什么是正则表达式
世界上信息非常多，而我们关注的信息有限，加入我们希望只提取出关注的数据，此时可以通过一些表达式进行提取，正则表达式就是其中一种进行数据筛选的表达式。
正则表达式的通用语法
| 表达式 | 描述 |
| () | 括起来的部分就是要提取的，可以用来分组 |
| . | 匹配除换行符以外的所有单个字符 |
| X* | 匹配X(单个字符)零次或多次 |
| X+ | 匹配X(单个字符)一次或多次 |
| .* | 匹配任意字符任意次(换行符除外) |
| ? | 匹配该字符前面的字符0次或1次 |
| \d | 匹配数字 |
| \b | 匹配单词的开始或结束 |
| \w | 匹配数字或者字母或下划线或汉字 |
| {n} | 表示匹配n个字符 |
| {n,m} | 表示匹配n-m个字符 |
| \s | 匹配空格 |
| [] | 表示范围，如[0-9a-zA-Z]表示匹配数字小写字母和大写字母 |
| ^ | 表示匹配以某元素开头，该字符在[]中如[^0-2]，表示不包含0-2 |
| $ | 表示匹配以某元素结尾 |
| A|B | 匹配A或者B |
re模块
在Python中，使用内置的re模块来使用正则表达式，正则表达式使用\对特殊的字符进行转义，如匹配“baidu.com”，我们需要使用正则表达式"baidu\.com"，但是Python的\本身也需要\转义，因此上面的正则表达式使用Python应该写成"baidu\\.com"，很不方便，我们可以使用Python的原始字符串，只需要加上r前缀，这样的话，上面的正则表达式可以写成：
1 r"baidu.com"
re模块的使用步骤一般为：
1）使用compile函数将正则表达式的字符串形式编译为一个Pattern对象。
2）通过Pattern对象提供的方法对文本进行查找，获得匹配的结果（Match对象）。
3）使用Match对象提供的属性和方法获得信息，然后根据需要进行其他操作。
compile函数
compile函数用于编译正则表达式，生成Pattern对象。
1 compile(pattern, flags=0)
说明：pattern是一个正则表达式，flag是匹配模式，如忽略大小写等。
1 import re 2 3 # 将正则表达式编译成Pattern对象 4 pattern = re.compile("\d+")
Pattern对象的常用方法有：match(),search(),findall(),finditer(),split(),sub(),subn()。
1）match方法
该方法用于查找字符串的头部，它只要找到了一个匹配的结果就返回。
1 match(string, pos=0, endpos=-1)
说明：string是待匹配的字符串，pos和endpos指定字符串的起始和终点的位置，当不指定时，默认从头部开始匹配，当匹配成功时，返回Match对象。
import re
pattern = re.compile("\\d+")
match = pattern.match("aaa123bbb123ccc123")
print(match) # None
match = pattern.match("aaa123bbb123ccc123", 3, 6)
print(match) # <_sre.SRE_Match object; span=(3, 6), match='123'>
print(match.group()) # 123，返回匹配的字符串，如果需要获得整个匹配的子串时，可以使用group()或者group(0)
print(match.start()) # 3，返回匹配的子串在整个字符串的起始位置
print(match.end()) # 6，返回匹配的子串在整个字符串的结束位置
print(match.span()) # (3, 6)，返回(start(),end())
2）search()方法
该方法用于查找字符串的任何位置，它只要找到一个匹配的结果就返回。
1 search(string, pos=0, endpos=-1):
说明：string是带匹配的字符串，pos和endpos分别为字符串的起始和结束位置，当匹配成功时返回Match对象，匹配不成功时返回None。
pattern = re.compile("\\d+")
match = pattern.search("aaaa1111bbbb2222cccc3333")
print(match) # <_sre.SRE_Match object; span=(4, 8), match='1111'>
match = pattern.search("aaaa1111bbbb2222cccc3333", 3, 6)
print(match) # <_sre.SRE_Match object; span=(4, 6), match='11'>
print(match.group()) # 11，返回匹配的字符串，如果需要获得整个匹配的子串时，可以使用group()或者group(0)
print(match.start()) # 4，返回匹配的子串在整个字符串的起始位置
print(match.end()) # 6，返回匹配的子串在整个字符串的结束位置
print(match.span()) # (4, 6)，返回(start(),end())
3）findall()方法
该方法返回所有匹配的结果。
1 findall(string, pos=0, endpos=-1)
说明：string表示需要匹配的字符串，pos和endpos表示匹配字符串的起始和结束位置，匹配成功，返回匹配的列表，匹配不成功，返回空列表。
import re
pattern = re.compile("\\d+")
match = pattern.findall("aaaa1111bbbb2222cccc3333")
print(match) # ['1111', '2222', '3333']
4）finditer()方法
1 finditer(string, pos=0, endpos=-1)
说明：该方法表示匹配所有的字符串，pos和endpos表示匹配字符串的起始和结束位置。
该方法返回所有匹配的字符串，但是它返回的是一个迭代器，通过该迭代器我们可以访问匹配的每一个字符串。
import re
pattern = re.compile("\\d+")
result_iter = pattern.finditer("aaaa1111bbbb2222cccc3333")
for result in result_iter:
print("找到的字符串{0},位置是{1}".format(result.group(), result.span()))
# 找到的字符串1111,位置是(4, 8)
# 找到的字符串2222,位置是(12, 16)
# 找到的字符串3333,位置是(20, 24)
5）split()方法
1 split(string, maxsplit=0)
说明：该方法表示将能够匹配的子串切割，string表示需要匹配的字符串，maxsplit表示最大的分割次数，不指定即为全部分割。
import re
# 将正则表达式编译成Pattern对象
pattern = re.compile("[,;\s]+") # 匹配, ; 空格一次或多次
l = pattern.split("a,b;c d", 2)
print(l) # ['a', 'b', 'c d']
6）sub()方法
1 sub(repl, string, count=0)
说明：该方法用来替换。
repl如果为字符串，会使用repl替换字符串中的每一个匹配的子串，并且返回替换后的字符串；如果为函数，则该函数应该只接收一个Match对象，并且返回一个字符串用于替换。
count用于指定替换次数。
# 将正则表达式编译成Pattern对象
p = re.compile(r'(\w+) (\w+)')
s = 'test aaa, test bbb'
def func(m):
return 'hei' + ' ' + m.group(2)
print(p.sub(r'hello world', s)) # ('hello world, hello world')，使用hello world替换
print(p.sub(r'\2 \1', s)) # ('aaa test, bbb test')，引用分组
print(p.sub(func, s)) # ('hei aaa, hei bbb')，替换全部
print(p.sub(func, s, 1)) # ('hei aaa, test bbb')，最多只替换一次
7）subn()方法
1 subn(repl, string, count=0)
该方法也是用于替换，返回一个元组，元组有两个元素，第一个和使用sub方法返回的结果一样，另一个表示替换的次数。
# 将正则表达式编译成Pattern对象
p = re.compile(r'(\w+) (\w+)')
s = 'test aaa, test bbb'
def func(m):
return 'hei' + ' ' + m.group(2)
print(p.subn(r'hello world', s)) # ('hello world, hello world', 2)，使用hello world替换
print(p.subn(r'\2 \1', s)) # ('aaa test, bbb test', 2)，引用分组
print(p.subn(func, s)) # ('hei aaa, hei bbb', 2)，替换全部
print(p.subn(func, s, 1)) # ('hei aaa, test bbb', 1)，最多只替换一次