正则表达式

正则表达式（regex/RE）是一种文本模式，包括普通字符和特殊字符，它是使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。

正则表达式最突出的特点就是简洁，即有“一行胜前言”的功效，尤其是在表达无穷字符串组时非常方便。正则表达式在文本处理中十分常用，表达文本类型的特征（病毒、入侵等），同时查找或替换一组字符串，匹配字符串的全部或部分。

正则表达式的使用：

编译：将符合正则表达式语法的字符串转换成正则表达式特征。可以认为编译后的特征与一组字符串是对应的，而编译前的正则表达式只是一个符合正则表达式语法的字符串。

PN	正则表达式：
PYN	P(Y|YT|YTH|YTHO)?N
PYTN	Regex = ‘P(Y|YT|YTH|YTHO)?N’
PYTHN	编译
PYTHON	P = re.compile(regex)

正则表达式常用的符号：

·    表示任何单个字符；

[ ]  表示字符集，对单个字符给出取值范围，例如[abc]表示a，b，c；

[^] 表示非字符集，对单个字符给出排除范围，例如[^abc]表示非a或非b或非c的单个字符；

*    表示前一个字符0次或无限次扩展，例如abc*表示ab.abc.abcc等；

+   表示前一个字符1次或无限次扩展，例如abc+表示abc,abcc；

?    表示前一个字符0次或1次扩展，例如abc?表示ab,abc；

|     表示左右表达式任意一个，例如abc|def表示abc,def；

{m}  表示扩展前一个字符m次，例如ab{2}c表示abbc；

^ 表示匹配字符串开头，例如^abc表示abc且在一个字符串的开头；

$ 表示匹配字符串结尾，例如$abc表示abc且在一个字符串的结尾；

{m,n}  表示扩展前一个字符m至n次，例如ab{1,2}c表示abc,abbc；

（ ）  表示分组标记，内部只能使用操作符|,例如（abc）表示abc，（abc|def）表示abc，def；

\d 表示数字，等价于[0-9]；

\w 单词字符，等价于[A-Za-z0-9]。

接下来介绍几个常见的正则表达式：

^[A-Za-z]+$表示用26个字母组成的字符串；

^-?\d+$表示整数形式的字符串；

^[0-9]*[1-9][0-9]*$表示正整数形式的字符串；

\d{6}可以表示中国境内的邮政编码；

[\u4e00-\u9fa5]表示匹配中文字符；

\d{3}-\d{8} | \d{4}-\d{7}表示中国境内的固定电话号码；

除此之外，正则表达式也可以用来表示比较复杂的字符串，比如IP地址。我们都知道IP地址分四段，每一段的最大值为255，为了表示0-255的值，正则表达式将其分为4段分别表示，如：

0-99：[1-9]?\d

100-199：1\d{2}

200-249：2[0-4]\d

250-255：25[0-5]

则IP地址可表示为：

(([1-9]?\d | 1\d{2} | 2[0-4]\d | 25[0-5]).){3}([1-9]?\d | 1\d{2} | 2[0-4]\d | 25[0-5])