python學習筆記枚赡，特做記錄，分享給大家滑凉，希望對大家有所幫助统扳。
正則表達式
字符串是編程時涉及到的最多的一種數(shù)據(jù)結構，對字符串進行操作的需求幾乎無處不在畅姊。比如判斷一個字符串是否是合法的Email地址咒钟，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若未，但這樣做不但麻煩朱嘴，而且代碼難以復用。
正則表達式是一種用來匹配字符串的強有力的武器粗合。它的設計思想是用一種描述性的語言來給字符串定義一個規(guī)則萍嬉，凡是符合規(guī)則的字符串，我們就認為它“匹配”了舌劳，否則帚湘，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：
創(chuàng)建一個匹配Email的正則表達式甚淡；
用該正則表達式去匹配用戶的輸入來判斷是否合法大诸。
因為正則表達式也是用字符串表示的，所以贯卦，我們要首先了解如何用字符來描述字符资柔。
在正則表達式中，如果直接給出字符撵割，就是精確匹配贿堰。用\d可以匹配一個數(shù)字，\w可以匹配一個字母或數(shù)字啡彬，所以：
- '00\d'可以匹配'007'羹与，但無法匹配'00A'故硅；
- '\d\d\d'可以匹配'010'；
- '\w\w\d'可以匹配'py3'纵搁；
.可以匹配任意字符吃衅，所以：
- 'py.'可以匹配'pyc'、'pyo'腾誉、'py!'等等徘层。
要匹配變長的字符，在正則表達式中利职，用*表示任意個字符（包括0個）趣效，用+表示至少一個字符，用?表示0個或1個字符猪贪，用{n}表示n個字符跷敬，用{n,m}表示n-m個字符：
來看一個復雜的例子：\d{3}\s+\d{3,8}。
我們來從左到右解讀一下：
- \d{3}表示匹配3個數(shù)字哮伟，例如'010'干花；
- \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楞黄，例如匹配' '池凄，' '等；
- \d{3,8}表示3-8個數(shù)字鬼廓，例如'1234567'肿仑。
綜合起來，上面的正則表達式可以匹配以任意個空格隔開的帶區(qū)號的電話號碼碎税。
如果要匹配'010-12345'這樣的號碼呢尤慰？由于'-'是特殊字符，在正則表達式中雷蹂，要用''轉義伟端，所以，上面的正則是\d{3}-\d{3,8}匪煌。
但是责蝠，仍然無法匹配'010 - 12345'，因為帶有空格萎庭。所以我們需要更復雜的匹配方式霜医。
進階
要做更精確地匹配，可以用[]表示范圍驳规，比如：
- [0-9a-zA-Z_]可以匹配一個數(shù)字肴敛、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医男，比如'a100'砸狞，'0_Z'，'Py3000'等等昨登；
- [a-zA-Z_][0-9a-zA-Z_]*可以匹配由字母或下劃線開頭趾代，后接任意個由一個數(shù)字、字母或者下劃線組成的字符串丰辣，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）禽捆。
A|B可以匹配A或B笙什，所以(P|p)ython可以匹配'Python'或者'python'。
表示行的開頭胚想，\d表示必須以數(shù)字開頭琐凭。
表示必須以數(shù)字結束浊服。
你可能注意到了统屈，py也可以匹配'python'，但是加上^py$就變成了整行匹配牙躺，就只能匹配'py'了愁憔。
re模塊
有了準備知識，我們就可以在Python中使用正則表達式了孽拷。Python提供re模塊吨掌，包含所有正則表達式的功能。由于Python的字符串本身也用\轉義脓恕，所以要特別注意：
s = 'ABC\\-001' # Python的字符串
# 對應的正則表達式字符串變成：
# 'ABC\-001'
因此我們強烈建議使用Python的r前綴膜宋，就不用考慮轉義的問題了：
s = r'ABC\-001' # Python的字符串
# 對應的正則表達式字符串不變：
# 'ABC\-001'
先看看如何判斷正則表達式是否匹配：
import re
re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
match()方法判斷是否匹配，如果匹配成功炼幔，返回一個Match對象秋茫，否則返回None。常見的判斷方法就是：
test = '用戶輸入的字符串'
if re.match(r'正則表達式', test):
print('ok')
else:
print('failed')
切分字符串
用正則表達式切分字符串比用固定的字符更靈活乃秀，請看正常的切分代碼：
'a b c'.split(' ')
['a', 'b', '', '', 'c']
嗯肛著，無法識別連續(xù)的空格，用正則表達式試試：
re.split(r'\s+', 'a b c')
['a', 'b', 'c']
無論多少個空格都可以正常分割环形。加入,試試：
re.split(r'[\s\,]+', 'a,b, c d')
['a', 'b', 'c', 'd']
再加入;試試：
re.split(r'[\s\,\;]+', 'a,b;; c d')
['a', 'b', 'c', 'd']
如果用戶輸入了一組標簽策泣，下次記得用正則表達式來把不規(guī)范的輸入轉化成正確的數(shù)組。
分組
除了簡單地判斷是否匹配之外抬吟，正則表達式還有提取子串的強大功能萨咕。用()表示的就是要提取的分組（Group）。比如：
^(\d{3})-(\d{3,8})$分別定義了兩個組火本，可以直接從匹配的字符串中提取出區(qū)號和本地號碼：
import re
m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print m
print m.group(0)
print m.group(1)
print m.group(2)
運行結果：
<_sre.SRE_Match object at 0x100249360>
010-12345
010
12345
Process finished with exit code 0
如果正則表達式中定義了組危队，就可以在Match對象上用group()方法提取出子串來聪建。
注意到group(0)永遠是原始字符串，group(1)茫陆、group(2)……表示第1金麸、2、……個子串簿盅。
提取子串非常有用挥下。來看一個更兇殘的例子：
t = '19:05:30'
m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
print m.groups()
運行結果：
('19', '05', '30')
Process finished with exit code 0
這個正則表達式可以直接識別合法的時間。但是有些時候桨醋，用正則表達式也無法做到完全驗證棚瘟，比如識別日期：
'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'
對于'2-30'，'4-31'這樣的非法日期喜最，用正則還是識別不了偎蘸，或者說寫出來非常困難，這時就需要程序配合識別了瞬内。
貪婪匹配
最后需要特別指出的是迷雪，正則匹配默認是貪婪匹配，也就是匹配盡可能多的字符虫蝶。舉例如下章咧，匹配出數(shù)字后面的0：
print re.match(r'^(\d+)(0*)$', '102300').groups()
運行結果：
('102300', '')
Process finished with exit code 0
由于\d+采用貪婪匹配，直接把后面的0全部匹配了秉扑，結果0*只能匹配空字符串了慧邮。
必須讓\d+采用非貪婪匹配（也就是盡可能少匹配），才能把后面的0匹配出來舟陆，加個?就可以讓\d+采用非貪婪匹配：
print re.match(r'^(\d+?)(0*)$', '102300').groups()
運行結果：
('1023', '00')
Process finished with exit code 0
編譯
當我們在Python中使用正則表達式時误澳，re模塊內(nèi)部會干兩件事情：
- 編譯正則表達式，如果正則表達式的字符串本身不合法秦躯，會報錯忆谓；
- 用編譯后的正則表達式去匹配字符串。
如果一個正則表達式要重復使用幾千次踱承，出于效率的考慮倡缠，我們可以預編譯該正則表達式，接下來重復使用時就不需要編譯這個步驟了茎活，直接匹配：
import re
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
print re_telephone.match('010-12345').groups()
print re_telephone.match('010-8086').groups()
運行結果：
('010', '12345')
('010', '8086')
Process finished with exit code 0
編譯后生成Regular Expression對象昙沦，由于該對象自己包含了正則表達式，所以調(diào)用對應的方法時不用給出正則字符串载荔。
