正則表達(dá)式在python中運用的非常多，因為他可以進(jìn)行任意的匹配，可以匹配我們想要提取的信息。當(dāng)我們接觸正則的時候你就會知道正則的強大。正則有一個庫re 在一些工程中我們會經(jīng)常調(diào)用正則的庫來做與匹配相關(guān)的問題。
字符串是編程時涉及到的最多的一種數(shù)據(jù)結(jié)構(gòu)，對字符串進(jìn)行操作的需求幾乎無處不在。比如判斷一個字符串是否是合法的Email地址，雖然可以編程提取 @ 前后的子串，再分別判斷是否是單詞和域名，但這樣做不但麻煩，而且代碼難以復(fù)用。
正則表達(dá)式是一種用來匹配字符串的強有力的武器。它的設(shè)計思想是用一種描述性的語言來給字符串定義一個規(guī)則，凡是符合規(guī)則的字符串，我們就認(rèn)為它“匹配”了，否則，該字符串就是不合法的。
所以我們判斷一個字符串是否是合法的Email的方法是：
1.創(chuàng)建一個匹配Email的正則表達(dá)式；
2.用該正則表達(dá)式去匹配用戶的輸入來判斷是否合法。
因為正則表達(dá)式也是用字符串表示的，所以，我們要首先了解如何用字符來描述字符。
在正則表達(dá)式中，如果直接給出字符，就是精確匹配。用 \d 可以匹配一個數(shù)字， \w 可以匹配一個字母或數(shù)字，所以：
• '00\d' 可以匹配 '007' ，但無法匹配 '00A' ；
• '\d\d\d' 可以匹配 '010' ；
• '\w\w\d' 可以匹配 'py3' ；
. 可以匹配任意字符，所以：
• 'py.' 可以匹配 'pya' 、 'pyb' 、 'py!' 等等。
要匹配變長的字符，在正則表達(dá)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：
來看一個復(fù)雜的例子： \d{3}\s+\d{3,8} 。
我們來從左到右解讀一下：
1. \d{3} 表示匹配3個數(shù)字，例如 '010' ；
2. \s 可以匹配一個空格（也包括Tab等空白符），所以 \s+ 表示至少有一個空格，例如匹配 ' ' ， ' ' 等；
3. \d{3,8} 表示3-8個數(shù)字，例如 '1234567' 。
綜合起來，上面的正則表達(dá)式可以匹配以任意個空格隔開的帶區(qū)號的電話號碼。
如果要匹配 '010-12345' 這樣的號碼呢？由于 '-' 是特殊字符，在正則表達(dá)式中，要用 '\' 轉(zhuǎn)義，所以，上面的正則是 \d{3}\-\d{3,8} 。
但是，仍然無法匹配 '010 - 12345' ，因為帶有空格。所以我們需要更復(fù)雜的匹配方式。
強化篇
要做更精確地匹配，可以用 [] 表示范圍，比如：
• [0-9a-zA-Z\_] 可以匹配一個數(shù)字、字母或者下劃線；
• [0-9a-zA-Z\_]+ 可以匹配至少由一個數(shù)字、字母或者下劃線組成的字符串，比如 'a100' ， '0_Z' ， 'Py3000' 等等；
• [a-zA-Z\_][0-9a-zA-Z\_]* 可以匹配由字母或下劃線開頭，后接任意個由一個數(shù)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+后面最多19個字符）。
A|B 可以匹配A或B，所以 (P|p)ython 可以匹配 'Python' 或者 'python' 。
^ 表示行的開頭， ^\d 表示必須以數(shù)字開頭。
$ 表示行的結(jié)束， \d$ 表示必須以數(shù)字結(jié)束。
你可能注意到了， py 也可以匹配 'python' ，但是加上 ^py$ 就變成了整行匹配，就只能匹配 'py' 了。
re模塊
有了準(zhǔn)備知識，我們就可以在Python中使用正則表達(dá)式了。Python提供 re 模塊，包含所有正則表達(dá)式的功能。由于Python的字符串本身也用 \ 轉(zhuǎn)義，所以要特別注意：
s = 'ABC\\-001' # Python的字符串 # 對應(yīng)的正則表達(dá)式字符串變成： # 'ABC\-001'
因此我們強烈建議使用Python的 r 前綴，就不用考慮轉(zhuǎn)義的問題了：
s = r'ABC\-001' # Python的字符串 # 對應(yīng)的正則表達(dá)式字符串不變： # 'ABC\-001'
先看看如何判斷正則表達(dá)式是否匹配：
>>> import re >>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345') <_sre.SRE_Match object at 0x1026e18b8> >>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345') >>>
match() 方法判斷是否匹配，如果匹配成功，返回一個 Match 對象，否則返回 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(dá)式', test): print 'ok' else: print 'failed'
切分字符串
用正則表達(dá)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']
嗯，無法識別連續(xù)的空格，用正則表達(dá)式試試：
>>> re.split(r'\s+', 'a b c') ['a', 'b', 'c']
無論多少個空格都可以正常分割。加入,試試：
>>> re.split(r'[\s\,]+', 'a,b, c d') ['a', 'b', 'c', 'd']
再加入;試試：
>>> re.split(r'[\s\,\;]+', 'a,b;; c d') ['a', 'b', 'c', 'd']
如果用戶輸入了一組標(biāo)簽，下次記得用正則表達(dá)式來把不規(guī)范的輸入轉(zhuǎn)化成正確的數(shù)組。
分組
除了簡單地判斷是否匹配之外，正則表達(dá)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）。比如：
^(\d{3})-(\d{3,8})$ 分別定義了兩個組，可以直接從匹配的字符串中提取出區(qū)號和本地號碼：