Python3正则表达式(Python3 Regular Expression)

正则表达式是一种通用的工具，并不只属于Python语言，基本大部分语言都封装好了这个工具。

引子

正则表达式（Regular Expression）是一种用于做字符串匹配的工具，它能够非常方便地从一段文本中找到/匹配出符合一定要求/规律的目标字符串。

但是我们什么情况下要做字符串匹配呢？而且为什么要用正则表达式做呢，直接用一对一的去对不行吗？举一个简单的例子来回答上面的问题。

比如说，我们有如下一段文本，假设这是你写的一段日记：

我昨天认识了一个女孩A，她给了我她的邮箱girlA@163.com，和她道别后，又遇到另一个女孩B，她也给了我她的邮箱girlB@qq.com，没想到，我之后又遇见了第三个女孩C......

那么，现在，你肯定想做的事情就是给这些遇见的女孩子们群发约会的邀请信息，但是想偷懒的你不想手动一个个地去从上述文本里肉眼查找，然后复制粘贴每个女孩的邮箱（数量少时，你手动做肯定没问题）。于是，你想能不能用一个工具自动提取出所有日记里面的邮箱地址出来。

然后你也想到，首先每个人邮箱的名字都不一样，可能是各种数字与字母的组合，其次邮箱所属的机构名（163, sina, qq, gmail, outlook）也可能不一样，域名(.com, .net, .cn)也可能不一样，那么这可怎么匹配？

但是，聪明的你总结出了一条规律：邮箱不过就是【若干个字符（邮箱名）+@+若干个字符（机构名）+.+若干个字符（域名）】，如果程序能够懂这个模式就能挑选出字符串了！

现在告诉你，正则表达式就可以做到，它就可以按照【若干个字符（邮箱名）+@符号+若干个字符（机构名）+.+若干个字符（域名）】的模式去从文本里把所有符合这个模式的字符串全部找出来。

用python3具体做法如下：

import re
pattern=re.compile(r'[0-9a-zA-Z_]{0,19}@[0-9a-zA-Z]{1,13}\.[com,cn,net]{1,3}')
text='''我昨天认识了一个女孩A，她给了我她的邮箱girlA@163.com，
和她道别后，又遇到另一个女孩B，她也给了我她的邮箱girlB@qq.com，
没想到，我之后又遇见了第三个女孩C......'''
match = pattern.findall(text)
for email in match:
    print(email)
# girlA@163.com
# girlB@qq.com

搞定！

目前你看不懂上面的代码没关系，下面我们来一一讲解。

语法

要想用好正则表达式，首先要学习正则表达式的使用语法/使用规则。

图来自Python正则表达式指南

我们按照图里面的顺序来分别讲解不同正则表达式不同部分的语法：

字符

• 一般字符

如”a”,”b”,”g”,”4”,”,”等这种比较常用的字符，在正则表达式中都是一对一地匹配和自身相同的字符，没什么特别。

import re
text='abcdefg'
match=re.search('cd',text)
if match:
  print(match.group())
# cd 匹配到cd

• .(点)

.（一个点）用于匹配任意除了换行符”\n”以外的字符。

import re
text='ab3defg'
match=re.search('b..',text)
if match:
  print(match.group())
# b3d 匹配到b及其后紧跟的两个任意字符

• \（反斜杠）

反斜杠表示转义字符，它将使得紧跟在它后面的字符转变成特殊的含义，或者消除特殊字符本身的特殊含义。（注意，后面的\d 和\w等正则本身包含的元字符中的反斜杠不属于此类转义作用，而是正则中规定好的组合，元字符里的反斜杠就是普通的反斜杠字符。这一点目前看不懂没关系，结合后面的注意事项部分理解）

比如当\与.（点）结合在一起，点就不再是匹配任意单个字符，而是确实地匹配一个点（消除特殊含义）。

• […]

中括号中放上任意多的字符，则这些字符会构成一个字符集合，这个模式将会在遇到集合中的任意一个字符时都认定为匹配。

import re
text='abc345def'
match=re.search('[345]',text)
if matc