正则表达式的正确打开方式

（一）概念

正则表达式(Regular Expression，常简写为regex、regexp或RE)，又称规则表达式。一组由字母和符号组成的特殊文本，通常被用来检索、替换那些符合某个模式(规则)的文本，即从文本中找出满足你想要的格式的句子。
在Python中一般需要导入re模块来实现其功能

（二）基础正则匹配知识

1.原子： 是正则表达式中最基本的组成单位，每个正则表达式至少要包含一个原子，常见原子有以下四类：

• 普通字符作为原子：比如数字、大小写字母、下划线等
• 非打印字符作为原子：字符串中用于格式控制的符号
  
• 通用字符作为原子：通用字符即一个原子可以匹配一类字符
  
• 原子表：定义一组地位平等的原子，匹配时取该原子表中任意一个原子进行匹配，原子表用 [ ] （字符种类,匹配方括号内的任意字符）表示，[^] 表示出了中括号里的原子其他原子均可匹配

2.元字符： 具有一些特殊含义的字符。可分为任意匹配元字符、边界限制元字符、限定符、模式选择符、模式单元等

3.模式修正： 在不改变正则表达式的情况下，通过模式修正符改变正则表达式的含义，从而实现一些匹配结果的调整等功能

4.贪婪模式与懒惰模式：
贪婪模式的核心是尽可能多的匹配，而懒惰模式的核心是尽可能少的匹配
通常情况下，若想在某些字符间匹配任意字符，“.*” 默认使用贪婪模式，“.?*”

（三）正则表达式常见函数

1.re.match()函数： 从源字符串的起始位置匹配一个模式
格式为：

re.match(pattern,string,flag)

参数pattern：表示对应的正则表达式
参数string：代表对应的源字符
参数flag：可选参数，代表对应的标志位，可以放模式修正符等信息

2.re.search()函数： 扫描整个字符串并进行对应的匹配
当使用re.match()或re.search()搜索成功时，会产生MatchObject对象，Python提供取得MatchObject对象内容的重要方法：

3.全局匹配函数： 将符合模式的内容全部匹配出来

• 使用re.compile() 对正则表达式进行预编译
• 编译后使用findall() 根据正则表达式从源字符串中将匹配的结果全部找出来

4.re.sub()函数： 实现替换某些字符串的功能
格式为：

re.sub(pattern,rep,string,max)

参数pattern： 为对应的正则字符串
参数rep：要替换成的字符串
参数string：源字符串
参数max：可选项，代表替换的次数，若忽略不写，默认将符合模式的结果全部替换

（四）正则表达式的Python实例解析

1.匹配电话号码：
说明：
正则表达式表示电话号码xx-xxxxxxxx的匹配模式为：r’\d\d-\d\d\d\d\d\d\d\d’，以连字符“-”进行括号分组，用小括号隔开群组重新划分表达式为：r’(\d\d)-(\d\d\d\d\d\d\d\d)‘简写为：r’(\d{2})-(\d{8})’。 {} 是一个量词, 常用来一个或一组字符可以重复出现的次数
使用re.rearch()执行比对时，可用group()传回比对符合的不同分组；可用groups()取得分组的内容
使用re.search()只传回第一个符合的字符串；使用re.findall()可传回所有匹配的字符串

import re
pattern = r'(\d{2})-(\d{8})'
string = "Please call my secretary using 02-26669999 or 08-25558888"
result = re.search(pattern,string)
phoneNum = re.findall(pattern,string)
print(result)
print(phoneNum)
print("===================================")
print("搜寻到的完整字符串：",result.group())	#传回比对符合的第一个分组
print("搜寻到的完整字符串：",result.group(0))	#同group()
print("搜寻到的区域号码字符串：",result.group(1))	#传回括号的第一组文字
print("搜寻到的电话号码字符串：",result.group(2))	#传回括号的第二组文字
print("===================================")
areaNum,localNum = result.groups()	#取得分组的内容
print("搜寻到的区域号码字符串：",areaNum)
print("搜寻到的电话号码字符串：%s" %localNum)	#两种输出格式

#进阶版匹配电话号码： 使用一对3个单引号（或双引号）将过长的正则表达式字符串拆成多行表达式。在正则表达式中加批注，必须将re.VERBOSE参数放在search()\findall()或compile()

import re
msg = '''02-26669999,(03)-25558888,05-29998888 ext 123,
            12345678,02 29995555 ext. 12222'''
pattern = r'''(
    (\d{2}|\(\d{2}\))?          #区域号码
    (\s|-)?                     #分隔符
    \d{8}                       #电话号码
    (\s*(ext|ext.)\s*\s{2,4})?  #2-4位数的分机号码
    )'''
phoneNum = re.findall(pattern,msg,re.VERBOSE)
print(phoneNum)

2.匹配.com或.cn后缀的URL地址：
规律：“：//”和“.com”或“.cn”结尾是固定的，两者之间不能出现空格，故可写为[^\s]*，在“：//”之前必须要有内容，此时至少要有一次重复，故用“+”而不用“ * ”，内容是任意的字母组合，包括大小写，所以可写为[a-zA-Z],组合起来的正则表达式为：
[a-zA-Z]+://[^\s] *[.com|.cn]

import re   #导入re库
pattern = "[a-zA-Z]+://[^\s]*[.com|.cn]"    #正则相应的正则表达式
string = "<a href='http://www.baidu.com'>百度首页</a>"  #设置要检索的字符串
result = re.search(pattern,string)
print(result)
print("搜寻到的字符串的起始位置：",result.start())
print("搜寻到的字符串的结束位置：",result.end())
print("搜寻到的字符串的(起始,结束)位置：",result.span())
print("搜寻到的字符串：",result.group())

3.匹配电子邮件地址：

import re
pattern = "\w+([.+-]\w+)*@\w+([.-]\w+)*\.\w+([.-]\w+)*"     #匹配电子邮件的正则表达式
string = "<a href='http://www.baidu.com'>百度首页</a><br><a href='mailto:c-e+o@iqi-anyue.com.cn'>电子邮件地址</a>"
result = re.search(pattern,string)
print(result)

4.匹配IP地址：

import re
ip = '196.128.25.1'      #0-255.0-255.0-255.0-255
#pattern = r'\d\d\d\.\d\d\d\.\d\d\.\d'    #知道每位的个数，匹配xxx.xxx.x.x
#pattern = r'\d{3}\.\d{3}\.\d{2}\.\d'      #简写
#pattern = r'(([01]\d\d|2[0-4]\d|25[0-5])\.){3}([01]\d\d|2[0-4]\d|25[0-5])'  #匹配xxx.xxx.xxx.xxx
pattern = r'(([01]{0,1}\d{0,1}\d|2[0-4]\d|25[0-5])\.){3}([01]{0,1}\d{0,1}\d|2[0-4]\d|25[0-5])'
result = re.search(pattern,ip)
print(result)

注意：
表达式在数字超过200之后就只能匹配上前两位了，而单独使用2[0-4]\d和25[0-5]匹配超过200之后的数字又是可以的，{0,1}匹配0次或1次。这样就很明显了，因为匹配0-199的表达式排在最前面所以先执行的是r’[01]{0,1}\d{0,1}\d‘，匹配超过200的数时，比如’205‘时，’匹配百位数2的时候，[01]{0,1}会判断为匹配0次，然后直接进行下一个\d{0,1}，这样就会匹配到’205’的2，最后在匹配\d，直接匹配到’205’的0，到此，匹配结束，返回’20’