Python正则表达式

正则表达式是搜索、替换和解析复杂字符串的一种强大而标准的方法，Python中的正则相关的东西全在re模块下。

1 常用的匹配

^匹配字符串的开始

$匹配字符串的结尾

\b匹配一个单词的边界

\d匹配任意数字

\D匹配任意非数字字符

x?匹配一个可选的x（匹配1次或0次x字符）

x*匹配0次或多次x

x+匹配1次或多次x

x{n,m}至少n次，至多m次x

(a|b|c)要么匹配a，要么匹配b，要么匹配c

(x)一般情况下表示一个记忆组，你可以利用re.search函数返回对象的groups()函数来获取它的值

2 一般用途

#-------------------------------------------------------------------------------
# coding:        utf-8
# Purpose:正则表达式
#
# Author:      zdk
#
# Created:     26/02/2013
# Copyright:   (c) zdk 2013
#-------------------------------------------------------------------------------
  
import re
if __name__ == '__main__':
    addr = "100 BROAD ROAD APT.3"
    print(re.sub("ROAD","RD",addr)) # 100 BRD RD APT.3
    print(re.sub(r"\bROAD\b","RD",addr)) # 100 BROAD RD APT.3
    pattern = ".*B.*(ROAD)?"
    print(re.search(pattern,"ROAD")) #None
    print(re.search(pattern,"B")) #<_sre.SRE_Match object at 0x0230F020><span style="background-color:#FAFAFA;font-family:Monaco, &#39;DejaVu Sans Mono&#39;, &#39;Bitstream Vera Sans Mono&#39;, Consolas, &#39;Courier New&#39;, monospace;font-size:1em;line-height:1.5;"> </span>

（1）re.sub("ROAD","RD",addr) 利用re.sub函数对字符串addr进行搜索，满足表达式"ROAD"的用“RD”替换

（2）re.sub(r"\bROAD\b","RD",addr) ，“\b”含义是“单词的边界”，在Python中，由于字符“\”在字符串中必须转义，这会变得非常麻烦，所以Python用前缀r表示字符串中的所有字符都不转义。

（3）re.search(pattern,"ROAD") re模块有一个search函数，该函数有两个参数，一个是正则表达式，一个是字符串，search函数返回一个拥有多种方法可以描述这个匹配的对象，如果没有发现匹配，则返回None。  

3 松散正则表达式

上面均是“紧凑”类型的表达式，它比较难以阅读，即使现在清楚表达式的含义，也不能保证几个月后还能记得。所以Python允许用户利用所谓的松散正则表达式来完成内联文档的需要，和一般的表达式有以下两个方面的主要区别

忽略空白符。空格符、制表符、回车符不匹配它们自身（如果你想在松散正则表达式中匹配一个空格符，你不须在它前面添加一个反斜杠符号对它进行转义）

忽略注释。和普通的Python代码一样，注释开始于#符号，结束于行尾。

#松散带有内联注释的正则表达式
    pattern = """
    ^   # begin of string
    M{0,3} # 0 to 3 M
    (CM|CD|D?C{0,3}) #CM or CD or D or D 0 to 3 C
    $   #end of string
    """
    print(re.search(pattern,"MCM",re.VERBOSE)) #<_sre.SRE_Match object at 0x021BAF60>
    print(re.search(pattern,"M99",re.VERBOSE)) #None

（1）当使用松散正则表达式时，最重要的一件事就是：必须传递一个额外的参数re.VERBOSE，它是re模块的一个常量，标志着待匹配的正则表达式是一个松散正则表达式。pattern的空格和注释都是被忽略的，但同时具有更好的可读性。

4 个例研究：解析电话号码

必须匹配如下电话号码：

800-555-1212

800 555 1212

800.555.1212

(800)555-1212

1-800-555-1212

800-555-1212-1234

800-555-1212x1234

800-555-1212 ext.1234

work 1-(800) 555,1212 #1234

格式比较多，我们需要知道的是800为区号，干线号为555，电话号的其他数字为1212，对于有分机号的，我们需要知道分机号为1234

phonePattern = re.compile(r'''
    # don't match beginging of string
(\d{3}) # 3 digits
\D*     #any number of non-digits
(\d{3}) # 3 digits
\D*     #any number of non-digits
(\d{4}) # 4 digits
\D*     #any number of non-digits
(\d*)   #any number of digits
''',re.VERBOSE)
print(phonePattern.search('work 1-(800)555.1212 #1234').groups()) #('800', '555', '1212', '1234')

print(phonePattern.search('work 1-(800)555.1212 #1234').groups()) #('800', '555', '1212', '1234')

（1）一个松散正则表达式如上， 首先匹配3个数字区号（不一定从第一个字符开始，所以没有用^），接着后面匹配任意多个非数字的字符，接着匹配3个数字干线号，接着匹配任意多个非数字的字符，接着匹配4个数字号码，接着匹配任意多个非数字的字符，接着匹配任意多个数字的分机号，然后用groups函数分组，得到正确的电话号码。