正则表达式(regular expression)是一个特殊的字符序列，它能够帮助我们检查一个字符串是否与某种模式匹配。
Python中的re模块为python提供了类似于Perl风格的正则表达式的全部功能。
compile函数根据一个模式字符串和可选标志参数生成一个正则表达式对象，该对象拥有一系列方法用于正则表达式的匹配和替换，re模块提供了和这些功能和方法一致的函数，这些函数使用一个模式字符串作为它们的第一个参数。

正则表达式对象

re.compile(pattern[,flags]) 用于编译正则表达式，返回RegexObject对象

import re
pattern = re.compile(r'\d')
pattern.match('ABC123def456',5,12)  #<re.Match object; span=(5, 6), match='3'>
pattern.search('ABC123def456',6,12)  #<re.Match object; span=(9, 10), match='4'>

group()返回被RE匹配到的字符串

• start() 返回匹配开始的位置
• end() 返回匹配结束的位置
• span() 返回一个元组，对应匹配开始和结束的位置

pattern = re.compile(r'(([a-z]+) .* ([a-z]+)) .* .*',re.I)
m = pattern.match('Life is short, you need python!')
m.group()  #'life is short you need python'
m.group(1)  #'life is short you'
m.group(2)  #'life'
m.group(3)  #'you'

re模块函数

re模块函数一般使用方式re.func_name(pattern, string, flags=0)，flags为标志位，控制正则表达式的匹配方式，比如不区分大小写，多行匹配等。
1、re.match(pattern, string, flags=0) 函数，尝试从字符串起始位置匹配一个模式，匹配成功返回一个re.Match实例，起始位置没有匹配到或没有匹配到，返回None

re.match('www','www.google.com').group()  #www
re.match('www','www.google.com').span()  #(0,3)
print(re.match('com','www.google.com'))  #None

2、re.search(pattern, string, flags=0) 函数，扫描整个字符串并返回第一个成功的匹配

re.search('TATA','AATTACGATATAAGTATAC')  #<re.Match object; span=(8, 12), match='TATA'>
re.search('TATA','AATTACGATATAAGTATAC').span()  #(8,12)

3、re.sub(pattern, repl, string, count=0, flags=0) 函数，用于替换字符串中的匹配项

语法：re.sub(pattern, repl, string, count=0, flags=0)
参数：
pattern : 正则中的模式字符串。
repl : 替换的字符串，也可为一个函数。
string : 要被查找替换的原始字符串。
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
flags : 编译时用的匹配模式，数字形式。
前三个为必选参数
re.sub(r'\D','','133-1234-1234')  #13312341234

4、re.findall(string[, pos[, endpos]]) 函数，在字符串中查找RE匹配到的所有字符串，返回一个列表，如果没有匹配到返回一个空列表

re.findall(r'\d+','ABC123def456')  #['123', '456']
pattern = re.compile(r'\d+')
pattern.findall('ABC123def456',5,12)  #['3', '456']
re.findall(r'www.(baidu|google).com','www.google.com')  #['google']
re.findall(r'www.(?:baidu|google).com','www.google.com')  #['www.google.com']

5、re.finditer(pattern, string, flags=0) 函数，和findall类似，查找字符串中所有和RE匹配的字符串，将结果作为一个迭代器返回

pattern = re.compile(r'\d+')
for i in pattern.finditer('ABC123def456',5,12):
    print(i)
#<re.Match object; span=(5, 6), match='3'>
#<re.Match object; span=(9, 12), match='456'>

6、re.split(pattern, string[, maxsplit=0, flags=0]) 函数，按匹配到的字符串将字符串分割，返回列表

re.split('[;,:]','A;B,C')  #['A', 'B', 'C']
re.split('[;,:]','A;B,C',1)  #['A', 'B,C']
re.split(r'([;,])','A;B,C')  #['A', ';', 'B', ',', 'C'] 在匹配模式上加()可以保留匹配的项
re.split(r'\W','life is\tshort\nyou\rneed\fpython')  #['life', 'is', 'short', 'you', 'need', 'python']

正则表达式模式

字符

量词

基因组中微卫星序列的提取

seq = 'AATCATACGTATATATATATAGCTTATTATTACTAGCT'
for i in re.finditer(r'([ATCG]{2,6})\1{2,}',seq):
    print(i.group(),i.span())

修饰符

正则表达式有一些可选修饰符来控制匹配的模式，修饰符被指定为可选的标志，多个标志可以按位或(|)来进行指定。