Regular Expression称为正则表达式，以下简称为RE。
不用RE在文本中查找模式
美国电话号码的格式为###-###-###，如果要判断号码格式是否合法，并且不用RE，需要结合isdecimal()方法。
def is_valid(phone_num):
if(len(phone_num) != 12):
return False
if phone_num[3] != '-' and phone_num[7] != '-':
return False
for s in phone_num.split('-'):
if not s.isdecimal():
return False
return True
print(is_valid('123-456-7890'))
print(is_valid('123-4#6-7890'))
如果要在一段文本中寻找电话号码，可以用msg[i:i+12]结合以上is_valid()函数。
通过RE在文本中寻找模式
RE在re模块中定义。因此需要import re。
# 正则表达式\d表示数字字符
>>> regex = re.compile(r'\d\d\d-\d\d\d-\d\d\d\d')
>>> phone_number = regex.search('My number is 415-555-4242.')
>>> print(phone_number) # 如果匹配，则返回Match对象
<_sre.SRE_Match object; span=(13, 25), match='415-555-4242'>
>>> print(phone_number.group()) # group返回匹配的字符串
415-555-4242
>>> print(phone_number.span())
(13, 25)
>>> phone_number = regex.search('My number')
>>> print(phone_number) # 如果不匹配，则返回None
None
交互式RE测试参见网站：https://pythex.org/
更多正则表达式
在正则表达式中，. ^ $ * + ? { } [ ] \ | ( )这些字符具有特殊含义，需要用\转义。
()表示group，例如(\d\d\d)-(\d\d\d-\d\d\d\d)
需要匹配多个group可以用管道符’|'分开，例如(patternA|patternB)
0个或1个匹配用?，0个或多个匹配用*，一个或多个匹配用+。
固定次数的匹配用{n}，例如{3}，次数在某一区间使用{m,n}的格式，例如{3,5}。
示例：
>>> re.compile(r'(\d\d\d)-(\d\d\d\d)').search('123-4567').group(2)
'4567'
>>> re.compile(r'(good|bad)man').search('goodman').group()
'goodman'
>>> re.compile(r'(good|bad)man').search('goodman').group(1)
'good'
如何引用group??? 是在替换中指定吗???
贪婪与非贪婪模式匹配
默认是贪婪模式，即最长的匹配；在}后面加?，可指定非贪婪模式。
>>> re.compile(r'(ha){3,5}').search('hahahahaha').group()
'hahahahaha'
>>> re.compile(r'(ha){3,5}?').search('hahahahaha').group()
'hahaha'
FINDALL()方法
search()只返回第一个匹配，findall()返回所有匹配，并返回一个list：
>>> re.compile(r'(\w+)').findall('good bye!')
['good', 'bye']
>>> re.compile(r'(\w+)').search('good bye!').group()
'good'
注意不要写成(\w)+。
字符分类
\d表示数字字符，就是0到9； \D表示非\d。
\w表示数字，字母和下划线； \W表示非\w。
\s表示space字符，包括空格，tab和换行；\S表示非\s。
并非任何时候都需要group，也可以用[]表示可匹配其中任意字符，其中的-表示区间，|表示或者，^表示非。
>>> re.compile(r'[abc]').search('good bye!').group()
'b'
>>> re.compile(r'[a-z]').search('good bye!').group()
'g'
>>> re.compile(r'[a|b]').search('good bye!').group()
'b'
>>> re.compile(r'[d|b]').search('good bye!').group()
'd'
>>> re.compile(r'[^a-z]').search('goodbye6!').group()
'6'
制作自己的字符类
例如'[^aeiouAEIOU]表示元音。(\w+)表示单词。
脱字符和美元符
脱字符^表示行首，美元符$表示行末。
通配符
.称为通配符，可匹配任意单个字符。
.*默认匹配除换行符(\n)外的任意模式，不过可以指定re.DOTALL将换行符也计在内。
>>> re.compile(r'.*').search('row1\nrow2').group()
'row1'
>>> re.compile(r'.*', re.DOTALL).search('row1\nrow2').group()
'row1\nrow2'
正则表达式回顾
?, *和+
{m}表示正好m次匹配；{m,n}表示m到n次匹配，m如省略表示0，n如省略表示无限。{}?表示非贪婪模式。
.和.*
\d, \w, \s; \D, \W, \S
[abc], [^abc], [abc|def]
大小写不敏感的匹配
默认是大小写敏感的，指定re.I标志为可实现大小写不敏感的匹配，例如re.compile(pattern, re.I)。
用SUB()方法替换字符串
注意，可以用\n的形式引用第n个group。
>>> re.compile('(\d\d\d)-(\d\d\d\d)').sub(r'\1-****', '123-4567')
'123-****'
>>> re.compile('(\d\d\d)-(\d\d\d\d)').sub(r'\2-\1', '123-4567')
'4567-123'
管理复杂的正则表达式
当正则表达式较复杂，需要跨多行写时，可以指定编译的re.VERBOSE标志以及'''，例如
re.compile(r'''(
sub-pattern1
sub-pattern2
...
sub-patternN
)''', re.VERBOSE)
多种编译模式的组合
RE.IGNORECASE, RE.DOTALL和RE.VERBOSE都是bitmap，因此用|组合就好。
项目: 抽取电话号码和邮件地址
略。
