正则表达式简介：

正则表达式(regex)用于探索给定字符串中的固定模式。我们想找到的模式可以是任何东西。可以创建类似于查找电子邮件或手机号码的模式。还可以创建查找以a开头、以z结尾的字符串的模式。

创建模式：

使用正则表达式时，首先需要学习的是如何创建模式。接下来将对一些最常用的模式进行逐一介绍。可以想到最简单的模式是一个简单的字符串。

pattern = r'times'
string = "It was the best of times, it was the worst of times."
print(len(re.findall(pattern,string)))

为了帮助创建复杂的模式，正则表达式提供了特殊的字符/操作符。下面来逐个看看这些操作符。

1、操作符

这在第一个例子中使用过，可用于找到符合这些方括号中条件的一个字符。

• [abc]-将查找文本中出现的所有a、b或c

• [a-z]-将查找文本中出现的所有从a到z的字母

• [a-z0–9A-Z]-将查找文本中出现的所有从A到Z的大写字母、从a到z的小写字母和从0到9的数字。

Python中运行下列代码：

pattern = r'[a-zA-Z]'
string = "It was the best of times, it was the worst of times."
print(len(re.findall(pattern,string)))

2、点算符

点运算符(.) 用于匹配除换行符以外的任何字符。运算符最大的优点是，它们可以结合使用。

3、一些元序列

在使用正则表达式时，一些模式会经常被用到。因此正则表达式为这些模式创建了一些快捷方式。最常用的快捷方式如下：

• \w，匹配任何字母、数字或下划线。相当于[a-zA-Z0–9_]

• \W，匹配除字母、数字或下划线以外的任何内容。

• \d，匹配任何十进制数字。相当于[0–9]。

• \D，匹配除十进制数字以外的任何数字。

正则表达式函数

目前为止，只使用了 re包中的findall 函数，其实还有很多其他函数。下面来逐个介绍。

1、findall

上面已经使用了 findall。这是我最常使用的一个。下面来正式认识一下这个函数吧。

输入：模式和测试字符串

输出：字符串列表。

#USAGE:
pattern = r'[iI]t'
string = "It was the best of times, it was the worst of times."
matches = re.findall(pattern,string)
for match in matches:
print(match)------------------------------------------------------------
It
It
2、搜索
输入：模式和测试字符串
输出：首次匹配的位置对象。
#USAGE:
pattern = r'[iI]t'
string = "It was the best of times, it was the worst of times."
location = re.search(pattern,string)
print(location)
------------------------------------------------------------
<_sre.SRE_Match object; span=(0, 2), match='It'>
可以使用下面编程获取该位置对象的数据：
print(location.group())
------------------------------------------------------------
'It'

3、替换

这个功能也很重要。当使用自然语言处理程序时，有时需要用X替换整数，或者可能需要编辑一些文件。任何文本编辑器中的查找和替换都可以做到。

输入：搜索模式、替换模式和目标字符串

输出：替换字符串

string = "It was the best of times, it was the worst of times."
string = re.sub(r'times', r'life', string)
print(string)
------------------------------------------------------------
It was the best of life, it was the worst of life.

Python正则表达式应用范围：

1、PAN编号

2、查找域名

3、查找电子邮件地址

下面的正则表达式用于在长文本中查找电子邮件地址。

match=re.findall(r'([\w0-9-._]+@[\w0-9-.]+[\w0-9]{2,3})',string)