我将从正规表示式开始讲 Python 的标准库。正规表示式是文书处理中常用的工具，而且不需要额外的系统知识或经验。我们会把系统相关的包放在后面讲解。
正规表示式 (regular expression) 主要功能是从字串 (string) 中通过特定的模式 (pattern)，搜寻想要找到的内容。
语法
之前，我们简介了字串相关的处理函式。我们可以通过这些函式实现简单的搜寻功能，比如说从字串 “I love you” 中搜寻是否有 “you” 这一子字串。但有些时候，我们只是模糊地知道我们想要找什么，而不能具体说出我是在找 “you”，比如说，我想找出字串中包含的数字，这些数字可以是 0 到 9 中的任何一个。这些模糊的目标可以作为资讯写入正规表示式，传递给 Python，从而让 Python 知道我们想要找的是什么。
(官方 documentation)
在 Python 中使用正规表示式需要标准库中的一个包 re 。
import re
m = re.search(‘[0-9]’,’abcd4ef’)
print(m.group(0))
re.search() 接收两个引数，第一个'[0-9]’ 就是我们所说的正规表示式，它告诉 Python 的是，“听著，我从字串想要找的是从 0 到 9 的一个数字字元” 。
re.search() 如果从第二个引数找到符合要求的子字串，就返回一个物件 m，你可以通过 m.group() 的方法检视搜寻到的结果。如果没有找到符合要求的字元，re.search() 会返回 None 。
如果你熟悉 Linux 或者 Perl, 你应该已经熟悉正规表示式。当我们开启 Linux shell 的时候，可以用正规表示式去查询或著删除我们想要的档案，比如说：
$rm book[0-9][0-9].txt
这就是要删除类似于 book02.txt 的档案。 book[0-9][0-9].txt 所包含的资讯是，以 book 开头，后面跟两个数字字元，之后跟有”.txt” 的档名。如果不符合条件的档名，比如说:
bo12.txt
book1.txt
book99.text
都不会被选中。
Perl 中内建有正规表示式的功能，据说是所有正规表示式系统中最强的，这也是 Perl 成为系统管理员利器的一个原因。
正规表示式的函式
m = re.search(pattern, string) # 搜寻整个字串，直到发现符合的子字串。
m = re.match(pattern, string) # 从头开始检查字串是否符合正规表示式。必须从字串的第一个字元开始就相符。
可以从这两个函式中选择一个进行搜寻。上面的例子中，我们如果使用 re.match() 的话，则会得到 None，因为字串的起始为 ‘a’， 不符合'[0-9]’ 的要求。
对于返回的 m, 我们使用 m.group() 来呼叫结果。（我们会在后面更详细解释 m.group()）
我们还可以在搜寻之后将搜寻到的子字串进行替换：
str = re.sub(pattern, replacement, string)
# 在 string 中利用正则变换 pattern 进行搜寻，对于搜寻到的字串，用另一字串 replacement 替换。返回替换后的字串。
此外，常用的正规表示式函式还有
re.split() # 根据正规表示式分割字串， 将分割后的所有子字串放在一个表 (list) 中返回
re.findall() # 根据正规表示式搜寻字串，将所有符合的子字串放在一给表 (list) 中返回
(在熟悉了上面的函式后，可以看一下 re.compile()，以便于提高搜寻效率。)
写一个正规表示式
关键在于将资讯写成一个正规表示式。我们先看正规表示式的常用语法：
1）单个字元:
. 任意的一个字元
a|b 字元 a 或字元 b
[afg] a 或者 f 或者 g 的一个字元
[0-4] 0-4 范围内的一个字元
[a-f] a-f 范围内的一个字元
[^m] 不是 m 的一个字元
s 一个空格
S 一个非空格
d [0-9]
D [^0-9]
w [0-9a-zA-Z]
W [^0-9a-zA-Z]
2）重复
紧跟在单个字元之后，表示多个这样类似的字元
* 重复 >=0 次
+ 重复 >=1 次
? 重复 0 或者 1 次
{m} 重复 m 次。比如说 a{4} 相当于 aaaa，再比如说 [1-3]{2} 相当于 [1-3][1-3]
{m, n} 重复 m 到 n 次。比如说 a{2, 5} 表示 a 重复 2 到 5 次。小于 m 次的重复，或者大于 n 次的重复都不符合条件。
正则表达 相符的字串举例
[0-9]{3,5} 9678
a?b b
a+b aaaaab
3) 位置
^ 字串的起始位置
$ 字串的结尾位置
正则表达 相符的字串举例 不相符字串
^ab.*c$ abeec cabeec (如果用 re.search(), 将无法找到。)
4）返回控制
我们有可能对搜寻的结果进行进一步精简资讯。比如下面一个正规表示式：
output_(d{4})
该正规表示式用括号 () 包围了一个小的正规表示式，d{4} 。 这个小的正规表示式被用于从结果中筛选想要的资讯（在这里是四位数字）。这样被括号圈起来的正规表示式的一部分，称为群 (group) 。
我们可以 m.group(number) 的方法来查询群。 group(0) 是整个正则表达的搜寻结果，group(1) 是第一个群……
import re
m = re.search(“output_(d{4})”, “output_1986.txt”)
print(m.group(1))
我们还可以将群命名，以便更好地使用 m.group 查询:
import re
m = re.search(“output_(?P
print(m.group(“year”))
练习
有一个档案，档名为 output_1981.10.21.txt 。下面使用 Python： 读取档名中的日期时间资讯，并找出这一天是周几。将档案改名为 output_YYYY-MM-DD-W.txt (YYYY: 四位的年，MM：两位的月份，DD：两位的日，W：一位的周几，并假设周一为一周第一天)
总结
re.search() re.match() re.sub() re.findall()
正规表示式构成方法
文章来自互联网博客网站，版权归作者所有。作者：Vamei 出处：http://www.cnblogs.com/vamei