正则表达式是处理字符串的工具。

正则表达式的主要功能有：

匹配字符串、切分字符串、分组提取子串。

功能一：匹配字符串

1.1 常用的匹配字符

\d 可以匹配一个数字
\w 可以匹配一个字母或数字
\s 可以匹配一个空格（也包括Tab等空白符）
\d{3} 匹配3个数字
\d{3,8} 表示3-8个数字
. 可以匹配任意字符
“*” 表示任意个字符
“+” 表示至少一个字符
？表示0个或1个字符
{n} 表示n个字符
{n，m} 表示n-m个字符
“^” 表示行的开头
“$” 表示行的结束

1.2 re模块

re模块有个match()方法判断是否匹配，如果匹配成功，返回一个 Match 对象，否则返回 None。

>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object at 0x1026e18b8>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>

1.3 贪婪匹配

最后需要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。
举例：匹配出数字后面的 0：

>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')

由于\d+采用贪婪匹配，直接把后面的 0 全部匹配了，结果 0*只能匹配空字符串了。
必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的 0 匹配出来，加个?就
可以让\d+采用非贪婪匹配：

>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')

功能二：切分字符串

用正则表达式切分字符串比用固定的字符更灵活。

2.1 正常的切分

>>> 'a b c'.split(' ')
['a', 'b', '', '', 'c']

2.2 正则切分

re模块有个split()方法，用于字符串的切分。

>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']

功能三：分组提取子串

除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。
用()表示的就是要提取的分组（Group）。
如果正则表达式中定义了组，就可以在 Match 对象上用 group()方法提取出子串来。

>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m<_sre.SRE_Match object at 0x1026fb3e8>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'

注意到 group(0)永远是原始字符串，group(1)、group(2)……表示第 1、2、……个子串。

编译

当我们在 Python 中使用正则表达式时，re 模块内部会干两件事情：

编译正则表达式，如果正则表达式的字符串本身不合法，会报错；
用编译后的正则表达式去匹配字符串。
如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式，
接下来重复使用时就不需要编译这个步骤了，直接匹配：

>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')

编译后生成 Regular Expression 对象，由于该对象自己包含了正则表达式，所以调用对应
的方法时不用给出正则字符串。

Python学习之正则表达式小结