Python中的正则表达式
4个小节，预计用时20分钟。
正则表达（Regular Expression，或简称RegEx）是编程语言中用来搜索文本中格式匹配的重要手段。比如说判断一个字符串是否包含合法的Email地址、找到文本中电话号码形式的字符出现的位置等等。
本教程将教会大家如何在Python中使用正则表达。
本教程基于Python 3.7。
原创者：我小宋 | 修改校对：SofaSofa TeamM |
0. 准备
Python3中有自带的正则表达模块re，和其他模块一样，我们只需要import即可加载。
import re下面的小例子，就是查找字符串中所有的in。通常我们在正则表达的格式前面加上r，比如下面的r"in"。
string = "Taiwan is a province in China."
x = re.findall(r"in", string)
print(x)['in', 'in', 'in']1. 入门正则表达式
正则表达式本身也是用字符串表示，通常在引号前加上r。我们首先了解如何用字符来描述字符。
\d表示一个数字；
\w表示一个数字、一个字母或者一个下划线；
\s表示一个空格；
?表示任意0个或者一个字符；
.表示任意一个字符；
*表示任意一个字符串，甚至可以是空字符串；
+表示任意一个非空的字符串;
[]表示一个集合。
下面的例子中r"i\w\w"表示一个长度为3的字符串，第一个字符为i，第二三个字符是一个字母或者数字或者下划线。
所以我们得到的结果是int和ing。
string = "I'm interested in buying the new BMW i3 car."
x = re.findall(r"i\w\w", string)
print(x)['int', 'ing']r"i\d"表示一个长度为2的字符，第一个字符为i，第二个字符是数字。
string = "I'm interested in buying the new BMW i3 car."
x = re.findall(r"i\d", string)
print(x)['i3']r"\w*i\w*"表示包含字母i的子字符串。
string = "I'm interested in buying the new BMW i3 car."
x = re.findall(r"\w*i\w*", string)
print(x)['interested', 'in', 'buying', 'i3']r"\w*[abc]\w*"表示包含字母a或者b或者c的子字符串。
string = "I'm interested in buying the new BMW i3 car."
x = re.findall(r"\w*[abc]\w*", string)
print(x)['buying', 'car']2. [ ]集合的使用
上一个例子我们看到了集合符号[ ]的一个例子。其实集合还有更丰富的用法，例如：
[125]表示1或者2或者5；
[3-7]表示3到7的一个数字，也就是3、4、5、6、7；
[0-9+]表示0到9的一个数字或者+；
[a-z]表示a到z的一个小写字母；
[a-zA-Z]表示a到z的或者A到Z的一个大写字母；
[^xyz]表示除了x、y、z以外的任意一个字符；
[]{n}表示一个长度为n的子字符串，每个字符都来自集合；
[]{n,m}表示一个长度大于等于n小于等于m的子字符串，每个字符都来自集合。
r"2[0-9]{3}"表示以2开头的所有的四位数。下面的例子中，我们提取了句子中所有的年份。
string = "克洛泽参加的4届世界杯中，他一共打入16球，其中2002世界杯5球，2006德国世界杯5球，2010南非世界杯4球，2014巴西世界杯2球。"
x = re.findall(r"2[0-9]{3}", string)
print(x)['2002', '2006', '2010', '2014']3. re中的常见方法
re中的常见用法有re.search、re.match、re.findall、re.split、re.sub。
3.1 re.search
re.search(pattern, string)是搜索string中符合pattern的第一个字符串，返回一个SRE_Match对象。下面的例子中，我们搜索句子中第一个的年份；如果没有找到，则返回None。
string = "克洛泽参加的4届世界杯中，他一共打入16球，其中2002世界杯5球，2006德国世界杯5球，2010南非世界杯4球，2014巴西世界杯2球。"
x = re.search(r"2[0-9]{3}", string)
print('第一个年份:', x.group())
print('在string的范围:', x.span())
print('开头的位置:', x.start())
print('结束的位置（不包含）:', x.end())第一个年份: 2002
在string的范围: (24, 28)
开头的位置: 24
结束的位置（不包含）: 283.2 re.match
re.match(pattern, string)是对string和pattern进行匹配，返回一个SRE_Match对象，如果匹配失败则返回None。match是search的特殊情况，match必须从string的第一个字符开始匹配，要求更严格。
string = "克洛泽参加的4届世界杯中，他一共打入16球，其中2002世界杯5球，2006德国世界杯5球，2010南非世界杯4球，2014巴西世界杯2球。"
x = re.search(r"2[0-9]{3}", string)
if x:
print('re.search成功')
else:
print('re.search失败')
x = re.match(r"2[0-9]{3}", string)
if x:
print('re.match成功')
else:
print('re.match失败')re.search成功
re.match失败3.3 re.findall
re.findall(pattern, string)是从string找到所有符合pattern的子字符串，返回一个list，如果没有找到则返回一个空的list。
string = "克洛泽参加的4届世界杯中，他一共打入16球，其中2002世界杯5球，2006德国世界杯5球，2010南非世界杯4球，2014巴西世界杯2球。"
x = re.findall(r"2[0-9]{3}", string)
print(x)['2002', '2006', '2010', '2014']3.4 re.split
re.split(pattern, string)是从string找到所有符合pattern的子字符串，并以这些子字符串为切割点，对原字符串进行分隔，返回得到一个list，每个元素是被分割的子字符串。
如果没有找到则返回一个只包含string的list。
string = "克洛泽参加的4届世界杯中，他一共打入16球，其中2002世界杯5球，2006德国世界杯5球，2010南非世界杯4球，2014巴西世界杯2球。"
x = re.split(r"2[0-9]{3}", string)
print(x)['克洛泽参加的4届世界杯中，他一共打入16球，其中', '世界杯5球，', '德国世界杯5球，', '南非世界杯4球，', '巴西世界杯2球。']3.5 re.sub
re.split(pattern, replace, string)是查找替换的功能，从string找到所有符合pattern的子字符串，并替换成replace。
string = "克洛泽参加的4届世界杯中，他一共打入16球，其中2002世界杯5球，2006德国世界杯5球，2010南非世界杯4球，2014巴西世界杯2球。"
x = re.sub(r"2[0-9]{3}", "某某年", string)
print(x)克洛泽参加的4届世界杯中，他一共打入16球，其中某某年世界杯5球，某某年德国世界杯5球，某某年南非世界杯4球，某某年巴西世界杯2球。4. 练习：利用Python正则表达判断合法Email地址
def IsValidEmail(email):
pattern = r"[a-zA-Z0-9_+\.-]+@\w+\.\w+"
if not re.match(pattern, email):
return False
return True
email1 = 'submit@sofasofa.io'
print('Is %s valid? %s\n'%(email1, IsValidEmail(email1)))
email2 = 'a?b@gmail'
print('Is %s valid? %s\n'%(email2, IsValidEmail(email2)))
email3 = '123@456@qq.com'
print('Is %s valid? %s\n'%(email3, IsValidEmail(email3)))Is submit@sofasofa.io valid? True
Is a?b@gmail valid? False
Is 123@456@qq.com valid? False