python中re模块的使用

正则表达式，听起来挺高大上，几乎所有的语言都有这个内容，python中是用re模块，接下来先介绍下什么是正则表达式，比如你要从一大串字符串中提取出你要的信息，www.baidu.com www.youtube.com,你要从中提取出baidu，youtube等字符串，怎么办呢，首先来分析它的结构，不难看出，这些字符串前面是www,后面是.com，中间就是我们要的部分，因此我们可以写一个这样的表达式

p=r'www.(.+?).com'  其中的.是为了转义.，.在正则表达式中是通配符，可以匹配任何字符，这个表达式就可以匹配如www.baidu.com，www.sina.com这样的字符串了，那中间的（.+？）是什么意思呢，（）代表的是第几个子模式，比如（0（1）（2）），其中的数字就代表第几个子模式，其实非常容易理解，就看左边有多少个（就可以，如果没有(,就默认为1，用一个（）把所有的字符串包裹住，那现在我们的子模式1中就是baidu，sina等内容了，那这个？是什么意思呢，代表非贪婪模式，就是尽可能少匹配，一遇到后面是.com就停止匹配。说了这么多，上代码。

import  re #导入re模块
s=r'www.baidu.com www.youtube.com'
pat=r'www.(.+?).com'
p=re.compile(pat)   #预编译正则表达式，下次使用可以缩短时间
m=re.match(pat,s)  #匹配s的开头的字符串，返回matchobject对象，如果是search()就是匹配所有的字符串
print(m.group(1))  #打印第一个子模式的内容，指定了1，不指定就默认为0
print(m.groups())  #打印所有子模式的内容，返回一个元组，
print(re.findall(pat,s))   #打印出所有正则表达式匹配了字符串的内容，上面的是只匹配第一个，这个是匹配所有的

结果如下：

baidu
('baidu',)
['baidu', 'youtube']

正则表达式的匹配规则：. 匹配所有内容，若想匹配它本身（一个点符号），r'.' 转移即可，[ a-z]字符集，匹配a-z的任意字母，其实就是任意一个小写字母，大写就是[A-Z]，[^a-z ] 匹配非小写字母，^就是非，r'^ a  b$’,^开头为a，$结尾为b，w匹配字母和数字,d匹配数字， 匹配空格， 匹配tab

还有很多匹配规则，这里只列出常用的，具体可以查看官方文档多练习