Python正則表達式基礎
正則表達式是搜索、替換和解析復雜字符串的一種強大而標準的方法，Python中的正則相關的東西全在re模塊下。
1 常用的匹配
^匹配字符串的開始
$匹配字符串的結尾
\b匹配一個單詞的邊界
\d匹配任意數字
\D匹配任意非數字字符
x?匹配一個可選的x（匹配1次或0次x字符）
x*匹配0次或多次x
x+匹配1次或多次x
x{n,m}至少n次，至多m次x
(a|b|c)要么匹配a，要么匹配b，要么匹配c
(x)一般情況下表示一個記憶組，你可以利用re.search函數返回對象的groups()函數來獲取它的值
2 一般用途
#-------------------------------------------------------------------------------
# coding: utf-8
# Purpose:正則表達式
#
# Author: zdk
#
# Created: 26/02/2013
# Copyright: (c) zdk 2013
#-------------------------------------------------------------------------------
import re
if __name__ == '__main__':
addr = "100 BROAD ROAD APT.3"
print(re.sub("ROAD","RD",addr)) # 100 BRD RD APT.3
print(re.sub(r"\bROAD\b","RD",addr)) # 100 BROAD RD APT.3
pattern = ".*B.*(ROAD)?"
print(re.search(pattern,"ROAD")) #None
print(re.search(pattern,"B")) #<_sre.SRE_Match object at 0x0230F020><span style="background-color:#FAFAFA;font-family:Monaco, 'DejaVu Sans Mono', 'Bitstream Vera Sans Mono', Consolas, 'Courier New', monospace;font-size:1em;line-height:1.5;"> </span>
（1）re.sub("ROAD","RD",addr) 利用re.sub函數對字符串addr進行搜索，滿足表達式"ROAD"的用“RD”替換
（2）re.sub(r"\bROAD\b","RD",addr) ，“\b”含義是“單詞的邊界”，在Python中，由于字符“\”在字符串中必須轉義，這會變得非常麻煩，所以Python用前綴r表示字符串中的所有字符都不轉義。
（3）re.search(pattern,"ROAD") re模塊有一個search函數，該函數有兩個參數，一個是正則表達式，一個是字符串，search函數返回一個擁有多種方法可以描述這個匹配的對象，如果沒有發現匹配，則返回None。
3 松散正則表達式
上面均是“緊湊”類型的表達式，它比較難以閱讀，即使現在清楚表達式的含義，也不能保證幾個月后還能記得。所以Python允許用戶利用所謂的松散正則表達式來完成內聯文檔的需要，和一般的表達式有以下兩個方面的主要區別
忽略空白符。空格符、制表符、回車符不匹配它們自身（如果你想在松散正則表達式中匹配一個空格符，你不須在它前面添加一個反斜杠符號對它進行轉義）
忽略注釋。和普通的Python代碼一樣，注釋開始于#符號，結束于行尾。
#松散帶有內聯注釋的正則表達式
pattern = """
^ # begin of string
M{0,3} # 0 to 3 M
(CM|CD|D?C{0,3}) #CM or CD or D or D 0 to 3 C
$ #end of string
"""
print(re.search(pattern,"MCM",re.VERBOSE)) #<_sre.SRE_Match object at 0x021BAF60>
print(re.search(pattern,"M99",re.VERBOSE)) #None （1）當使用松散正則表達式時，最重要的一件事就是：必須傳遞一個額外的參數re.VERBOSE，它是re模塊的一個常量，標志著待匹配的正則表達式是一個松散正則表達式。pattern的空格和注釋都是被忽略的，但同時具有更好的可讀性。
4 個例研究：解析電話號碼
必須匹配如下電話號碼：
800-555-1212
800 555 1212
800.555.1212
(800)555-1212
1-800-555-1212
800-555-1212-1234
800-555-1212x1234
800-555-1212 ext.1234
work 1-(800) 555,1212 #1234
格式比較多，我們需要知道的是800為區號，干線號為555，電話號的其他數字為1212，對于有分機號的，我們需要知道分機號為1234
phonePattern = re.compile(r'''
# don't match beginging of string
(\d{3}) # 3 digits
\D* #any number of non-digits
(\d{3}) # 3 digits
\D* #any number of non-digits
(\d{4}) # 4 digits
\D* #any number of non-digits
(\d*) #any number of digits
''',re.VERBOSE)
print(phonePattern.search('work 1-(800)555.1212 #1234').groups()) #('800', '555', '1212', '1234')
print(phonePattern.search('work 1-(800)555.1212 #1234').groups()) #('800', '555', '1212', '1234')
（1）一個松散正則表達式如上， 首先匹配3個數字區號（不一定從第一個字符開始，所以沒有用^），接著后面匹配任意多個非數字的字符，接著匹配3個數字干線號，接著匹配任意多個非數字的字符，接著匹配4個數字號碼，接著匹配任意多個非數字的字符，接著匹配任意多個數字的分機號，然后用groups函數分組，得到正確的電話號碼。