python 正则表达式 re 模块
python 通过 re 模块来实现
>>> import re
>>> re.research(r'FishC', 'I love FishC.com')
<_sre.SRE_Match object; span=(7, 12), match = 'FishC'>
search()方法用于在字符串中搜索正则表达式模式第一次出现的 位置 。
这种方法类似于 find()方法，
>>> "I love FishC.com!".find('FishC')
7
注意事项：
-
第一个参数是正则表达式模式，也就是要描述的搜索规则，需要使用原始字符串来写
-
返回的范围下标从 0 开始。找不到则返回 None
re.compile()
可以將欲搜尋字符串的正則表達式當做字符串參數放在此方法內，然後會傳回一個 Regex (Regular expression)，如，
phoneRule = re.compile(r'\d\d\d\d-\d\d\d-\d\d\d') #建立 phoneRule 對象
re.search()
在 Regex 對象內有 search() 方法，可以由 Regex 對象啓用，然後將欲搜尋的字符串放在這個方法內，如，
phoneNum = phoneRule.search()
可以使用，
re.search(pattern, string, flags)
省略 re.compile()，其中 pattern 是欲搜寻的正则表达方式；string 是所搜寻的字符串。
findall()
這個方法會將搜尋到的元素用列表方式傳回，這樣就不會有只顯示第一個搜尋關鍵元素的缺點，如果沒有比對相符的元素就傳回空列表。
pheoneRule = re.compile(r'\d\d\d\d-\d\d\d-\d\d\d') #建立 phoneRule 對象
phoneNum = phoneRule.findall(string) #string 是欲搜尋的字符串
與 search() 函數相同，findall() 也同樣可以由 re 模塊直接調用，而省略 re.compile()：
re.findall(pattern, string, flags)
通配符
和字符串 find() 方法相比较，正则表达式较强的地方在于可以使用通配符。
python 正则表达式中的通配符
.可以匹配除了换行符之外的任何字符
>>> re.search(r'.', 'I love FishC.com!')
<_sre.SRE_Match object; span=(0, 1), match = 'I'>
>>> re.search(r'Fish.', 'I love FishC.com!')
<_sre.SRE_Match object; span=(7, 12), match = 'FishC'>
# 这里 '.' 只替代一个字母
反斜杠
>>> re.search(r'.', 'I love FishC.com!')
<_sre.SRE_Match object; span=(0, 1), match = 'I'>
>>> re.search(r'\.', 'I love FIshC.com!')
<_sre.SRE_Match object; span=(12, 13), match = '.'>
正则表达式中，反斜杠用来剥夺元字符的特殊能力。元字符就是拥有特殊能力的符号，如
.
分组符 () 以及 group()
使用 () 进行分组，如
r`\d\d-\d\d\d\d\d\d\d\d` #可以改写为
r`(\d\d)-(\d\d\d\d\d\d\d\d)`
其中分组后有个一个好处就是可以使用 group() 进行选择，
print("完整的号码：%s phoneNum.group(0))
其中 group() 或者 group(0) 传回第一个比对相符的文字，group(1) 等则传回括号的第一组文字等。
值得注意的是如果使用 () 分组后，当使用 findall() 后，会传回元组的列表，如
import re
msg = 'Please call my secretary using 02-26669999 or 02-11112222'
pattern = r'(\d{2}) - (\d{8})'
phoneNum = re.findall(patterm, msg) #传回搜寻结果
print(phoneNum)
#输出结果：
[('02', '26669999'), ('02', '11112222')]
groups()
可以使用 group() 进行多重指定，如
pattern = r'(\d{2})-(\d{8})'
phoneNum = re.serach(patterm, msg)
areaNum, localNum = phoneNum.groups()
字符类 []
为了表示一个字符的范围，可以创建一个字符类。使用中括号将任何内容包起来就是一个字符类，它的含义是只要匹配这个字符类中的任何字符，结果就算做匹配。
>>> re.search(r'[aeiou]', 'I love 123 FishC.com')
<_sre.SRE_Match object; span=(3, 4), match = 'o'>
同时也可以使用 - 做字母或数字范围的搜索：
# 在规定字母顺序范围内搜索
>>> re.search(r'[a-z]', 'I love 123 FishC.com!')
<_sre.SRE_Match object; span=(2, 3), match = 'l'>
# 在规定数字顺序范围内搜索
>>> re.search(r'[0-2][0-5][0-5]', 'I love 123 FishC.com!')
<_sre.SRE_Match object; span=(7, 10), match = '123'>
有以下两个注意事项：
-
re.search对于字符的搜索区分大小写 -
re.search只能遍历字符串，并将满足条件的第一个结果返回
重复匹配 {}
使用 {} 大括号对元字符实现重复匹配功能：
>>> re.search(r'ab{3}c', 'abbbc')
<_sre.SRE_Match object; span=(0, 5), match = 'abbbc'>
# 重复次数可以规定范围
>>> re.search(r'ab{3, 5}c', 'abbbbbc')
<_sre.SRE_Match object; span=(0, 7), match = 'abbbbbc'>
>>> re.search(r'ab{3, 5}c', 'abbbbbc')
<_sre.SRE_Match object; span=(0, 5), match = 'abbbc'>
对于重复匹配有以下注意事项：
- 正则表达式匹配的是 字符串而非数字 ，所以在匹配大于 10 的数字时需要额外考虑
- 可以利用
{0, 1}来解决大于 10 数字不好搜索的问题
例如利用正则表达式匹配 ip 地址：
>>> re.search(r'(([0-1]{0, 1}\d{0, 1}\d|2[0-4]\d|25[0-5])\.){3}([0-1]{0, 1}\d{0, 1}\d|2[0-4]\d|25[0-5])', 'other192.168.1.1other'])
<_sre.SRE_Match object; span=(5, 16), match = '192.168.1.1'>
特殊符号
| 字符 | 使用說明 |
|---|---|
| \d | 0~9的整數字元 |
| \D | 除了0~9的整數字元以外的其他字符 |
| \s | 空白、定位、Tab鍵、換行、換頁字符 |
| \S | 除了空白、定位、Tab鍵、換行、換頁字符以外的其他字符 |
| \w | 數字、字母和底線_字符，[A-Za-z0-9_] |
| \W | 除了數字、字母和底線_字符，[A-Za-z0-9_]以外的其他字符 |
Python 3 正则表达式的特殊符号及用法见 re regular expression 文档。
如，
pattern = '\w+' # 把不限長度的數字、字母和底線字符當做符合搜尋
pattern = 'John\w' # John開頭後面接0~多個數字、字母和底線字符
搜索时的特殊符号
使用 ？ 做搜寻
正则表达式中若某些括号内的字符串或正则表达式可有可无，执行搜寻时皆算成功。如，
msg = 'Please call my secretary using 02-26669999'
pattern = r'(\d\d-)?(\d{8})`
phoneNum = re.search(pattern, msg)
print("完整的号码是： %s" % phoneNum.group())
使用 * 做搜寻
正则表达式中若某些字符串或者正则表达式可从0到多次，执行皆算成功，例如，na 字可从0到多次，表达方式是 (na)*。
使用 + 做搜寻
正则表达式中若某些字符串或者正则表达式可从1到多次，执行皆算成功，例如，na 字可从1到多次，表达方式是 (na)+。
搜寻时忽略大小写
在 search() 和 find() 内增加第三个参数（flags），re.I 或者 re.IGNORECASE，搜寻结果就会忽略大小写，至于打印时仍然会以原字符打印。如，
txt = re.findall(pattern, msg, re.I)
元字符
管道符 |
管道符 | 类似于逻辑或操作，同时搜寻比对多个字符串
>>> re.search(r"Fish(C|D)", "FishC")
<_sre.SRE_Match object; span=(0, 5), match = 'FishC'>
>>> re.search(r"Fish(C|D)", "FishD")
<_sre.SRE_Match object; span=(0, 5), match = 'FishD'>
注意：单引号及管道符号两侧不能留空白。
同时，管道符可以用于多个字符串的同时搜索，如
pattern = 'John(son|nason|nathan)'
脱字符 ^
脱字符 ^ 表示匹配字符串需要开始的位置，只有在目标字符串的开头时才会发生匹配 。
>>> re.search(r"^FishC", "I love FishC.com!")
>>> re.search(r"^FishC", "FishC.com!")
<_sre.SRE_Match object; span=(0, 5), match = 'FishD'>
美元符 $
则表示匹配字符串的结束位置，也就是说，只有目标字符串出现在末尾才会匹配：
>>> re.search(r"FishC$", "FishC.com"