正则表达式

这个就是我的选择性纪录，基本照着廖雪峰的官方网站做了一遍。
正则表达式
用来匹配字符串的。
用\d匹配一个数字
用\w匹配一个数字或字母
用.匹配任意一个字符

用*表示任意个（包括0个）字符
用+表示至少一个字符
用？表示0个或1个字符
用{n}表示n个字符：\d{3}表示匹配3个数字，例如’010’
用{n，m}表示n个-m个字符：\d{3,8}表示3-8个数字，例如’1234567’
用\s表示一个空格：\s+表示至少有一个空格，例如匹配’ ‘，’ ‘等。
正则表达式中，特殊字符要用’‘转义，所以，如果要匹配’010-12345’，正则是\d{3}-\d{3,8}。

要做更精确地匹配，可以用[]表示范围，比如：

[0-9a-zA-Z\_]可以匹配一个数字、字母或者下划线；

[0-9a-zA-Z\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如’a100’，‘0_Z’，'Py3000’等等；

[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；

[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。

A|B可以匹配A或B，所以(P|p)ython可以匹配’Python’或者’python’。

^表示行的开头，^\d表示必须以数字开头。

$表示行的结束，\d$表示必须以数字结束。

你可能注意到了，py也可以匹配’python’，但是加上^py$就变成了整行匹配，就只能匹配’py’了。
re模块
Python的字符串本身也用\转义，所以政策表达式要表示特殊字符要用两个\，使用Python的r前缀，就不用考虑转义的问题了。r前缀就是不要识别转义字符。

s = r'ABC\-001'

用法：

import re
re.match(r'正则表达式'，字符串)

匹配成功返回一个Match对象，否则返回None。常用判别方法：

test = '用户输入的字符串'
if re.match(r'正则表达式', test):
    print('ok')
else:
    print('failed')

切分字符串
str.split()不如用re.split(r'正则表达式'，字符串)，这样就把匹配正则表达式的部分剔除掉了，再split就比较规范了。

'a b   c'.split(' ')#结果如下：
['a', 'b', '', '', 'c']

re.split(r'[\s\,\;]+', 'a,b;; c  d')结果如下：
['a', 'b', 'c', 'd']

分组
除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。比如：

^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(m.group(0))  '010-12345'
print(m.group(1))  '010'
print(m.group(2))  '12345'

group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串。
编译
如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配：

import re
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')

print(re_telephone.match('010-12345').groups())
print(re_telephone.match('010-8086').groups())

结果：

('010', '12345')
('010', '8086')

编译后生成Regular Expression对象，由于该对象自己包含了正则表达式，所以调用对应的方法时不用给出正则字符串。