俗話：學好正則表達式，走遍天下都沒事！最詳細的正則入門教程！
簡介
正則表達式（regular expression）是可以匹配文本片段的模式。最簡單的正則表達式就是普通字符串，可以匹配其自身。比如，正則表達式 ‘hello’ 可以匹配字符串 ‘hello’。進群：125240963 即可獲取數十套PDF哦！
re 模塊
在 Python 中，我們可以使用內置的 re 模塊來使用正則表達式。
私信小編007即可獲取數十套PDF哦！
- 使用 compile 函數將正則表達式的字符串形式編譯為一個 Pattern 對象
- 通過 Pattern 對象提供的一系列方法對文本進行匹配查找，獲得匹配結果（一個 Match 對象）
- 最後使用 Match 對象提供的屬性和方法獲得信息，根據需要進行其他的操作
- compile 函數
compile 函數用於編譯正則表達式，生成一個 Pattern 對象，它的一般使用形式如下：
match 方法用於查找字符串的頭部（也可以指定起始位置），它是一次匹配，只要找到了一個匹配的結果就返回，而不是查找所有匹配的結果。它的一般使用形式如下：
match(string[, pos[, endpos]])
其中，string 是待匹配的字符串，pos 和 endpos 是可選參數，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。因此，當你不指定 pos 和 endpos 時，match 方法默認匹配字符串的頭部。
在上面，當匹配成功時返回一個 Match 對象，其中：
- group([group1, …]) 方法用於獲得一個或多個分組匹配的字符串，當要獲得整個匹配的子串時，可直接使用 group() 或 group(0)；
- start([group]) 方法用於獲取分組匹配的子串在整個字符串中的起始位置（子串第一個字符的索引），參數默認值為 0；
- end([group]) 方法用於獲取分組匹配的子串在整個字符串中的結束位置（子串最後一個字符的索引+1），參數默認值為 0；
- span([group]) 方法返回 (start(group), end(group))。
search 方法
search 方法用於查找字符串的任何位置，它也是一次匹配，只要找到了一個匹配的結果就返回，而不是查找所有匹配的結果，它的一般使用形式如下：
search(string[, pos[, endpos]])
其中，string 是待匹配的字符串，pos 和 endpos 是可選參數，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。
findall 方法
上面的 match 和 search 方法都是一次匹配，只要找到了一個匹配的結果就返回。然而，在大多數時候，我們需要搜索整個字符串，獲得所有匹配的結果。
findall 方法的使用形式如下：
findall(string[, pos[, endpos]])
其中，string 是待匹配的字符串，pos 和 endpos 是可選參數，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。
findall 以列表形式返回全部能匹配的子串，如果沒有匹配，則返回一個空列表。
看看例子：
import re
pattern = re.compile(r‘d+‘) # 查找數字
result1 = pattern.findall(‘hello 123456 789‘)
result2 = pattern.findall(‘one1two2three3four4‘, 0, 10)
print result1
print result2
執行結果：
[‘123456‘, ‘789‘]
[‘1‘, ‘2‘]
finditer 方法
finditer 方法的行為跟 findall 的行為類似，也是搜索整個字符串，獲得所有匹配的結果。但它返回一個順序訪問每一個匹配結果（Match 對象）的叠代器。
split 方法
split 方法按照能夠匹配的子串將字符串分割後返回列表，它的使用形式如下：
split(string[, maxsplit])
其中，maxsplit 用於指定最大分割次數，不指定將全部分割。
看看例子：
- 如果 repl 是字符串，則會使用 repl 去替換字符串每一個匹配的子串，並返回替換後的字符串，另外，repl 還可以使用 id 的形式來引用分組，但不能使用編號 0；
- 如果 repl 是函數，這個方法應當只接受一個參數（Match 對象），並返回一個字符串用於替換（返回的字符串中不能再引用分組）。
- count 用於指定最多替換次數，不指定時全部替換。
它返回一個元組：
(sub(repl, string[, count]), 替換次數)
元組有兩個元素，第一個元素是使用 sub 方法的結果，第二個元素返回原字符串被替換的次數。
看看例子：
事實上，使用 compile 函數生成的 Pattern 對象的一系列方法跟 re 模塊的多數函數是對應的，但在使用上有細微差別。
match 函數
match 函數的使用形式如下：
search 函數
search 函數的使用形式如下：
re.search(pattern, string[, flags])
search 函數不能指定字符串的搜索區間，用法跟 Pattern 對象的 search 方法類似。
findall 函數
findall 函數的使用形式如下：
re.findall(pattern, string[, flags])
findall 函數不能指定字符串的搜索區間，用法跟 Pattern 對象的 findall 方法類似。
看看例子：
import re
print re.findall(r‘d+‘, ‘hello 12345 789‘)
# 輸出
[‘12345‘, ‘789‘]
finditer 函數
finditer 函數的使用方法跟 Pattern 的 finditer 方法類似，形式如下：
re.finditer(pattern, string[, flags])
split 函數
split 函數的使用形式如下：
re.split(pattern, string[, maxsplit])
sub 函數
sub 函數的使用形式如下：
re.sub(pattern, repl, string[, count])
subn 函數
subn 函數的使用形式如下：
re.subn(pattern, repl, string[, count])
到底用哪種方式
從上文可以看到，使用 re 模塊有兩種方式：
- 使用 re.compile 函數生成一個 Pattern 對象，然後使用 Pattern 對象的一系列方法對文本進行匹配查找；
- 直接使用 re.match, re.search 和 re.findall 等函數直接對文本匹配查找；
下面，我們用一個例子展示這兩種方法。
先看第 1 種用法：
import re
# 將正則表達式先編譯成 Pattern 對象
pattern = re.compile(r‘d+‘)
print pattern.match(‘123, 123‘)
print pattern.search(‘234, 234‘)
print pattern.findall(‘345, 345‘)
再看第 2 種用法：
import re
print re.match(r‘d+‘, ‘123, 123‘)
print re.search(r‘d+‘, ‘234, 234‘)
print re.findall(r‘d+‘, ‘345, 345‘)
如果一個正則表達式需要用到多次（比如上面的 d+），在多種場合經常需要被用到，出於效率的考慮，我們應該預先編譯該正則表達式，生成一個 Pattern 對象，再使用該對象的一系列方法對需要匹配的文件進行匹配；而如果直接使用 re.match, re.search 等函數，每次傳入一個正則表達式，它都會被編譯一次，效率就會大打折扣。
因此，我們推薦使用第 1 種用法。
匹配中文
在某些情況下，我們想匹配文本中的漢字，有一點需要註意的是，中文的 unicode 編碼範圍 主要在 [u4e00-u9fa5]，這裏說主要是因為這個範圍並不完整，比如沒有包括全角（中文）標點，不過，在大部分情況下，應該是夠用的。
假設現在想把字符串 title = u‘你好，hello，世界‘ 中的中文提取出來，可以這麽做：
# -*- coding: utf-8 -*-
import re
title = u‘你好，hello，世界‘
pattern = re.compile(ur‘[\u4e00-\u9fa5]+‘)
result = pattern.findall(title)
print result
註意到，我們在正則表達式前面加上了兩個前綴 ur，其中 r 表示使用原始字符串，u 表示是 unicode 字符串。
執行結果:
[u‘\u4f60\u597d‘, u‘\u4e16\u754c‘]
貪婪匹配
在 Python 中，正則匹配默認是貪婪匹配（在少數語言中可能是非貪婪），也就是匹配盡可能多的字符。
比如，我們想找出字符串中的所有 div 塊：
import re
content = ‘aa<div>test1</div>bb<div>test2</div>cc‘
pattern = re.compile(r‘<div>.*</div>‘)
result = pattern.findall(content)
print result
執行結果：
[‘<div>test1</div>bb<div>test2</div>‘]
由於正則匹配是貪婪匹配，也就是盡可能多的匹配，因此，在成功匹配到第一個
時，它還會向右嘗試匹配，查看是否還有更長的可以成功匹配的子串。
如果我們想非貪婪匹配，可以加一個 ?，如下：
import re
content = ‘aa<div>test1</div>bb<div>test2</div>cc‘
pattern = re.compile(r‘<div>.*?</div>‘) # 加上 ?
result = pattern.findall(content)
print result
結果：
[‘<div>test1</div>‘, ‘<div>test2</div>‘]
小結
- re 模塊的一般使用步驟如下：
- 使用 compile 函數將正則表達式的字符串形式編譯為一個 Pattern 對象；
- 通過 Pattern 對象提供的一系列方法對文本進行匹配查找，獲得匹配結果（一個 Match 對象）；
- 最後使用 Match 對象提供的屬性和方法獲得信息，根據需要進行其他的操作；
- Python 的正則匹配默認是貪婪匹配。
俗話：學好正則表達式，走遍天下都沒事！最詳細的正則入門教程！