目的：对文本的处理，正则表达式的功能很强大，可以很巧妙的过滤、匹配、获取想要的字符串，是必须学习的技能，这里只记录常用的写法，详细文档可以参看官方帮助文档。
环境：ubuntu 16.04 python 3.5
在python中使用正则表达式首先要导入re模块
|
1
|
import
re
|
在re模块中有几个常用的函数：
re.compile('value')
它会返回一个正则表达式regex对象，作用是对预编译提速，且第二个参数支持一些方法，把它返回给一个变量方便重复使用，函数有两个参数：匹配表达式和第二个可选参数：
匹配表达式即，正则表达式的写法，因为表达式中常用\符号，所以一般第一个参数下载r''内，r表示引号内为自然字符，python不对内部做转义，这样正则表达式用转义时不用多加一个\，如：r'\d'，\d在正则中是匹配一个数字，如果没有r则要写成'\\d'，这样很麻烦且不易阅读。
最简单的匹配：r'haha'匹配字符'haha'，但不匹配'hehe'，可以使用通配符，下面介绍：
常用通配符：
\d表示一个数字
\w表示字母、数字、下划线中任意一个，且在python3中支持匹配一个汉字。
\s表示空格、制表符和换行中任意一个。
\D, \W, \S是他们的非模式。
^匹配字符串起始位置，当^在方括号内是表示非模式，[^a-z]小写26个字母以外。
$匹配字符串结尾位置。
\b表示一个字符旁空格的位置，'it is a good job', \bgoog\b匹配good,而不会匹配goods等其他。
| 竖杠表示或，如\d|\d{2}，匹配一个数字或两个数字。
自定义通配符：
[a-z]表示小写a到z的26个字母中任意一个
[]中括号模式可以包含很多，比如：[a-zA-Z0-9_]这个就是\w（只在python2中相等），还可以想这样[aeiou]只包含想要匹配的，或者特殊符号[._-]，需要转义的要加上\。
以上都是只匹配符合的一个，下面学习数量：
匹配最少：{5} 表示5次，{1,5}表示1次到5次都可以，{1,}省略后面的表示至少1次。
贪婪匹配：+等同于{1,}，*表示可无或更多，？表示一次或更多，.点表示就是\S，这里都会匹配多的结果，因为是贪婪模式。
限制贪婪：在贪婪模式后面加上？表示限制贪婪，匹配最少,+会尽量匹配多的，+？匹配一个。
|
1
2
|
numRegex
=
re.
compile
(r
'\d{11}'
)
# 生成匹配11位数字的正则对象，\d是数字，{11}代表11次
|
re.compile()的第二个参数有：re.VERBOSE, re.IGNORECASE和re.DOTALL，后面要大写。
re.VERBOSE表示匹配中可以多行且有注释，在复杂的正则对象中使用。
|
1
2
3
4
|
re.
compile
(r
'''(
\d #匹配一个数字
\w #匹配一个字符
)'''
, re.VERBOSE)
|
re.IGORECASE表示匹配不区分大小写：
|
1
|
re.
compile
(r
'[a-z]'
, re.IGORECASE)
|
这个即可以匹配a，也可以匹配A。
re.DOTALL表示允许.匹配包括\s的内容
|
1
|
re.
compile
(r
'.*'
, re.DOTALL)
|
匹配所以内容。
匹配方法：search(), match(), findall(), finditer()
这些是匹配规则查找方法，也可以直接把正则表达式写在他们的第一个参数的位置（测试时可以，正式编写不推荐，理由在上面的compile中）而不用compile()，第二个参数是需要匹配的字符串，如
|
1
|
re.search(r
'\d+'
,
'aa123abc'
)
|
返回123
search()方法：
search()方法进行全字符搜索，返回的是第一个符合条件的match对象，并且它只返回一个，即使后面有其他符合条件的，也不处理，没有则返回None。
|
1
2
|
aa
=
re.
compile
(r
'\d\d\d+'
)
bb
=
aa.search(
'aa12345abc678'
)
|
bb得到返回的包含12345的match对象，而没有678
match()方法：
match()方法从字符串开始处就匹配，且只返回一个符合条件的match对象，相当于正则表达式以r'^开始，匹配也只返回开始部分，没有则返回None。
|
1
2
|
aa
=
re.
compile
(r
'\d+'
)
bb
=
aa.search(
'123ab45'
)
|
bb得到返回的包含123的match对象,没有45，且如果字符串变成'a123ab45'，则返回None。
findall()方法：
findall()方法进行全字符搜索，返回所有符合条件的值，然后组成列表，即返回一个列表对象，没有则为空列表。
|
1
2
|
aa
=
re.
compile
(r
'\d+'
)
bb
=
aa.findall(
'a123b45c678'
)
|
bb得到返回的的列表['123', '45', '678']
finditer()方法：
finditer()方法进行全字符串搜索，返回所有符合条件的match对象，然后组成迭代器，用for方法可以看出迭代器里面是match对象。
这里match对象有group(), group(index)和groups()方法：
可使用它们调用返回的match对象，group()和group(0)都是得到母值，groups()返回所有group(index)组成的元组。
分组和捕获：
在正则表达式中使用圆括号()会产生分组，每个组都是元素，返回一个元组对象，可用group()获取对于序号的元素：
|
1
|
numRegex
=
re.
compile
(r
'(\d)(\d)(\d)'
)
|
当圆括号内左边使用?:表示不分组、不捕获，如：(?:\d)匹配但不分组也不捕获，不捕获则不生成match对象。
替换方法sub():
上面已经学习了查找，这个是替换方法，有两种常用方式，我称为全部隐藏替换和部分隐藏替换：
全部隐藏替换：
|
1
2
|
aa
=
re.
compile
(r
'engineer (\w)\w+'
)
bb
=
aa.sub(r
'XX'
,
'engineer Ricky gave engineer Tom an apple'
)
|
bb得到字符串'XX gave XX an apple'
部分隐藏替换：
|
1
2
|
aa
=
re.
compile
(r
'engineer (\w)\w+'
)
cc
=
aa.sub(r
'\1**'
,
'engineer Ricky gave engineer Tom an apple'
)
|
cc得到字符串'R** gave T** an apple'
常用的正则表达式举例：
r'0\d{2,3}-\d{8}' 匹配固定电话，如：0755-87226688，010-85332765
