什么是正則表達式
世界上信息非常多，而我們關注的信息有限，加入我們希望只提取出關注的數據，此時可以通過一些表達式進行提取，正則表達式就是其中一種進行數據篩選的表達式。
正則表達式的通用語法
| 表達式 | 描述 |
| () | 括起來的部分就是要提取的，可以用來分組 |
| . | 匹配除換行符以外的所有單個字符 |
| X* | 匹配X(單個字符)零次或多次 |
| X+ | 匹配X(單個字符)一次或多次 |
| .* | 匹配任意字符任意次(換行符除外) |
| ? | 匹配該字符前面的字符0次或1次 |
| \d | 匹配數字 |
| \b | 匹配單詞的開始或結束 |
| \w | 匹配數字或者字母或下划線或漢字 |
| {n} | 表示匹配n個字符 |
| {n,m} | 表示匹配n-m個字符 |
| \s | 匹配空格 |
| [] | 表示范圍，如[0-9a-zA-Z]表示匹配數字小寫字母和大寫字母 |
| ^ | 表示匹配以某元素開頭，該字符在[]中如[^0-2]，表示不包含0-2 |
| $ | 表示匹配以某元素結尾 |
| A|B | 匹配A或者B |
re模塊
在Python中，使用內置的re模塊來使用正則表達式，正則表達式使用\對特殊的字符進行轉義，如匹配“baidu.com”，我們需要使用正則表達式"baidu\.com"，但是Python的\本身也需要\轉義，因此上面的正則表達式使用Python應該寫成"baidu\\.com"，很不方便，我們可以使用Python的原始字符串，只需要加上r前綴，這樣的話，上面的正則表達式可以寫成：
1 r"baidu.com"
re模塊的使用步驟一般為：
1）使用compile函數將正則表達式的字符串形式編譯為一個Pattern對象。
2）通過Pattern對象提供的方法對文本進行查找，獲得匹配的結果（Match對象）。
3）使用Match對象提供的屬性和方法獲得信息，然后根據需要進行其他操作。
compile函數
compile函數用於編譯正則表達式，生成Pattern對象。
1 compile(pattern, flags=0)
說明：pattern是一個正則表達式，flag是匹配模式，如忽略大小寫等。
1 import re 2 3 # 將正則表達式編譯成Pattern對象 4 pattern = re.compile("\d+")
Pattern對象的常用方法有：match(),search(),findall(),finditer(),split(),sub(),subn()。
1）match方法
該方法用於查找字符串的頭部，它只要找到了一個匹配的結果就返回。
1 match(string, pos=0, endpos=-1)
說明：string是待匹配的字符串，pos和endpos指定字符串的起始和終點的位置，當不指定時，默認從頭部開始匹配，當匹配成功時，返回Match對象。
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，如果需要獲得整個匹配的子串時，可以使用group()或者group(0)
print(match.start()) # 3，返回匹配的子串在整個字符串的起始位置
print(match.end()) # 6，返回匹配的子串在整個字符串的結束位置
print(match.span()) # (3, 6)，返回(start(),end())
2）search()方法
該方法用於查找字符串的任何位置，它只要找到一個匹配的結果就返回。
1 search(string, pos=0, endpos=-1):
說明：string是帶匹配的字符串，pos和endpos分別為字符串的起始和結束位置，當匹配成功時返回Match對象，匹配不成功時返回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，如果需要獲得整個匹配的子串時，可以使用group()或者group(0)
print(match.start()) # 4，返回匹配的子串在整個字符串的起始位置
print(match.end()) # 6，返回匹配的子串在整個字符串的結束位置
print(match.span()) # (4, 6)，返回(start(),end())
3）findall()方法
該方法返回所有匹配的結果。
1 findall(string, pos=0, endpos=-1)
說明：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結束位置，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)
說明：該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結束位置。
該方法返回所有匹配的字符串，但是它返回的是一個迭代器，通過該迭代器我們可以訪問匹配的每一個字符串。
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)
說明：該方法表示將能夠匹配的子串切割，string表示需要匹配的字符串，maxsplit表示最大的分割次數，不指定即為全部分割。
import re
# 將正則表達式編譯成Pattern對象
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)
說明：該方法用來替換。
repl如果為字符串，會使用repl替換字符串中的每一個匹配的子串，並且返回替換后的字符串；如果為函數，則該函數應該只接收一個Match對象，並且返回一個字符串用於替換。
count用於指定替換次數。
# 將正則表達式編譯成Pattern對象
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替換
print(p.sub(r'\2 \1', s)) # ('aaa test, bbb test')，引用分組
print(p.sub(func, s)) # ('hei aaa, hei bbb')，替換全部
print(p.sub(func, s, 1)) # ('hei aaa, test bbb')，最多只替換一次
7）subn()方法
1 subn(repl, string, count=0)
該方法也是用於替換，返回一個元組，元組有兩個元素，第一個和使用sub方法返回的結果一樣，另一個表示替換的次數。
# 將正則表達式編譯成Pattern對象
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替換
print(p.subn(r'\2 \1', s)) # ('aaa test, bbb test', 2)，引用分組
print(p.subn(func, s)) # ('hei aaa, hei bbb', 2)，替換全部
print(p.subn(func, s, 1)) # ('hei aaa, test bbb', 1)，最多只替換一次