三、正则表达式
1.实例引入
打开开源中国提供的正则表达式测试工具 http://tool.oschina.net/regex/ ，输入待匹配的文本，然后选择常用的正则表达式，就可以得出相应的匹配结果。
对于URL来说，可以用下面的正则表达式匹配：
[a-zA-z]+://[^\s]*
用这个正则表达式去匹配一个字符串，如果这个字符串中包含类似URL的文本，那就会被提取出来。
常用的匹配规则：
| 模式 | 描述 |
|---|---|
| \w | 匹配字母、数字及下划线 |
| \W | 匹配不是字母、数字及下划线 |
| \s | 匹配任意空白字符，等价于[\t\n\r\f] |
| \S | 匹配任意非空字符 |
| \d | 匹配任意数字，等价于[0-9] |
| \D | 匹配任意非数字的字符 |
| \A | 匹配字符串开头 |
| \Z | 匹配字符串结尾，如果存在换行，只匹配到换行前的结束字符串 |
| \z | 匹配字符串结尾，如果存在换行，同时还会匹配换行符 |
| \G | 匹配最后匹配完成的位置 |
| \n | 匹配一个换行符 |
| \t | 匹配一个制表符 |
| ^ | 匹配一行字符串的开头 |
| $ | 匹配一行字符串的结尾 |
| . | 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符 |
| […] | 用来表示一组字符，单独列出，比如[amk]匹配a、m或k |
| [ ^… ] | 不在[]中的字符，比如[ ^abc ]匹配除了a、b、c之外的字符 |
| * | 匹配0个或多个表达式 |
| + | 匹配1个或多个表达式 |
| ？ | 匹配0个或1个前面的正则表达式定义的片段，非贪婪方式 |
| {n} | 精确匹配n个前面的表达式 |
| {n,m} | 匹配n到m次由前面正则表达式的片段，贪婪方式 |
| a | b |
| () | 匹配括号内的表达式，也表示一个组 |
2.match()
match()，向它传入要匹配的字符串以及正则表达式，就可以检测这个正则表达式是否匹配字符串。
match()方法尝试从字符串的起始位置匹配正则表达式，如果匹配，就返回匹配成功的结果；如果不匹配就会返回None。示例如下：
import re
content = 'Hello 123 4567 World_This is a Regex Demo'
print(len(content))
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}', content)
print(result)
print(result.group())
print(result.span())
运行结果：
41
<_sre.SRE_Match object; span=(0, 25), match='Hello 123 4567 World_This'>
Hello 123 4567 World_This
(0, 25)
这里首先声明了一个字符串，其中包含英文字母、空白字符、数学等，然后写谢了一个正则表达式，用它来匹配这个长字符串。开头的^ 是匹配字符串的开头，也就是以Hello开头；然后\s匹配空白字符，用来匹配目标字符串的空格；\d匹配数字，3个\d匹配123；然后再写1个\s匹配空格；后面还有4567，可以写4个\d来匹配，但这样写太繁琐，所以后面可以跟{4}以代表匹配前面的规则4次，也就是匹配4个数字；然后后面再紧接1个空白字符，最后\w{10}匹配10个字母及下划线。这里其实并没有把目标字符串匹配玩，不过这样易燃可以进行匹配，只不过匹配结果短一点而已。
而在match()方法中，第一个参数传入了正则表达式，第二个参数传入了要匹配的字符串。
根据输出结果，可以看到结果是SRE_Match对象，这证明成功匹配。该对象有两个方法：group()方法可以输出匹配到的内容，结果是Hello 123 4567 Word_This，这恰好是正则表达式所匹配的内容；span()方法可以输出匹配的范围，结果是(0,25)，这就是匹配到的结果字符串在原字符串中的位置范围。