python3中使用正则表达式实现文本搜索匹配（一）

  正则表达式(regular expression)，简称为regex,是文本描述的方法。它预定义一个模式，用来表示文本中的特定字符组合，比如\d 表示一个0-9之间的数字；\w表示字母、数字或下划线；\s表示空格、制表符或换行符。利用正则表达式可以定义任何复杂的字符组合，实现文本的精准快速匹配，代码量大幅度减少（少了很多逻辑运算）。

  上面介绍了正则表达式是什么东东，下面我们看一下如何利用正则表达式来匹配文本吧！

1.模式匹配流程

（1）导入正则表达式模块，python中所有的正则表达式函数都在re模块中。

 import re

（2）创建正则表达式对象pattern

       例如，创建一个pattern对象来匹配某种模式的电话号码（028-11111）

phoneRegex = re.compile('\d\d\d-\d\d\d\d\d')

       re.compile(‘str_pattern’,flag)函数传入两个参数，str_pattern是字符串形式的正则表达式，flags可选，表示匹配模式如re.I表示忽略大小写。执行结果返回一个pattern对象  

（3）匹配pattern对象

          pattern对象可以调用match()，search()，findall()方法，当调用前两个方法时，返回一个Match对象，调用findall（）方法会返回一个列表，包含了匹配的所有字符串

         match=phoneRegex.search('我的电话号码是028-12345，028-23456')

         result=match.group()

（4）获取匹配的字符串

        当pattern对象调用search()时，仅匹配查找到的第一个匹配，返回一个match对象， match对象里存储‘028-12345’，而028-23456被忽略。要想从match对象里获取匹配的字符串，需要用到match对象中的方法group()

        当pattern对象调用findall()时，查到所有的匹配，并返回一个字符串列表

        result = phoneRegex.findall('我的电话号码是028-12345，028-23456')

        返回['028-12345', '028-23456']

        这里需要注意的一点是：findall()返回的是字符串列表，而search()方法返回的是一个match对象，要想得到匹配的字符串还需要调用group()方法。

 2.正则表达式的分组

  前面我们使用到了group（）函数，那么为什么这个函数要命名为group呢？哪里分组了呢？我们不妨看看下面一个例子：

 要匹配的电话号码模式为 XXX-XXXXX，其前3位代表了市的编码，我现在想通过模式匹配得到这个市的编码，那应该怎么做呢？这就要用到正则表达式里的分组。

   简单来说，分组是对匹配的模式的又一次处理，它用括号（）将匹配的模式分为多个组，每个组中存储着相应的信息。

   我们对前面的例子进行升级：

   phoneRegex = re.compile(r'(\d\d\d)-(\d\d\d\d\d)')

  match=phoneRegex.search('我的电话号码是028-12345，028-23456')

  result=match.group(0)     =====>  输出为‘028-12345’

  result=match.group(1)      =====>  输出为‘028’

  result=match.group(2)      =====>  输出为‘12345’

  result=match.groups()      =====>  输出为元组（‘028’，‘12345’）

 除了group（）函数之外，match对象还提供了start(),end(),span()函数，目的是获取匹配的字符串分组在整个字符串中的起始结  束索引位置，以上述为例：

     match.start(0) ======> 7          # 028-12345中 0在整个字符串中的索引

     match.end(0)  ======>16        # 028-12345中 5在整个字符串中的索引+1

     match.span(0)  ======>(7,16)

     match.start(1) ======> 7        # 028-12345中 第一个分组（028）中0在整个字符串中的索引

     match.end(1) ======> 10       # 028-12345中 第一个分组（028）中8在整个字符串中的索引

     如果使用findall()

    phoneRegex = re.compile(r'(\d\d\d)-(\d\d\d\d\d)')

    phoenRegex.findall('我的电话号码是028-12345，028-23456')   ======>输出为列表 [('028', '12345'), ('028', '23456')]