>>> name = re.compile(r'Lee|Tony')
>>> names = re.compile(r'Lee|Tony')
>>> name = names.search('Lee and Tony')
>>> name.group()
'Lee'

如果 Lee和Tony都出现在被查找的字符串中，则第一次出现的匹配文本会被作为匹配对象返回。

三、用问号实现可选性的匹配：

>>> phoneNumRegex = re.compile(r'(\d\d\d)? (\d\d\d\d \d\d\d)')
>>> num = phoneNumRegex.search('my number is 1111 1111')
>>> num.group()
' 1111 111'
>>> num = phoneNumRegex.search('我的电话是：010 1111 1111')
>>> num.group()
'010 1111 111'

四、用星号匹配零次或多次，用加号匹配一次或多次：用花括号匹配特定次数

>>> names = re.compile(r'(Lee)*')
>>> name = names.search('LeeLee')
>>> name.group()
'LeeLee'
>>> names = re.compile(r'(Lee)+')
>>> name = names.search('Tony')
>>> name.group()
Traceback (most recent call last):
  File "<pyshell#34>", line 1, in <module>
    name.group()
AttributeError: 'NoneType' object has no attribute 'group'>>> names = re.compile(r'(Lee){3}')
>>> name = names.search('LeeLeeLee')
>>> name.group()
'LeeLeeLee'
>>> name = names.search('LeeLee')
>>> name.group()
Traceback (most recent call last):
  File "<pyshell#39>", line 1, in <module>
    name.group()
AttributeError: 'NoneType' object has no attribute 'group'

五、用花括号匹配特定次数：

>>> names = re.compile(r'(Lee){3}')
>>> name = names.search('LeeLeeLee')
>>> name.group()
'LeeLeeLee'
>>> name = names.search('LeeLee')
>>> name.group()
Traceback (most recent call last):
File "<pyshell#39>", line 1, in <module>
name.group()
AttributeError: 'NoneType' object has no attribute 'group'

参数除了一个数字，还可以设定范围，即在花括号中写一个最小值、逗号、一个最大值。例如(Lee){1,3}，将匹配'Lee'、'LeeLee'和'LeeLeeLee'三种情况。也可以不写花括号中的第一个或第二个数字，这样的话将不限定最小值或最大值。

六、贪心和非贪心匹配：默认来讲是贪心的，就是取最多的那个，如果想取遇到的第一个，在{}后加上一个？来实现。

>>> names = re.compile(r'(Lee){1,3}')
>>> name = names.search('LeeLeeLee')
>>> name.group()
'LeeLeeLee'
>>> names = re.compile(r'(Lee){1,3}?')
>>> name = names.search('LeeLeeLee')
>>> name.group()
'Lee'

七、findall()方法：

>>> phoneNumRegex = re.compile(r'\d\d\d-\d\d\d\d-\d\d\d')
>>> phoneNum = phoneNumRegex.search('我的电话是：010-1111-1111和010-8888-8888')
>>> phoneNum.group()
'010-1111-111'
>>> phoneNum = phoneNumRegex.findall('我的电话是：010-1111-1111和010-8888-8888')
>>> phoneNum
['010-1111-111', '010-8888-888']
>>> phoneNumRegex = re.compile(r'(\d\d\d)-(\d\d\d\d)-(\d\d\d)')
>>> phoneNumRegex.findall('我的电话是：010-1111-1111和010-8888-8888')
[('010', '1111', '111'), ('010', '8888', '888')]

1.如果在一个没有分组的正则表达式中使用，例如\d\d\d-\d\d\d\d-\d\d\d\d，findall()将返回一个其匹配的字符串的列表；
2.如果在一个有分组的正则表达式中使用，例如(\d\d\d)-(\d\d\d\d)-(\d\d\d\d)，findall()将返回一个字符串的元组的列表（每个分组对应一个字符串）。

八、字符分类：

\d：0到9的任何数字；\D：除0到9的数字以外的任何字符；

\w：任何字母、数字或下划线字符（可以认为是匹配“单词”字符）；\W：除字母、数字和下划线以外的任何字符；

\s：空格、制表符或换行符（可以认为是匹配“空白”字符）；\S：除空格、制表符和换行符以外的任何字符。

这些分类有点笼统，根据具体的需求，你可以自己定义正则:

1.可以使用短横线表示字母或数字的范围：例如[a-zA-Z0-9]可以匹配所有小写字母、大写字母和数字。注意，在方括号内，普通的正则表达式符号不会被解释。

2.在[a-zA-Z0-9]的左上角插入字符（^），[^a-zA-Z0-9]就表示非判断，就是取除了这个要求之外的值。

九、插入字符和美元字符：

可以在正则表达式的开始处使用插入符号（^），表明匹配必须发生在被查找文本开始处。类似地，可以在正则表达式的末尾加上美元符号（$），表示该字符串必须以这个正则表达式的模式结束。同时使用^和$，表明整个字符串必须匹配该正则表达式。

>>> nums = re.compile(r'^\d+$')
>>> num = nums.search('a2017')
>>> num.group()
Traceback (most recent call last):
File "<pyshell#77>", line 1, in <module>
num.group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> nums = re.compile(r'^\d+$')
>>> num = nums.search('2017a')
>>> num.group()
Traceback (most recent call last):
File "<pyshell#80>", line 1, in <module>
num.group()
AttributeError: 'NoneType' object has no attribute 'group'
>>> nums = re.compile(r'^\d+$')
>>> num = nums.search('2017')
>>> num.group()
'2017'