對於字符串的操做在任何一門編程語言中都很重要，而python常常運用於數據處理，合理運用正則，能夠幫助咱們更好地處理數據python
在正則表達式中，若是直接給出字符，就是精確匹配。用\d能夠匹配一個數字，\w能夠匹配一個字母或數字正則表達式
例如：編程
'00\d'能夠匹配'007'，但沒法匹配'00A'； '\d\d\d'能夠匹配'010'； '\w\w\d'能夠匹配'py3'；
能夠匹配任意字符，因此：能夠匹配、、等等。.'py.''pyc''pyo''py!'
要匹配變長的字符，在正則表達式中，用*表示任意個字符（包括0個），用+表示至少一個字符，用?表示0個或1個字符，用{n}表示n個字符，用{n,m}表示n-m個字符：後端
來看一個複雜的例子：\d{3}\s+\d{3,8}。服務器
咱們來從左到右解讀一下：編程語言
\d{3}表示匹配3個數字，例如'010'；函數
\s能夠匹配一個空格（也包括Tab等空白符），因此\s+表示至少有一個空格，例如匹配' '，' '等；spa
\d{3,8}表示3-8個數字，例如'1234567'。code
綜合起來，上面的正則表達式能夠匹配以任意個空格隔開的帶區號的電話號碼。對象
若是要匹配'010-12345'這樣的號碼呢？因爲'-'是特殊字符，在正則表達式中，要用'\'轉義，因此，上面的正則是\d{3}\-\d{3,8}。
可是，仍然沒法匹配'010 - 12345'，由於帶有空格。因此咱們須要更復雜的匹配方式。
要作更精確地匹配，能夠用[]表示範圍，好比：
[0-9a-zA-Z\_]能夠匹配一個數字、字母或者下劃線； [0-9a-zA-Z\_]+能夠匹配至少由一個數字、字母或者下劃線組成的字符串，好比'a100'，'0_Z'，'Py3000'等等； [a-zA-Z\_][0-9a-zA-Z\_]*能夠匹配由字母或下劃線開頭，後接任意個由一個數字、字母或者下劃線組成的字符串，也就是Python合法的變量； [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精確地限制了變量的長度是1-20個字符（前面1個字符+後面最多19個字符）。
A|B能夠匹配A或B，因此(P|p)ython能夠匹配'Python'或者'python'。
^表示行的開頭，^\d表示必須以數字開頭。
$表示行的結束，\d$表示必須以數字結束。
你可能注意到了，py也能夠匹配'python'，可是加上^py$就變成了整行匹配，就只能匹配'py'了。
有了準備知識，咱們就能夠在Python中使用正則表達式了。Python提供re模塊，包含全部正則表達式的功能。因爲Python的字符串自己也用\轉義，因此要特別注意：
s = 'ABC\\-001' # Python的字符串 # 對應的正則表達式字符串變成： # 'ABC\-001'
所以咱們強烈建議使用Python的r前綴，就不用考慮轉義的問題了：
s = r'ABC\-001' # Python的字符串 # 對應的正則表達式字符串不變： # 'ABC\-001'
下面看看咱們如何使用re模塊來進行匹配：
>>> import re >>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345') <_sre.SRE_Match object; span=(0, 9), match='010-12345'> #匹配成功 >>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345') >>> #匹配失敗
match()方法判斷是否匹配，若是匹配成功，返回一個Match對象，不然返回None。常見的判斷方法就是：
test = '用戶輸入的字符串' if re.match(r'正則表達式', test): print('ok') else: print('failed')
re.findall()在字符串中找到正則表達式所匹配的全部子串，並返回一個列表；若是沒有找到匹配的，則返回空列表。
返回結果是列表類型，須要遍歷一下才能依次獲取每組內容。
findall(patern, string, flags=0)
import re content = 'Hello 123456789 Word_This is just a test 666 Test' results = re.findall('\d+', content) print(results) for result in results: print(result)
結果：
['123456789', '666'] 123456789 666
咱們還可使用正則表達式來切分字符串
用正則表達式切分字符串比用固定的字符更靈活，請看正常的切分代碼：
>>> 'a b c'.split(' ') ['a', 'b', '', '', 'c']
發現這樣寫沒法識別連續的空格，用正則表達式試試：
>>> re.split(r'\s+', 'a b c') ['a', 'b', 'c']
不管多少個空格均可以正常分割。咱們能夠加入,試試：
>>> re.split(r'[\s\,]+', 'a,b, c d') ['a', 'b', 'c', 'd']
再加入；照樣能夠分割
>>> re.split(r'[\s\,\;]+', 'a,b;; c d') ['a', 'b', 'c', 'd']
除了簡單地判斷是否匹配以外，正則表達式還有提取子串的強大功能。用()表示的就是要提取的分組（Group）。好比：
^(\d{3})-(\d{3,8})$分別定義了兩個組，能夠直接從匹配的字符串中提取出區號和本地號碼：
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345') >>> m <_sre.SRE_Match object; span=(0, 9), match='010-12345'> >>> m.group(0) '010-12345' >>> m.group(1) '010' >>> m.group(2) '12345'
若是正則表達式中定義了組，就能夠在Match對象上用group()方法提取出子串來。
注意到group(0)永遠是原始字符串，group(1)、group(2)……表示第一、二、……個子串。
例如咱們可使用分組來判別時間字符串是否合法：
>>> t = '19:05:30' >>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t) >>> m.groups() ('19', '05', '30')
例如(?P<value>\d+)的意思就是命名一個名字爲value的組，匹配規則符合後面的/d+
這個正則方法常常用於函數參數的傳遞，例如網頁的http://127.0.0.1:8000/blog/article/1 的匹配傳遞頁面編號到服務器後端，而後由後端根據傳入數據返回響應網頁界面
須要特別指出的是，正則匹配默認是貪婪匹配，也就是匹配儘量多的字符。舉例以下，匹配出數字後面的0：
>>> re.match(r'^(\d+)(0*)$', '102300').groups() ('102300', '')
因爲\d+採用貪婪匹配，直接把後面的0所有匹配了，結果0*只能匹配空字符串了。
必須讓\d+採用非貪婪匹配（也就是儘量少匹配），才能把後面的0匹配出來，加個?就可讓\d+採用非貪婪匹配：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups() ('1023', '00')
當咱們在Python中使用正則表達式時，re模塊內部會幹兩件事情：
編譯正則表達式，若是正則表達式的字符串自己不合法，會報錯；
用編譯後的正則表達式去匹配字符串。
若是一個正則表達式要重複使用幾千次，出於效率的考慮，咱們能夠預編譯該正則表達式，接下來重複使用時就不須要編譯這個步驟了，直接匹配：
>>> import re # 編譯: >>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$') # 使用： >>> re_telephone.match('010-12345').groups() ('010', '12345') >>> re_telephone.match('010-8086').groups() ('010', '8086')
編譯後生成Regular Expression對象，因爲該對象本身包含了正則表達式，因此調用對應的方法時不用給出正則字符串。