本文介紹了Python對于正則表達式的支持，包括正則表達式基礎以及Python正則表達式標準庫的完整介紹及使用示例。本文的內(nèi)容不包括如何編寫高效的正則表達式、如何優(yōu)化正則表達式，這些主題請查看其他教程。
注意：本文基于Python2.4完成；如果看到不明白的詞匯請記得百度谷歌或維基，whatever。
1. 正則表達式基礎
1.1. 簡單介紹
正則表達式并不是Python的一部分。正則表達式是用于處理字符串的強大工具，擁有自己獨特的語法以及一個獨立的處理引擎，效率上可能不如str自帶的方法，但功能十分強大。得益于這一點，在提供了正則表達式的語言里，正則表達式的語法都是一樣的，區(qū)別只在于不同的編程語言實現(xiàn)支持的語法數(shù)量不同；但不用擔心，不被支持的語法通常是不常用的部分。如果已經(jīng)在其他語言里使用過正則表達式，只需要簡單看一看就可以上手了。
下圖展示了使用正則表達式進行匹配的流程：
正則表達式的大致匹配過程是：依次拿出表達式和文本中的字符比較，如果每一個字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。如果表達式中有量詞或邊界，這個過程會稍微有一些不同，但也是很好理解的，看下圖中的示例以及自己多使用幾次就能明白。
下圖列出了Python支持的正則表達式元字符和語法：
1.2. 數(shù)量詞的貪婪模式與非貪婪模式
正則表達式通常用于在文本中查找匹配的字符串。Python里數(shù)量詞默認是貪婪的（在少數(shù)語言里也可能是默認非貪婪），總是嘗試匹配盡可能多的字符；非貪婪的則相反，總是嘗試匹配盡可能少的字符。例如：正則表達式”ab*”如果用于查找”abbbc”，將找到”abbb”。而如果使用非貪婪的數(shù)量詞”ab*?”，將找到”a”。
1.3. 反斜杠的困擾
與大多數(shù)編程語言相同，正則表達式里使用”\”作為轉(zhuǎn)義字符，這就可能造成反斜杠困擾。假如你需要匹配文本中的字符”\”，那么使用編程語言表示的正則表達式里將需要4個反斜杠”\\\\”：前兩個和后兩個分別用于在編程語言里轉(zhuǎn)義成反斜杠，轉(zhuǎn)換成兩個反斜杠后再在正則表達式里轉(zhuǎn)義成一個反斜杠。Python里的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r”\\”表示。同樣，匹配一個數(shù)字的”\\d”可以寫成r”\d”。有了原生字符串，你再也不用擔心是不是漏寫了反斜杠，寫出來的表達式也更直觀。
1.4. 匹配模式
正則表達式提供了一些可用的匹配模式，比如忽略大小寫、多行匹配等，這部分內(nèi)容將在Pattern類的工廠方法re.compile(pattern[, flags])中一起介紹。
2. re模塊
2.1. 開始使用re
Python通過re模塊提供對正則表達式的支持。使用re的一般步驟是先將正則表達式的字符串形式編譯為Pattern實例，然后使用Pattern實例處理文本并獲得匹配結果（一個Match實例），最后使用Match實例獲得信息，進行其他的操作。
這個方法是Pattern類的工廠方法，用于將字符串形式的正則表達式編譯為Pattern對象。 第二個參數(shù)flag是匹配模式，取值可以使用按位或運算符’|’表示同時生效，比如re.I | re.M。另外，你也可以在regex字符串中指定模式，比如re.compile(‘pattern’, re.I | re.M)與re.compile(‘(?im)pattern’)是等價的。
可選值有：
re.I(re.IGNORECASE): 忽略大小寫（括號內(nèi)是完整寫法，下同）
M(MULTILINE): 多行模式，改變’^’和’$’的行為（參見上圖）
S(DOTALL): 點任意匹配模式，改變’.’的行為
L(LOCALE): 使預定字符類 \w \W \b \B \s \S 取決于當前區(qū)域設定
U(UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性
X(VERBOSE): 詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，并可以加入注釋。以下兩個正則表達式是等價的：
re模塊還提供了一個方法escape(string)，用于將string中的正則表達式元字符如*/+/?等之前加上轉(zhuǎn)義符再返回，在需要大量匹配元字符時有那么一點用。2.2. MatchMatch對象是一次匹配的結果，包含了很多關于此次匹配的信息，可以使用Match提供的可讀屬性或方法來獲取這些信息。屬性：string: 匹配時使用的文本。re: 匹配時使用的Pattern對象。pos: 文本中正則表達式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。endpos: 文本中正則表達式結束搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。lastindex: 最后一個被捕獲的分組在文本中的索引。如果沒有被捕獲的分組，將為None。lastgroup: 最后一個被捕獲的分組的別名。如果這個分組沒有別名或者沒有被捕獲的分組，將為None。方法：group([group1, …]): 獲得一個或多個分組截獲的字符串；指定多個參數(shù)時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫參數(shù)時，返回group(0)；沒有截獲字符串的組返回None；截獲了多次的組返回最后一次截獲的子串。groups([default]):以元組形式返回全部分組截獲的字符串。相當于調(diào)用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代，默認為None。groupdict([default]):返回以有別名的組的別名為鍵、以該組截獲的子串為值的字典，沒有別名的組不包含在內(nèi)。default含義同上。start([group]):返回指定的組截獲的子串在string中的起始索引（子串第一個字符的索引）。group默認值為0。end([group]):返回指定的組截獲的子串在string中的結束索引（子串最后一個字符的索引+1）。group默認值為0。span([group]):返回(start(group), end(group))。expand(template):將匹配到的分組代入template中然后返回。template中可以使用\id或\g、\g引用分組，但不能使用編號0。\id與\g是等價的；但\10將被認為是第10個分組，如果你想表達\1之后是字符’0’，只能使用\g<1>0。
2.3. Pattern
Pattern對象是一個編譯好的正則表達式，通過Pattern提供的一系列方法可以對文本進行匹配查找。
Pattern不能直接實例化，必須使用re.compile()進行構造。
Pattern提供了幾個可讀屬性用于獲取表達式的相關信息：
pattern: 編譯時用的表達式字符串。
flags: 編譯時用的匹配模式。數(shù)字形式。
groups: 表達式中分組的數(shù)量。
groupindex: 以表達式中有別名的組的別名為鍵、以該組對應的編號為值的字典，沒有別名的組不包含在內(nèi)。
實例方法[ | re模塊方法]：1.match(string[, pos[, endpos]]) | re.match(pattern, string[, flags]):這個方法將從string的pos下標處起嘗試匹配pattern；如果pattern結束時仍可匹配，則返回一個Match對象；如果匹配過程中pattern無法匹配，或者匹配未結束就已到達endpos，則返回None。pos和endpos的默認值分別為0和len(string)；re.match()無法指定這兩個參數(shù)，參數(shù)flags用于編譯pattern時指定匹配模式。注意：這個方法并不是完全匹配。當pattern結束時若string還有剩余字符，仍然視為成功。想要完全匹配，可以在表達式末尾加上邊界匹配符’$’。示例參見2.1小節(jié)。2.search(string[, pos[, endpos]]) | re.search(pattern, string[, flags]):這個方法用于查找字符串中可以匹配成功的子串。從string的pos下標處起嘗試匹配pattern，如果pattern結束時仍可匹配，則返回一個Match對象；若無法匹配，則將pos加1后重新嘗試匹配；直到pos=endpos時仍無法匹配則返回None。pos和endpos的默認值分別為0和len(string))；re.search()無法指定這兩個參數(shù)，參數(shù)flags用于編譯pattern時指定匹配模式。Python# encoding: UTF-8 import re # 將正則表達式編譯成Pattern對象 pattern = re.compile(r'world') # 使用search()查找匹配的子串，不存在能匹配的子串時將返回None # 這個例子中使用match()無法成功匹配 match = pattern.search('hello world!') if match:? ? # 使用Match獲得分組信息? ? print match.group() ### 輸出 ### # world12345678910111213141516# encoding: UTF-8 import re? # 將正則表達式編譯成Pattern對象 pattern = re.compile(r'world')? # 使用search()查找匹配的子串，不存在能匹配的子串時將返回None # 這個例子中使用match()無法成功匹配 match = pattern.search('hello world!')? if match:? ? # 使用Match獲得分組信息? ? print match.group()? ### 輸出 ### # world3.split(string[, maxsplit]) | re.split(pattern, string[, maxsplit]): 按照能夠匹配的子串將string分割后返回列表。maxsplit用于指定最大分割次數(shù)，不指定將全部分割。Pythonimport rep = re.compile(r'\d+')print p.split('one1two2three3four4')### output #### ['one', 'two', 'three', 'four', '']1234567import re p = re.compile(r'\d+')print p.split('one1two2three3four4') ### output #### ['one', 'two', 'three', 'four', '']4.findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags]): 搜索string，以列表形式返回全部能匹配的子串。Pythonimport rep = re.compile(r'\d+')print p.findall('one1two2three3four4')### output #### ['1', '2', '3', '4']1234567import re p = re.compile(r'\d+')print p.findall('one1two2three3four4') ### output #### ['1', '2', '3', '4']5.finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags]): 搜索string，返回一個順序訪問每一個匹配結果（Match對象）的迭代器 。Pythonimport rep = re.compile(r'\d+')for m in p.finditer('one1two2three3four4'):? ? print m.group(),### output #### 1 2 3 412345678import re p = re.compile(r'\d+')for m in p.finditer('one1two2three3four4'):? ? print m.group(), ### output #### 1 2 3 46.sub(repl, string[, count]) | re.sub(pattern, repl, string[, count]): 使用repl替換string中每一個匹配的子串后返回替換后的字符串。當repl是一個字符串時，可以使用\id或\g、\g引用分組，但不能使用編號0。
當repl是一個方法時，這個方法應當只接受一個參數(shù)（Match對象），并返回一個字符串用于替換（返回的字符串中不能再引用分組）。
count用于指定最多替換次數(shù)，不指定時全部替換。
Python
import re
p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
print p.sub(r'\2 \1', s)
def func(m):
return m.group(1).title() + ' ' + m.group(2).title()
print p.sub(func, s)
### output ###
# say i, world hello!
# I Say, Hello World!
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import re
p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
print p.sub(r'\2 \1', s)
def func(m):
return m.group(1).title() + ' ' + m.group(2).title()
print p.sub(func, s)
### output ###
# say i, world hello!
# I Say, Hello World!
7.subn(repl, string[, count]) |re.sub(pattern, repl, string[, count]):
返回 (sub(repl, string[, count]), 替換次數(shù))。
Python
import re
p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
print p.subn(r'\2 \1', s)
def func(m):
return m.group(1).title() + ' ' + m.group(2).title()
print p.subn(func, s)
### output ###
# ('say i, world hello!', 2)
# ('I Say, Hello World!', 2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import re
p = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
print p.subn(r'\2 \1', s)
def func(m):
return m.group(1).title() + ' ' + m.group(2).title()
print p.subn(func, s)
### output ###
# ('say i, world hello!', 2)
# ('I Say, Hello World!', 2)
以上就是Python對于正則表達式的支持。熟練掌握正則表達式是每一個程序員必須具備的技能，這年頭沒有不與字符串打交道的程序了。筆者也處于初級階段，與君共勉，^_^
另外，圖中的特殊構造部分沒有舉出例子，用到這些的正則表達式是具有一定難度的。有興趣可以思考一下，如何匹配不是以abc開頭的單詞，^_^
還有：
每個人都有適合自己的方法，有的人去選擇自學，有的人選擇看視頻學習，有的人選擇報名培訓班，那在這個時候，你就要自己考慮清楚，到底那樣對的幫助是最大的，個人覺得是跟著培訓班最好的，畢竟人家的實戰(zhàn)項目多，我們學軟件開發(fā)的都知道實戰(zhàn)項目對于學好一門語言是 很重要的。
學習python有那些誤區(qū)
具體里面的誤區(qū)非常的多，那些就不需要我去寫出來，我給你說的一般都是心態(tài)的問題，首先一個覺得自己會java和c++，然后我學習python就很牛，但是你要知道語言是有很多相同的地方，但是不是通用，一定要自己學習的仔細。還有一種就是覺得我不會英語，我要先去把英語學習好在來學python。因為自己想還壞主意然后學習，這樣的都是容易找進誤區(qū)的。
怎么樣才能學好python
學好python你需要一個良好的環(huán)境，一個優(yōu)質(zhì)的開發(fā)交流群，群里都是那種相互幫助的人才是可以的，我有建立一個python學習交流群，在群里我們相互幫助，相互關心，相互分享內(nèi)容，這樣出問題幫助你的人就比較多，群號是304加上050最後799，這樣就可以找到大神聚合的群，如果你只愿意別人幫助你，不愿意分享或者幫助別人，那就請不要加了，你把你會的告訴別人這是一種分享。
感覺寫的好，對你有幫助，就點個贊唄，別光只收藏哈.~(￣▽￣)~
?
