问题
你想匹配或者搜索特定模式的文本
解决方案
如果你想匹配的是字面字符串，那么你通常只需要调用基本字符串方法就行，比如 str.find() , str.endswith() , str.startswith() 或者类似的方法：
>>> text = "yeah, but no, but yeah, but no, but yeah"
>>> # Exact match
>>> text == "yeah"
False
>>> # Match at start or end
>>> text.startswith("yeah")
True
>>> text.endswith("no")
False
>>> # Search for the location of the first occurrence
>>> text.find("no")
10
>>>
对于复杂的匹配需要使用正则表达式和re模块。为了解释正则表达式的基本原理，假设你想匹配数字格式的日期字符串比如”11/27/2012”，你可以这样做：
>>> text1 = "11/27/2012"
>>> text2 = "Nov 27, 2012"
>>>
>>> import re
>>> # Simple matching: d+ means match one or more digits
>>> if re.match(r"d+/d+/d+", text1):
... print("yes")
... else:
... print("no")
...
yes
>>> if re.match(r"d+/d+/d+", text2):
... print("yes")
... else:
... print("no")
...
no
>>>
如果你想使用同一个模式去做多次匹配，你应该先将模式字符串预编译为模式对象。比如：
>>> datepat = re.compile(r"d+/d+/d+")
>>> if datepat.match(text1):
... print("yes")
... else:
... print("no")
...
yes
>>> if datepat.match(text2):
... print("yes")
... else:
... print("no")
...
no
>>>
match() 总是从字符串开始去匹配，如果你想查找字符串任意部分的模式出现位置，使用 findall() 方法去代替。比如：
>>> text = "Today is 11/27/2012. PyCon starts 3/13/2013."
>>> datepat.findall(text)
["11/27/2012", "3/13/2013"]
>>>
在定义正则式的时候，通常会利用括号去捕获分组。比如：
>>> datepat = re.compile(r"(d+)/(d+)/(d+)")
>>>
捕获分组可以使得后面的处理更加简单，因为可以分别将每个组的内容提取出来。比如：
>>> m = datepat.match("11/27/2012")
>>> m
<_sre.SRE_Match object at 0x1005d2750>
>>> # Extract the contents of each group
>>> m.group(0)
"11/27/2012"
>>> m.group(1)
"11"
>>> m.group(2)
"27"
>>> m.group(3)
"2012"
>>> m.groups()
("11", "27", "2012")
>>> month, day, year = m.groups()
>>>
>>> # Find all matches (notice splitting into tuples)
>>> text
"Today is 11/27/2012. PyCon starts 3/13/2013."
>>> datepat.findall(text)
[("11", "27", "2012"), ("3", "13", "2013")]
>>> for month, day, year in datepat.findall(text):
... print("{}-{}-{}".format(year, month, day))
...
2012-11-27
2013-3-13
>>>
findall() 方法会搜索文本并以列表形式返回所有的匹配。如果你想以迭代方式返回匹配，可以使用 finditer() 方法来代替，比如：
>>> for m in datepat.finditer(text):
... print(m.groups())
...
("11", "27", "2012")
("3", "13", "2013")
>>>
讨论
关于正则表达式理论的教程已经超出了本书的范围。不过，这一节阐述了使用re模块进行匹配和搜索文本的最基本方法。核心步骤就是先使用 re.compile() 编译正则表达式字符串，然后使用 match() , findall() 或者 finditer() 等方法。
当写正则式字符串的时候，相对普遍的做法是使用原始字符串比如 r"(d+)/(d+)/(d+)" 。这种字符串将不去解析反斜杠，这在正则表达式中是很有用的。如果不这样做的话，你必须使用两个反斜杠，类似 "(d+)/(d+)/(d+)" 。
需要注意的是 match() 方法仅仅检查字符串的开始部分。它的匹配结果有可能并不是你期望的那样。比如：
>>> m = datepat.match("11/27/2012abcdef")
>>> m
<_sre.SRE_Match object at 0x1005d27e8>
>>> m.group()
"11/27/2012"
>>>
如果你想精确匹配，确保你的正则表达式以$结尾，就像这么这样：
>>> datepat = re.compile(r"(d+)/(d+)/(d+)$")
>>> datepat.match("11/27/2012abcdef")
>>> datepat.match("11/27/2012")
<_sre.SRE_Match object at 0x1005d2750>
>>>
最后，如果你仅仅是做一次简单的文本匹配/搜索操作的话，可以略过编译部分，直接使用re模块级别的函数。比如：
>>> re.findall(r"(d+)/(d+)/(d+)", text)
[("11", "27", "2012"), ("3", "13", "2013")]
>>>
但是需要注意的是，如果你打算做大量的匹配和搜索操作的话，最好先编译正则表达式，然后再重复使用它。模块级别的函数会将最近编译过的模式缓存起来，因此并不会消耗太多的性能，但是如果使用预编译模式的话，你将会减少查找和一些额外的处理损耗。