規則表達式（Regular Expression， RE），又稱作正則表達式，通常用於檢索和替換符合指定規則的文本，正則表達式定義的規則，稱作模式（Pattern）。正則表達式的作用是從文本中查找到符合模式的文本，在Python中使用正則表達式，需要導入re模塊。
import re
查看正則表達式的元字符，請參考文檔：正則表達式 第一篇：元字符
一，re模塊常用的函數
從幫助文檔中可以看到，re模塊導出的函數主要是：match、search、sub、split、findall、finditer、compile和escape，這些函數中，通常有三個參數，string：用於匹配的文本，pattern：正則表達式的模式，flags：匹配選項，flags 默認為0 ，不使用任何模式。
正則表達式的flag主要有：
- I：IGNORECASE， 忽略大小寫的匹配模式
- M：MULTILINE，多行模式, 改變 ^ 和 $ 的行為
- S：DOTALL，此模式下 '.' 的匹配不受限制，可匹配任何字符，包括換行符
- X：VERBOSE，冗余模式， 此模式忽略正則表達式中的空白和#號的注釋，例如寫一個匹配郵箱的正則表達式
- U：UNICODE，使用 \w, \W, \b, \B 這些元字符時將按照 UNICODE 定義的屬性.
正則表達式可以同時使用多個flag，在 Python 里面使用按位或運算符 | 同時添加多個fag，例如 re.compile('', re.I|re.M|re.S)
1，編譯正則表達式
compile函數用於編譯一個正則表達式對象，在符用正則表達式時，步需要重新編譯：
re.compile(pattern, flags=0)
2，原始字符標記
原始字符串表示 r'regex'，如果不使用r，正則表達式中的 元字符'\' 都必須進行轉義：
>>> re.match(r"\W(.)\1\W", " ff ") >>> re.match("\\W(.)\\1\\W", " ff ")
這就意味着，在正則表達式中，如果 \x 是元字符，那么必需使用r'\x'。
如果要匹配到文本 '\' （也就是說，\ 不是元字符），那么必須在正則表達式中對其進行轉義，使用原始字符標記，是r'\\'；如果不使用原始字符標記，是'\\\\'：
>>> re.match(r"\\", r"\\") >>> re.match("\\\\", r"\\")
3，拆分
把一個字符串，按照正則表達式匹配的結果進行拆分
text='foo bar\t baz \tqux' re.split(r'\s+',text)
或者，先編譯成正則表達式對象，然后對字符串進行拆分：
regex=re.compile(r'\s+') text='foo bar\t baz \tqux' regex.split(text)
4，匹配第一個子串
正則表達式有兩個匹配函數：match和search函數，這兩個函數的相同之處：從字符串中查找可以匹配的子串，返回第一個匹配的子串，一旦匹配成功，就不再繼續查找，並返回一個SRE_Match 對象；如果查找不到，則返回None。
re.match(pattern, string, flags=0)
re.search(pattern, string, flags=0)
不同之處在於：
- re.match函數從字符串的開頭查找，如果開頭不匹配，則不再繼續查找，返回None；
- 而re.search匹配整個字符串，從字符串的任意位置開始匹配，直到找到第一個匹配（注意：僅僅是第一個）或者沒有匹配到任何文本。
5，查找所有匹配的子串
re.findall在字符串中找到匹配正則表達式的所有文本，作為一個列表返回，如果沒有找到匹配，則返回空列表：
re.findall(pattern, string, flags=0)
re.finditer在字符串中找到匹配正則表達式所的所有文本，並把它們作為一個迭代器返回：
re.finditer(pattern, string, flags=0)
6，替換匹配的字符
把正則表達式 pattern 匹配到的字符串替換為 repl 指定的字符串, 參數 count 用於指定最大替換次數，默認值是o，表示無限大。
re.sub(pattern, repl, string, count=0, flags=0)
替換函數可以把文本的標點符號和HTML標簽去掉。在替換字符時，需要注意：如果repl參數中包含轉義字符，會出現錯誤，例如，對於 re.sub('pattern',r'\w+',text)， re會拋出錯誤：bad escape \w at position 0。
從re的手冊《re — Regular expression operations》中，可以看到，在3.0以上版本，都會出現這個錯誤：
Changed in version 3.x : Unknown escapes in repl consisting of '\' and an ASCII letter now are errors.
二，re內置的對象
re模塊內置的對象有Pattern對象和Match對象，一個用於表示已編譯的正則表達式對象，一個表示search()和match()匹配的結果。
1，Pattern對象
Pattern對象是一個已編譯的正則表達式對象，使用re.compile()進行構造，通過Pattern提供的一系列方法可以對文本進行匹配查找。
Pattern對象的方法，用於進行正則匹配：
- search(string[, pos[, endpos]])
- match(string[, pos[, endpos]])
- split(string, maxsplit=0)
- findall(string[, pos[, endpos]])
- finditer(string[, pos[, endpos]])
- sub(repl, string, count=0)
Pattern提供了幾個可讀屬性用於獲取表達式的相關信息：
- pattern: 編譯時用的表達式字符串。
- flags: 編譯時用的匹配模式，數字形式
- groups: 表達式中分組的數量。
- groupindex: 以表達式中有別名的組的別名為鍵、以該組對應的編號為值的字典，沒有別名的組不包含在內。
2，Match對象
Match對象存儲 re.match() 或 re.search()的結果，當匹配到文本時，含有為True的boolean值；當沒有匹配到任何文本時，返回None。
def displaymatch(match): if match is None: return None return '<Match: %r, groups=%r>' % (match.group(), match.groups())
Match對象的屬性：
- string：傳遞給re.match() 或 re.search()的文本
- regs：元組集合，表示每個匹配的起始索引和結束索引
- pos：正則表達式開始匹配的索引
- endpos：正則表達式結束匹配的索引
- re：正則表達式對象
Match對象的方法：
- start(group)：group的默認值是0，表示每個匹配的文本的開始索引
- end(group)：group的默認值是0，表示每個匹配的文本的結束索引
- group(group=0)：參數為0時，表示返回整個匹配
- groups()：返回匹配到的所有分組的索引
- span(group=0)：返回匹配的開始索引和結束索引
三，正則表達式的應用
1，刪除文本中的標點符號
remove_punct=re.compile('[%s]' % re.escape(string.punctuation)) no_punct = remove_punct.sub(u'', text)
2，刪除文本中的HTML標簽
# use sub to replace the tags pat = re.compile('<[^>]+>', re.S) pat.sub('', text) #combine the normal text pat = re.compile('>(.*?)<') ''.join(pat.findall(text))
3，查找匹配的文本
import re text_data = 'guru99@google.com, careerguru99@hotmail.com, users@yahoomail.com' emails_list = re.findall(r'[\w\.-]+@[\w\.-]+', text_data)
參考文檔：