一、什么正则表达式？

正则表达式又称之为规则表达式，通常用来检索、替换那些符合某些规则的文本。
正则表达式是对字符串操作的一种逻辑公式，就是实现定义好的一些特定的字符、以及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
说白了，正则表达式就相当于提前预定了一个“模板”，然后给定文本与这个“模板”进行比对，如果符合这个“模板”的规则就会被找到从而进行一系列的操作。

二、正则表达式的规则

image.png

三、python内置模块re

在python语言中提供了一个使用正则表达式的模块--re模块

re模块使用的一般步骤：

1、使用compile()方法将正则表达式编译成为一个pattern对象

2、通过pattern对象提供的一系列方法对文本进行匹配查找，获得匹配结果，一个Match对象

3、最后使用Match对象提供的属性和方法获得信息，根据需要进行其他操作

现在开始看看re模块中有哪些方法

re.compile()函数

此函数用于将正则表达式编译成一个Pattern对象，之后就可以通过调用pattern对象的一系列方法进行匹配查找了。

1、match()方法：从起始位置开始查找，一次匹配

2、search()方法：从任何位置开始查找，一次匹配

3、findall()方法：全部匹配，返回列表

4、finditer()方法：全部匹配，返回迭代器

5、split()方法：分割字符串，返回列表

6、sub()方法：替换

编译正则表达式模式，返回一个对象的模式。（可以把那些常用的正则表达式编译成正则表达式对象，这样可以提高一点效率。）
格式：

re.compile(pattern,flags=0)

pattern: 编译时用的表达式字符串。
flags 编译标志位，用于修改正则表达式的匹配方式，如：是否区分大小写，多行匹配等。常用的flags有：

标志	含义
re.S(DOTALL)	使.匹配包括换行在内的所有字符
re.I（IGNORECASE）	使匹配对大小写不敏感
re.L（LOCALE）	做本地化识别（locale-aware)匹配，法语等
re.M(MULTILINE)	多行匹配，影响^和$
re.X(VERBOSE)	该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
re.U	根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B

#!/usr/bin/env python2
# -*- coding:utf-8 -*-
#导入re模块
import re
pattern = re.compile(r"\d+") #匹配至少一个数字

pattern对象名.match(string[,pos[,endpos]])

string:待匹配字符串
pos：可选参数，起始位置，默认值为0
endpos:可选参数，结束位置，默认值为字符串长度

>>> import re
>>> pattern = re.compile(r'\d+')  # 用于匹配至少一个数字

>>> m = pattern.match('one12twothree34four')  # 查找头部，没有匹配
>>> print m
None

>>> m = pattern.match('one12twothree34four', 2, 10) # 从'e'的位置开始匹配，没有匹配
>>> print m
None

>>> m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，正好匹配
>>> print m                                         # 返回一个 Match 对象
<_sre.SRE_Match object at 0x10a42aac0>

>>> m.group(0)   # 可省略 0
'12'
>>> m.start(0)   # 可省略 0
3
>>> m.end(0)     # 可省略 0
5
>>> m.span(0)    # 可省略 0
(3, 5)

在上面，当匹配成功时返回一个 Match 对象其中：
1、group([group1, …]) 方法用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
2、start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
3、end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
4、span([group]) 方法返回 (start(group), end(group))

pattern对象名.search(string[,pos[,endpos]])

search方法用于查找字符串的任何位置，它也是一次匹配，只要找到了一个匹配结果就返回；如果匹配成功，就返回一个Match对象，匹配失败返回None；（参数的含义同上）

#!/usr/bin/env python2
# -*- coding: utf-8 -*-

import re
# 将正则表达式编译成 Pattern 对象
pattern = re.compile(r'\d+')
# 使用 search() 查找匹配的子串，不存在匹配的子串时将返回 None
# 这里使用 match() 无法成功匹配
m = pattern.search('hello 123456 789')
if m:
    # 使用 Match 获得分组信息
    print 'matching string:',m.group()
    # 起始位置和结束位置
    print 'position:',m.span()

pattern对象名.findall(string[,pos[,endpos]])

match()和search()都是一次匹配，而findall()是多次匹配，它会搜索遍历整个字符串，获得所有满足匹配的结果；搜索的结果以一个列表的形式返回，匹配到结果返回所有匹配的字串的列表，如果没有匹配则返回一个空列表。

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
import re

#re模块提供一个方法叫compile模块，提供我们输入一个匹配的规则
#然后返回一个pattern实例，我们根据这个规则去匹配字符串
pattern = re.compile(r'\d+\.\d*')

#通过partten.findall()方法就能够全部匹配到我们得到的字符串
result = pattern.findall("123.141593, 'bigcat', 232312, 3.15")

#findall 以 列表形式 返回全部能匹配的子串给result
for item in result:
    print item

pattern对象名.finditer(string[,pos[,endpos]])

finditer 方法的行为跟 findall 的行为类似，也是搜索整个字符串，获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果（Match 对象）的迭代器。

#!/usr/bin/env python2
# -*- coding: utf-8 -*-

import re
pattern = re.compile(r'\d+')

result_iter1 = pattern.finditer('hello 123456 789')
result_iter2 = pattern.finditer('one1two2three3four4', 0, 10)

print type(result_iter1)
print type(result_iter2)

print 'result1...'
for m1 in result_iter1:   # m1 是 Match 对象
    print 'matching string: {}, position: {}'.format(m1.group(), m1.span())

print 'result2...'
for m2 in result_iter2:
    print 'matching string: {}, position: {}'.format(m2.group(), m2.span())

pattern对象名.split(string[,maxsplit])

split()方法按照能够匹配的字串将字符串分割后返回列表，maxsplit用于指定最大分割次数，不指定将全部分割

#!/usr/bin/env python2
# -*- coding: utf-8 -*-

import re
p = re.compile(r'[\s\,\;]+')
print p.split('a,b;; c   d')

pattern对象名.sub(repl, string[, count])

其中，repl 可以是字符串也可以是一个函数：
1、如果 repl 是字符串，则会使用 repl 去替换字符串每一个匹配的子串，并返回替换后的字符串，另外，repl 还可以使用 id 的形式来引用分组，但不能使用编号 0；
2、如果 repl 是函数，这个方法应当只接受一个参数（Match 对象），并返回一个字符串用于替换（返回的字符串中不能再引用分组）。
3、count 用于指定最多替换次数，不指定时全部替换。

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
import re
p = re.compile(r'(\w+) (\w+)') # \w = [A-Za-z0-9]
s = 'hello 123, hello 456'

print p.sub(r'hello world', s)  # 使用 'hello world' 替换 'hello 123' 和 'hello 456'
print p.sub(r'\2 \1', s)        # 引用分组

def func(m):
    return 'hi' + ' ' + m.group(2)

print p.sub(func, s)
print p.sub(func, s, 1)         # 最多替换一次

四、贪婪模式和非贪婪模式

1、贪婪模式：在整个表达式匹配成功的前提下，尽可能多的匹配（*）；
2、非贪婪模式：在整个表达式匹配成功的前提下，尽可能的匹配（？）；
3、在python中默认的是贪婪模式