正则表达式可谓是字符处理中的神器，无论是爬虫的数据处理，还是读取文件中信息处理，正则表达式都是一个非常好用的东西。今天就让我们一起用一道例题看一看一些简单正则表达式的用法吧！
正则表达式匹配规则：
| 模式 | 描述 |
| ^ | 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} | 精确匹配 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,} | 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) | 对正则表达式分组并记住匹配的文本 |
| (?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 | 匹配字母数字及下划线 |
| \W | 匹配非字母数字及下划线 |
| \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。 |
题目要求：
有一些参考文献的格式如下:
文献名称、文献来源-会议、年份、页面范围、或
文献名称、文献来源-期刊、年份、卷(期)、页面范围.
文献和文献来源中间有一个空格,文献名称、来源都不含。对于会议文献，年份和页面中间也有空格。
对于期刊文献，年份、卷、期和页面中间没有空格。
对下面一段英文进行分割：
A large scale study of web password of habits.The International Conference on WWW ,2007,657-666.On user choice in graphical password schemes . The 13th USENIX Security Symposium,2004,15-28. The Polyanna hypothesis . Journal of Verbal and Learning Behavior ,1969,8(1):1-8. Support Vector Machine . Journal of Machine Learning ,1992,8(12):110-119.
要求：提取文献名称，文献来源，分年，页面范围。如果是期刊的话，还需要提取卷、期。
输出样例：
完整代码：
1. import re 2. book_str = "A large scale study of web password of habits." \ 3. "The International Conference on WWW ,2007,657-666." \ 4. "On user choice in graphical password schemes . " \ 5. "The 13th USENIX Security Symposium,2004,15-28. " \ 6. "The Polyanna hypothesis . Journal of Verbal and " \ 7. "Learning Behavior ,1969,8(1):1-8. Support Vector" \ 8. " Machine . Journal of Machine Learning ,1992,8(12):110-119." 9. 10. pattern = r'[,|.]' # 定义分隔符 11. result = re.split(pattern, book_str) # 以pattern的值 分割字符串 12. str_list = ["名称:","会议名称:","年份:","开始页号:","终止页号:","卷:","期:"] 13. print("****文献1****") 14. print(str_list[0],result[0]) 15. print(str_list[1],result[1]) 16. print(str_list[2],result[2]) 17. print(str_list[3],result[3][:3:]) 18. print(str_list[4],result[3][4::]) 19. print("****文献2****") 20. print(str_list[0],result[4]) 21. print(str_list[1],result[5]) 22. print(str_list[2],result[6]) 23. print(str_list[3],result[7][:2:]) 24. print(str_list[4],result[7][3::]) 25. print("****文献3****") 26. print(str_list[0],result[8]) 27. print(str_list[1],result[9]) 28. print(str_list[2],result[10]) 29. print(str_list[5],result[11][0]) 30. print(str_list[6],result[11][2]) 31. print(str_list[3],result[11][5]) 32. print(str_list[4],result[11][7]) 33. print("****文献4****") 34. print(str_list[0],result[12]) 35. print(str_list[1],result[13]) 36. print(str_list[2],result[14]) 37. print(str_list[5],result[15][0]) 38. print(str_list[6],result[15][2:4:]) 39. print(str_list[3],result[15][6:9:]) 40. print(str_list[4],result[15][10::])
总结：
核心代码为两行：
pattern = r'[,|.]' # 定义分隔符
result = re.split(pattern, book_str) # 以pattern的值 分割字符串
第一行定义分割符的集合，即之后的英文是根据这个分隔符集合中的元素来分割的。
第二行用正则表达式中的re.split方法，第一个参数pattern是上面定义的分割字符串的列表，第二个参数是是要进行处理的字符串，这里选的就是book_str，既是题目要求的操作的字符串。注意，这里的返回对象是一个列表。
将上述切割结果的列表打印出来，根据我们的需要，用列表的索引和字符串的切割方法，可以逐个打出我们所需要的内容。
定义了一个str_list = ["名称:","会议名称:","年份:","开始页号:","终止页号:","卷:","期:"]，用来储存名称，这样既可以利用索引进行输出啦！
