一、正则表达式基础
1.简介
正则表达式并不是Python的一部分。正则表达式是用于处理字符串的强大工具，拥有自己独特的语法以及一个独立的处理引擎，效率上可能不如str自带的方法，但功能十分强大。得益于这一点，在提供了正则表达式的语言里，正则表达式的语法都是一样的，区别只在于不同的编程语言实现支持的语法数量不同；但不用担心，不被支持的语法通常是不常用的部分。如果已经在其他语言里使用过正则表达式，只需要简单看一看就可以上手了。
正则表达式的大致匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有一些不同，但也是很好理解。
下图列出了Python支持的正则表达式元字符和语法（图片来自网络）：
2、细节注意
（1）贪婪匹配和非贪婪匹配
当我们使用 * + ?号的时候默认采取贪婪匹配（即匹配最大个数），当在这些符号之后再加一个 ?或者直接使用{m,n}采取非贪婪匹配（加?表示按最小次数，｛｝表示按需匹配）
（2）匹配模式
#匹配模式
re.I #匹配中大小写不敏感
re.L #使预定字符类 \\w \\W \\b \\B \\s \\S 取决于当前区域设定
re.M #多行匹配，影响^和$符号
re.S #包含换行在内的所有字符，影响 . 元字符
re.U #使预定字符类 \\w \\W \\b \\B \\s \\S \\d \\D 取决于unicode定义的字符属性
re.X #详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。
（3）原生字符串
与大多数编程语言相同，正则表达式里使用"\\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\\"，那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\\\\\\\"：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。Python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r"\\\\"表示。同样，匹配一个数字的"\\\\d"可以写成r"\\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。
二、re模块的使用
1、re中的函数
re.match(pattern, string, flags = 0) #查找字符串最前面符合的子串，返回match对象 #flags表示匹配模式 re.search（pattern, string, flags = 0） #找到一个符合的子串，返回match对象 re.findall(pattern, string, flags = 0) #找到所有符合的子串，返回列表 re.sub(pattern, repl, string, max = 0) #替换字符串中符合的子串，max表示替换的次数 re.subn #替换后还得到替换的次数 re.compile(pattern) #将规则字符串编译到Pattern对象中，可重复使用，是Pattern类的工厂方法 re.finditer #生成迭代对象
在这过程中，函数返回了match对象和pattern对象，我们来看一下这些类。
#属性 string: 匹配时使用的文本。 re: 匹配时使用的Pattern对象。 pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同 名参数相同。 endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。 lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。 lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。 #方法 group([group1, …]): 获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。 groups([default]): 以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。 groupdict([default]): 返回以有别名的组的别名为键、以该组截获的子串为值的字典，没有别名的组不包含在内。default含义同上。 start([group]): 返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。group默认值为0。 end([group]): 返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。group默认值为0。 span([group]): 返回(start(group), end(group))。 expand(template): 将匹配到的分组代入template中然后返回。template中可以使用\\id或\\g<id>、\\g<name>引用分组，但不能使用编号0。\\id与\\g<id>是等价的；但\\10将被认为是第10个分组，如果你想表达\\1之后是字符‘0‘，只能使用\\g<1>0。
#Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。 #Pattern不能直接实例化，必须使用re.compile()进行构造。 #Pattern提供了几个可读属性用于获取表达式的相关信息： pattern: 编译时用的表达式字符串。 flags: 编译时用的匹配模式。数字形式。 groups: 表达式中分组的数量。 groupindex: 以表达式中有别名的组的别名为键、以该组对应的编号为值的字典，没有别名的组不包含在内。
2、如何使用
1 #导入re模块 2 import re 3 4 #生成pattern对象 5 pa = re.compile(r‘zss‘) 6 7 ma = pa.search(‘hello zss world!‘) 8 9 if ma: 10 print(ma.group())#通过group函数得到match对象中的元素 11 12 #out# 13 #zss
Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果（一个Match实例），最后使用Match实例获得信息，进行其他的操作。
三、实例
1、ip地址检测
#!/usr/bin/env python import re def IPTest(ipstr): #创建正则规则字符串 regexstr = r‘(([10]?\\d?\\d|2[0-4]\\d|25[0-5])\\.){3}([10]?\\d?\\d|2[0-4]\\d|25[0-5]) pa = re.compile(regexstr) #找出符合规则的迭代对象 ips = pa.finditer(ipstr) if ips: for ip in ips: print(ma.group()) else: print(error!) return 0 def main(): ip = ‘192.168.1.1zss245.255.234zsssss1.1.1.1‘ IPTest(ip main() #运行结果： #192.186.1.1 #245.255.234.1 #1.1.1.1
我们来分析一下规则字符串regexstr：
