转载请在文章起始处注明出处，谢谢。

文章转自本人之前博客

0. 写在前面

正则表达式，是一种强大的匹配模式。

1. 使用正则表达式的步骤

a.用import re导入正则表达式模块；

b.用re.compile()函数创建一个Regex对象（记得使用原始字符串r）；

c.向Regex对象的search()方法传入想查找的字符串，它返回一个Match()对象；

d.调用Match()对象的group()方法，返回实际匹配文本的字符串。

例如：

import re 

phoneNumRegex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')

mo = phoneNumRegex.search('My number is 123-456-7890.')  #mo是一个通用名称，用于Match对象。

print('Phone number found:' + mo.group())

注意：除了search()方法外，还有findall()方法。search()返回一个Match()对象，而findall()返回一组字符串列表，包含被查找字符串中所有匹配。若正则表达式中有分组，则返回一个元组的列表。

2. 正则表达式匹配更多模式

2.1利用括号进行分组

添加括号可以在正则表达式中创建“分组”，使用group()匹配对象的方法，从分组中获得匹配文本。

例如：

(\d\d\d)-(\d\d\d-\d\d\d\d)  如：123-456-7890

group(1) ----> '123'
group(2) ----> '456-7890'
group(0)或group() ----> '123-456-7890'
groups() ---->  ('123','456-7890')   #可以使用多重赋值的方法

2.2用管道匹配多个分组

字符’|’被称为管道，用来匹配许多表达式中的一个。

2.3问号实现可选匹配

‘？’匹配之前分组零次或一次。

2.4星号匹配零次或多次

‘*’匹配之前的分组零次或多次。

2.5加号匹配一次或多次

‘+’匹配之前的分组一次或多次

2.6花括号匹配特定的次数

例如：

(ha){3} ----> 'hahaha'

(ha){3,5} ---->  'hahaha'、'hahahaha'、'hahahahaha'  

(ha){3,5}相当于管道匹配((hahaha)|(hahahaha)|(hahahahaha))

3. 贪心和非贪心匹配

Python正则表达式默认“贪心”匹配，即匹配最长的字符串。

花括号的“非贪心”匹配，匹配最短的字符串，要在结束的花括号后跟一个问号。

例如：

(ha){3,5}  #贪心匹配

(ha){3,5}？  #非贪心匹配

4. 字符分类

\d 0~9的任意数字

\D 除0~9的数字以外任何字符

\w 任何字母、数字、下划线字符（可以认为是匹配“单词”字符）

\W 除字母、数字、下划线字符以外的任何字符

\s 空格、制表符、换行符（可以认为是匹配“空白”字符）

\S 除空格、制表符、换行符以外的任何字符

例如：

[0-5] ----> 0~5

\d+\s\w+ ----> 12 words

5. 建立自己的字符分类

使用方括号[]定义自己的字符分类。

例如：

[aeiouAEIOU]匹配所有元音字符，不论大小。

注意：方括号内的普通正则表达式符号不会被解释，也就是说不需要加\。

在字符分类的左括号后加^，表示非字符类。

例如：

[^aeiouAEIOU]表示匹配所有的非元音字符。

6. 插入字符(^)和美元字符($)

在正则表达式开始处使用插入字符(^)，表明匹配必须发生在被查找文本开始处。

在正则表达式末尾处加上美元字符($)，表明字符串必须以这个正则表达式的模式结束。

例如：

正则表达式r'^\d+$'表明开始和末尾都是数字。

7. 通配字符

正则表达式中句点(.)被称为通配字符，匹配除换行之外的所有单个字符。

注意：句点字符只匹配一个字符。

7.1 点星匹配所有字符

.* 表示任意文本，使用的是贪心匹配，若想使用非贪心匹配，则需要在后面加？，即.*?。

7.2 句点字符匹配换行

.* 匹配所有除换行外的字符，通过传入re.DOTALL作为re.compile()的第二个参数，可以让句点字符匹配所有字符，包括换行符。

8. 不区分大小写的匹配

要让正则表达式不区分大小写，可以向re.compile()中传入re.IGNORECASE或re.I，作为第二个参数。

9. 用sub()方法替换字符串

Rxgex对象的sub()方法，传入两个参数，第一个参数是一个字符串，用来取代发现的匹配；第二个参数是正则表达式。sub()方法返回替换完成的字符串。

例如：

namesRegex = re.compile(r'Agent \w+')

namesRegex.sub('CENSORED','Agent Alice gave the secret documents to Aengt Bob.')

有时候，可能需要使用匹配文本本身，作为替换的一部分，在sub()的第一个参数中输入\1\2\3..，表示在替换中输入分组1、2、3..的文本。

例如：

import re
agentnameRegex = re.compile(r'Agent (\w)\w*')
print(agentnameRegex.sub(r'\1@@','Agent a told Agent b that Agent c knew Agent d was a double agent.'))

输出：

a@@ told b@@ that/ c@@ knew d@@ was a double agent.

10. 管理复杂的正则表达式

若正则表达式比较长、复杂，想忽略正则表达式中的空白符和注释，可以使用re.VERBOSE，作为第二个参数。

例如：

import re

phoneRegex = re.compile(r'''(
    (\d{3}|\(\d{3}\))?    #area code
    (\s|-|\.)?             #separator
    \d{3}                 #first 3 digits
    (\s|-|\.)             #separator
    \d{4}                 #last 4 digits
    (\s*(ext|x|ext.)\s*\d{2,5})? #extension
    )''', re.VERBOSE)

print(phoneRegex.findall('(123) 456-7890 ext. 123  123-456-7890'))

输出：

[('(123) 456-7890 ext. 123', '(123)', ' ', '-', ' ext. 123', 'ext.'), ('123-456-7890', '123', '-', '-', '', '')]

11. 项目：电话号码和Email地址提取程序

假设有一个无聊的任务，需要在一篇长的网页或者文章中，找出所有电话号码和邮件的地址。如果手动翻页，可能需要查找很长时间，如果有一个程序，可以在剪贴板的文本中查找电话号码和Email地址，那就只需要按一下Ctrl-A选择所有文本，按下Ctrl-C将它复制到剪贴板，然后运行程序。就可以自动找到电话号码和Email地址，替换掉剪贴板中的文本。

import re,pyperclip

#为电话号码创建一个正则表达式

phoneRegex = re.compile(r'''(
    (\d{3,4}|\(\d{3,4}\))?    #area code or telphone number
    (\s|-|\.)?             #separator
    (\d{8})                 #8 digits
    (\s*(ext|x|ext.)\s*\d{2,5})? #extension
    )''', re.VERBOSE)

#为Email创建一个正则表达式

emailRegex = re.compile(r'''(
    [a-zA-Z0-9._%+-]+    #username
    @                    
    [a-zA-Z0-9.-]+       #domain name
    (\.[a-zA-Z]{2,4})    #dot-something
    )''',re.VERBOSE)

#在剪贴板文本中找到所有匹配

text = str(pyperclip.paste())

matches = []

for groups in phoneRegex.findall(text):
    phoneNum = ' '.join([groups[1],groups[3]])
    if groups[4] != '':
        phoneNum += '-' + groups[4]
    matches.append(phoneNum)

for groups in emailRegex.findall(text):
    matches.append(groups[0])

#将所有匹配连接成一个字符串，复制到剪贴板

if len(matches) > 0:
    pyperclip.copy('\n'.join(matches))
    print('Copied to clipboard:')
    print('\n'.join(matches))
else:
    print('No phone numbers or email address found.')