我將從正規表示式開始講Python的標準庫。正規表示式是文書處理中常用的工具，而且不需要額外的系統知識或經驗。我們會把系統相關的包放在後面講解。
正規表示式(regular expression)主要功能是從字串(string)中通過特定的模式(pattern)，搜尋想要找到的內容。
語法
之前，我們簡介了字串相關的處理函式。我們可以通過這些函式實現簡單的搜尋功能，比如說從字串“I love you”中搜尋是否有“you”這一子字串。但有些時候，我們只是模糊地知道我們想要找什麼，而不能具體說出我是在找“you”，比如說，我想找出字串中包含的數字，這些數字可以是0到9中的任何一個。這些模糊的目標可以作為資訊寫入正規表示式，傳遞給Python，從而讓Python知道我們想要找的是什麼。
在Python中使用正規表示式需要標準庫中的一個包re。
|
1 2 3 |
import re m = re.search('[0-9]','abcd4ef') print(m.group(0)) |
re.search()接收兩個引數，第一個'[0-9]’就是我們所說的正規表示式，它告訴Python的是，“聽著，我從字串想要找的是從0到9的一個數字字元”。
re.search()如果從第二個引數找到符合要求的子字串，就返回一個物件m，你可以通過m.group()的方法檢視搜尋到的結果。如果沒有找到符合要求的字元，re.search()會返回None。
如果你熟悉Linux或者Perl, 你應該已經熟悉正規表示式。當我們開啟Linux shell的時候，可以用正規表示式去查詢或著刪除我們想要的檔案，比如說：
$rm book[0-9][0-9].txt
這就是要刪除類似於book02.txt的檔案。book[0-9][0-9].txt所包含的資訊是，以book開頭，後面跟兩個數字字元，之後跟有”.txt”的檔名。如果不符合條件的檔名，比如說:
bo12.txt
book1.txt
book99.text
都不會被選中。
Perl中內建有正規表示式的功能，據說是所有正規表示式系統中最強的，這也是Perl成為系統管理員利器的一個原因。
正規表示式的函式
|
1 2 |
m = re.search(pattern, string) # 搜尋整個字串，直到發現符合的子字串。 m = re.match(pattern, string) # 從頭開始檢查字串是否符合正規表示式。必須從字串的第一個字元開始就相符。 |
可以從這兩個函式中選擇一個進行搜尋。上面的例子中，我們如果使用re.match()的話，則會得到None，因為字串的起始為‘a’， 不符合'[0-9]’的要求。
對於返回的m, 我們使用m.group()來呼叫結果。（我們會在後面更詳細解釋m.group()）
我們還可以在搜尋之後將搜尋到的子字串進行替換：
|
1 2 |
str = re.sub(pattern, replacement, string) # 在string中利用正則變換pattern進行搜尋，對於搜尋到的字串，用另一字串replacement替換。返回替換後的字串。 |
此外，常用的正規表示式函式還有
re.split() # 根據正規表示式分割字串， 將分割後的所有子字串放在一個表(list)中返回
re.findall() # 根據正規表示式搜尋字串，將所有符合的子字串放在一給表(list)中返回
(在熟悉了上面的函式後，可以看一下re.compile()，以便於提高搜尋效率。)
寫一個正規表示式
關鍵在於將資訊寫成一個正規表示式。我們先看正規表示式的常用語法：
1）單個字元:
. 任意的一個字元
a|b 字元a或字元b
[afg] a或者f或者g的一個字元
[0-4] 0-4範圍內的一個字元
[a-f] a-f範圍內的一個字元
[^m] 不是m的一個字元
\s 一個空格
\S 一個非空格
\d [0-9]
\D [^0-9]
\w [0-9a-zA-Z]
\W [^0-9a-zA-Z]
2）重複
緊跟在單個字元之後，表示多個這樣類似的字元
* 重複 >=0 次
+ 重複 >=1 次
? 重複 0或者1 次
{m} 重複m次。比如說 a{4}相當於aaaa，再比如說[1-3]{2}相當於[1-3][1-3]
{m, n} 重複m到n次。比如說a{2, 5}表示a重複2到5次。小於m次的重複，或者大於n次的重複都不符合條件。
正則表達 相符的字串舉例
[0-9]{3,5} 9678
a?b b
a+b aaaaab
3) 位置
^ 字串的起始位置
$ 字串的結尾位置
正則表達 相符的字串舉例 不相符字串
^ab.*c$ abeec cabeec (如果用re.search(), 將無法找到。)
4）返回控制
我們有可能對搜尋的結果進行進一步精簡資訊。比如下面一個正規表示式：
output_(\d{4})
該正規表示式用括號()包圍了一個小的正規表示式，\d{4}。 這個小的正規表示式被用於從結果中篩選想要的資訊（在這裡是四位數字）。這樣被括號圈起來的正規表示式的一部分，稱為群(group)。
我們可以m.group(number)的方法來查詢群。group(0)是整個正則表達的搜尋結果，group(1)是第一個群……
|
1 2 3 |
import re m = re.search("output_(\d{4})", "output_1986.txt") print(m.group(1)) |
我們還可以將群命名，以便更好地使用m.group查詢:
|
1 2 3 |
import re m = re.search("output_(?P<year>\d{4})", "output_1986.txt") #(?P<name>...) 為group命名 print(m.group("year")) |
練習
有一個檔案，檔名為output_1981.10.21.txt 。下面使用Python： 讀取檔名中的日期時間資訊，並找出這一天是周幾。將檔案改名為output_YYYY-MM-DD-W.txt (YYYY:四位的年，MM：兩位的月份，DD：兩位的日，W：一位的周幾，並假設週一為一週第一天)
總結
re.search() re.match() re.sub() re.findall()
正規表示式構成方法