目的：對文本的處理，正則表達式的功能很強大，可以很巧妙的過濾、匹配、獲取想要的字符串，是必須學習的技能，這裏只記錄常用的寫法，詳細文檔可以參看官方幫助文檔。

環境：ubuntu 16.04 python 3.5

在python中使用正則表達式首先要導入re模塊

import re

在re模塊中有幾個常用的函數：

re.compile(‘value‘)

它會返回一個正則表達式regex對象，作用是對預編譯提速，且第二個參數支持一些方法，把它返回給一個變量方便重復使用，函數有兩個參數：匹配表達式和第二個可選參數：

匹配表達式即，正則表達式的寫法，因為表達式中常用\符號，所以一般第一個參數下載r‘‘內，r表示引號內為自然字符，python不對內部做轉義，這樣正則表達式用轉義時不用多加一個\，如：r‘\d‘，\d在正則中是匹配一個數字，如果沒有r則要寫成‘\\d‘，這樣很麻煩且不易閱讀。

最簡單的匹配：r‘haha‘匹配字符‘haha‘，但不匹配‘hehe‘，可以使用通配符，下面介紹：

常用通配符：

\d表示一個數字

\w表示字母、數字、下劃線中任意一個，且在python3中支持匹配一個漢字。

\s表示空格、制表符和換行中任意一個。

\D, \W, \S是他們的非模式。

^匹配字符串起始位置，當^在方括號內是表示非模式，[^a-z]小寫26個字母以外。

$匹配字符串結尾位置。

\b表示一個字符旁空格的位置，‘it is a good job‘, \bgoog\b匹配good,而不會匹配goods等其他。

| 豎杠表示或，如\d|\d{2}，匹配一個數字或兩個數字。

自定義通配符：

[a-z]表示小寫a到z的26個字母中任意一個

[]中括號模式可以包含很多，比如：[a-zA-Z0-9_]這個就是\w（只在python2中相等），還可以想這樣[aeiou]只包含想要匹配的，或者特殊符號[._-]，需要轉義的要加上\。

以上都是只匹配符合的一個，下面學習數量：

匹配最少：{5} 表示5次，{1,5}表示1次到5次都可以，{1,}省略後面的表示至少1次。

貪婪匹配：+等同於{1,}，*表示可無或更多，？表示一次或更多，.點表示就是\S，這裏都會匹配多的結果，因為是貪婪模式。

限制貪婪：在貪婪模式後面加上？表示限制貪婪，匹配最少,+會盡量匹配多的，+？匹配一個。

numRegex = re.compile(r‘\d{11}‘)
# 生成匹配11位數字的正則對象，\d是數字，{11}代表11次

re.compile()的第二個參數有：re.VERBOSE, re.IGNORECASE和re.DOTALL，後面要大寫。

re.VERBOSE表示匹配中可以多行且有註釋，在復雜的正則對象中使用。

re.compile(r‘‘‘(
    \d        #匹配一個數字
    \w        #匹配一個字符
)‘‘‘, re.VERBOSE)

re.IGORECASE表示匹配不區分大小寫：

re.compile(r‘[a-z]‘, re.IGORECASE)

這個即可以匹配a，也可以匹配A。

re.DOTALL表示允許.匹配包括\s的內容

re.compile(r‘.*‘, re.DOTALL)

匹配所以內容。

匹配方法：search(), match(), findall(), finditer()

這些是匹配規則查找方法，也可以直接把正則表達式寫在他們的第一個參數的位置（測試時可以，正式編寫不推薦，理由在上面的compile中）而不用compile()，第二個參數是需要匹配的字符串，如

re.search(r‘\d+‘, ‘aa123abc‘)

返回123

search()方法：

search()方法進行全字符搜索，返回的是第一個符合條件的match對象，並且它只返回一個，即使後面有其他符合條件的，也不處理，沒有則返回None。

aa = re.compile(r‘\d\d\d+‘)
bb = aa.search(‘aa12345abc678‘)

bb得到返回的包含12345的match對象，而沒有678

match()方法：

match()方法從字符串開始處就匹配，且只返回一個符合條件的match對象，相當於正則表達式以r‘^開始，匹配也只返回開始部分，沒有則返回None。

aa = re.compile(r‘\d+‘)
bb = aa.search(‘123ab45‘)

bb得到返回的包含123的match對象,沒有45，且如果字符串變成‘a123ab45‘，則返回None。

findall()方法：

findall()方法進行全字符搜索，返回所有符合條件的值，然後組成列表，即返回一個列表對象，沒有則為空列表。

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()方法進行全字符串搜索，返回所有符合條件的match對象，然後組成叠代器，用for方法可以看出叠代器裏面是match對象。

這裏match對象有group(), group(index)和groups()方法：

可使用它們調用返回的match對象，group()和group(0)都是得到母值，groups()返回所有group(index)組成的元組。

分組和捕獲：

在正則表達式中使用圓括號()會產生分組，每個組都是元素，返回一個元組對象，可用group()獲取對於序號的元素：

numRegex = re.compile(r‘(\d)(\d)(\d)‘)

當圓括號內左邊使用?:表示不分組、不捕獲，如：(?:\d)匹配但不分組也不捕獲，不捕獲則不生成match對象。

替換方法sub():

上面已經學習了查找，這個是替換方法，有兩種常用方式，我稱為全部隱藏替換和部分隱藏替換：

全部隱藏替換：

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‘

部分隱藏替換：

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‘

常用的正則表達式舉例：

r‘^0\d{2,3}-\d{8}‘ 匹配固定電話，如：0755-87226688，010-85332765

本文出自 “RickyHuL” 博客，請務必保留此出處http://rickyh.blog.51cto.com/10934856/1941536

學習正則表達式在python中的應用