python正则表达式学习
前言
最近在用django作一个功能，主要是为实现机器监控，这个过程中，涉及url识别IP路由问题，一开始用了各种表达方式都无法正确路由到IP，说明自己对这块还是有很多不熟悉的地方，本文主要是针对Python的正则表达式展开介绍，以作备忘。
Python正则介绍
正则匹配
学过Python的都知道，python中有一个正则表达式的模块: re. 正则匹配的模式主要有以下几类：
x? 匹配0个或1个x，最多1个
x+ 匹配1个或多个x，至少1个
x* 匹配0个或多个x
x{m,n} 匹配m与n之间个数的x，如{2,4},则可匹配到xx,xxx,xxxx
x|y 匹配x或y
^ 匹配文本开头
$ 匹配文本结尾
[a-zA-Z] 匹配26个字母的大小写
[^a-zA-Z] 匹配非26个字母的其它字符
[0-9] 匹配0-9之间的所有数字
\d 匹配数字
\D 不匹配数字
\w 匹配任意字母
\W 匹配任意除字母外的其它字符
\s 匹配空格
\S 不匹配空格
如果我要匹配一个邮件地址，该怎么做呢，我们先看下下面代码：
import re
x="[a-z]+@[a-z]+.[a-z]+"
s1='liran@devarea.com'
s2='liran#devarea.com'
c=re.match(x,s1)
if c:
print ('ok')
else:
print ('no')
先定义一个模式匹配串[a-z]+@[a-z]+.[a-z]+, 这个模式串主要含义如下：
匹配一个字母组成的子串，至少1个字母组成 – [a-z]+
匹配一个符号 – @
匹配一个字母组成的子串，至少1个字母组成 – [a-z]+
匹配一个标点 – .
匹配一个字母组成的子串，至少1个字母组成 – [a-z]+
从上面可以看出，其它这个匹配方式是很简单的，可以匹配一些简单模式的邮件，如果邮件中包含数字和大写字母呢，也很简单，只要在匹配中加下数字的匹配就行，如下所示：
x="[a-zA-Z0-9]+@[a-zA-Z0-9]+.[a-zA-Z0-9]+"
如果要匹配特定后缀的邮件地址要如何呢，也比较简单，直接在模式串最后加特定后缀的子串就行，如我们要匹配.com,net之类的，我们可以如下方式来匹配：
x=[a-zA-Z0-9]+@[a-z0-9]+.(net|com)
还有一些更复杂的方式，如包含一些特殊字符的邮件地址，如下所示：
pattern="^[A-Za-z0-9\.\+_-]+@[A-Za-z0-9\._-]+\.[a-zA-Z]*$"
除了邮箱地址，我们经常需要去判断如电话号码，IP地址之类的，如下所示：
IP地址
ip="^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$"
电话号码
phone = "'(\d{3}[-\.\s]??\d{3}[-\.\s]??\d{4}|\(\d{3}\)\s*\d{3}[-\.\s]??\d{4}|\d{3}[-\.\s]??\d{4})'"
还有可能是在爬虫时需要去匹配合归的URL链接，如下所示：
url='http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+'
正则查找
在实际Python应用中，我们也经常会用到正则查找功能，如查找文本中第一次出现的数字，可以如下用：
str = 'hello,this is 888, my first regular expression 999 exercise'
m = re.search(r"[0-9]+", str)
if m:
print('匹配: ',m.group()) #输出： 888
如果要匹配文本中所有数字呢，可以用findall函数，如下所示：
str='hello,this is 888, my first regular expression 999 exercise'
m=re.findall(r"[0-9]+",str)
print m #输出： ['888','999']
所以用re还是很方便找到想要的子串的。
正则替换
在实际使用中，正则替换也是很常见，用re的sub函数也能很方便解决。如我想把上面字符串中的数字全部替换成*，我们可以用如下方式来解决：
str = 'hello,this is 888, my first regular expression 999 exercise'
new_str = re.sub('[0-9]+', '*', str)
print new_str # 输出： hello,this is *, my first regular expression * exercise
如果要输出替换了多少处数字，可以用subn函数，其返回一个两个元素的元组，第一个是替换后字符串，第二个是替换的次数，用法如下：
str='hello,this is 888, my first regular expression 999 exercise'
new_str = re.subn('[0-9]+','*',str)
print new_str #输出: ('hello,this is *, my first regular expression * exercise', 2)
正则分割
对于一个文本，如果我们想按指定子串将整个文件分割，可以用split函数，返回一个列表，具体用法如下：
str = 'hello,this is 888, my first regular expression 999 exercise’
new_str = re.split('[0-9]+',str)
print new_str #输出： [ 'hello,this is ' , ', my first regular expression ' , ' exercise' ]
当然，如果用于分割的子串不固定，比如包含各种特殊字符，如下示例所示：
str = 'hello#,this is my&first$expression'
new_str = re.split('[#,&$]',str)
print new_str #输出: [ 'hello' , 'this is my' , 'first' , 'expression' ]
所以，只要掌握了分割模式，可以对文本进行任何处理，这在数据挖掘分析中也很用。
总结
python的正则用法还是很丰富的，如果能学好，在各个方面都很方便能解决实际问题。
