什么是正则表达式
正则表达式是包含文本和特殊字符的字符串，该字符串描述一个可以识别各种字符串的模式
1.字符
1.1 正则表达式对字符（单个字符）的表示
.
匹配任意1个字符（除了\n），注意因为.表示任意一个字符，所以如果匹配‘.’则需要用转义字符.来表示
代码如下：
print(re.findall('.',"s2a4561b3678 ——"))
结果如下：
['s', '2', 'a', '4', '5', '6', '1', 'b', '3', '6', '7', '8', ' ', '—', '—']
[ ]
匹配
[ ]中列举的字符，如果[a-zA-Z0-9],[a-zA-Z]表示所有字母和数字，后者表示所有字母，注意中间没有空格符号。
\d
匹配数字，即0-9
代码如下:
print(re.findall('\d',"s2a4561b3678 ——"))
结果为：
['2', '4', '5', '6', '1', '3', '6', '7', '8']
\D
匹配非数字，即不是数字
代码如下：
print(re.findall('\D',"s2a4561b3678 ——"))
结果如下：
['s', 'a', 'b', ' ', '—', '—']
\s
匹配空白，即 空格，tab键
代码如下：
print(re.findall('\s',"s2a4561b3678 ——"))
结果如下：
[' ']
\S
匹配非空白
代码如下：
print(re.findall('\S',"s2a4561b3678 ——"))
结果如下：
['s', '2', 'a', '4', '5', '6', '1', 'b', '3', '6', '7', '8', '—', '—']
\w
匹配单词字符，即a-z、A-Z、0-9、_
代码如下：
print(re.findall('\w',"s2a4561b3678 ——"))
结果如下:
['s', '2', 'a', '4', '5', '6', '1', 'b', '3', '6', '7', '8']
\W
匹配非单词字符
代码如下：
print(re.findall('\W',"s2a4561b3678 ——"))
结果如下：
[' ', '—', '—']
1.2 正则表达式匹配多个字符：数量的表示
text = "a aAx aAAy bAAz cAAAk"
*匹配前一个字符出现0次或者无限次，即可有可无
print(re.findall(r"aA*", text)) #['a', 'aA', 'aAA']
+匹配前一个字符出现1次或者无限次，即至少有1次
print(re.findall(r"aA+", text)) #['aA', 'aAA']
?匹配前一个字符出现1次或者0次，即要么有1次，要么没有
print(re.findall(r"aA?", text)) #['a', 'aA', 'aA']
{m}匹配前一个字符出现m次
print(re.findall(r"A{2}",text)) #['AA', 'AA', 'AA']
{m,}匹配前一个字符至少出现m次
print(re.findall(r"A{1,}",text)) #['A', 'AA', 'AA', 'AAA']
{m,n}匹配前一个字符出现从m到n次
print(re.findall(r"A{1,2}",text))#['A', 'AA', 'AA', 'AA', 'A']
1.3 正则表达式：匹配边界的问题
^匹配字符串开头
print(re.findall('^s',"s2a4561b3678 ——"))
结果为：
['s']
$匹配字符串结尾
print(re.findall('8$',"s2a4561b3678"))
结果为：
['8']
\b
匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
print(re.findall(r'\bs',"s2abc4561b3678 ——"))
['s']
\B匹配非单词边界，‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
print(re.findall(r'\babc\b',"abc4561b3678 ——abc"))
结果为：
['abc']
2.re模块中常用的功能函数
首先了解下flags值的含义，具体如下：
- re.S(DOTALL)
使.匹配包括换行在内的所有字符
- re.I（IGNORECASE）
使匹配对大小写不敏感
- re.L（LOCALE）
做本地化识别（locale-aware)匹配，法语等
- re.M(MULTILINE)
多行匹配，影响^和$
- re.X(VERBOSE)
该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
- re.U
根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B
2.1 compile()
- 函数原型
生成一个正则表达式对象，供 match() 和 search() 这两个函数使用
re.compile(pattern,flags=0)
2.2 serach()
- 函数原型
整个字符串中匹配
re.search(pattern, string, flags=0)
如下：
print(re.search('com', 'www.baidu.com'))
2.3 match()
- 函数原型
re.match(pattern, string, flags=0)
match匹配，如果匹配成功，则返回一个match object的match对象
print(re.match('www', 'www.baidu.com')) # 在起始位置匹配
如果不是起始位置匹配成功的话，match()就返回None
print(re.match('com', 'www.baidu.com')) # 不在起始位置匹配
- 总结
match与search区别
1.re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None
2.re.search匹配整个字符串，直到找到一个匹配。
2.4 findall()
- 函数原型
findall字符串中找到正则表达式所匹配的所有子串，并返回一个列表
re.findall(pattern, string, flags=0)
2.5 finditer()
- 函数原型
finditer字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回
re.finditer(pattern, string, flags=0)
2.6 split()
- 函数原型
split将字符串按照正则表达式分隔，返回一个列表
re.split(pattern, string[, maxsplit])
2.7 sub()
- 函数原型
sub用于替换字符串中的匹配项，将字符串根据正则表达式用参数二替换，返回一个替换后的字符串
re.sub(pattern, repl, string, count)
2.8 subn()
- 函数原型
subn返回替换个数，并以元组形式返回（字符串，替换个数）
subn(pattern, repl, string, count=0, flags=0)
3.match object中的方法
match和search一旦匹配成功，就是一个match object对象，而match object对象有以下方法：
3.1 groups()
返回被 RE 匹配的字符串
3.2 start()
返回匹配开始的位置
3.3 end()
返回匹配结束的位置
3.4 span()
返回一个元组包含匹配 (开始,结束) 的位置
3.5 group()
返回re整体匹配的字符串，可以一次输入多个组号，对应组号匹配的字符串。
4.贪婪匹配与非贪婪匹配
- 非贪婪模式
在整个表达式匹配成功的前提下，尽可能少的匹配，量词后面直接加上一个问号”?”就变成了飞非贪婪，具体量词有5个，分别为：*，+，？，{m},{n,m}
a = re.findall(r"a(\d+?)",'a23ba23')
print(a)
- 贪婪匹配
正则表达式一般趋向于最大长度匹配，也就是所谓的贪婪匹配，python中默认采用的是贪婪模式
b = re.findall(r"a(\d+)",'a23ba23')
print(b)