1. 正则表达式
介绍：
正则表达式（regular expression）是⼀种⼯具，⼀种⼴泛⽤于匹配字符串的⼯具。它⽤⼀个“字符串”来描述⼀个特征，然后去验证另⼀个“字符串”是否符合这个特征。⽐如 表达式“ab+”描述的特征是“⼀个’a’和任意个’b’”,那么’ab’,‘abb’,'abbbbbbbbbb’都符合这个特征。
语法：
正则表达式本质上只做⼀件事，那就是编写⼀个表达式“字符串”，然后⽤这个字符串去匹配⽬标⽂本。核⼼的核⼼，都在编写这个“字符串”表达式上⾯。
使用：
在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块，名为 re (内置模块，不需要pip)
# 导入模块
import re
# 使用方法进行匹配 match举例
result = re.match(正则表达式，要匹配的字符串,模式)
# tip:正则表达式前面最好添加 r
# 获取数据
result.group()
2. re 之各种常用字符
2-1. 普通字符
字母、数字、汉字、下划线、以及没有特殊定义的符号，都是“普通字符”。正则表达式中的普通字符，在匹配的时候，只匹配与自身相同的一个字符。
例如：
表达式c，在匹配字符串abcde时，匹配结果是：成功；匹配到的内容是c；匹配到的位置开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语⾔的不同⽽可能不同）
2-2. 元字符
正则表达式中使用了很多元字符，用来表示一些特殊的含义或功能。
| 表达式 | 匹配 |
|---|---|
| . | 小数点可以匹配除了换行符 ‘\n’ 以外的任意一个字符 |
| | | 逻辑或操作符 |
| [ ] | 匹配字符集中的一个字符 |
| [^] | 对字符集求反，也就是上面的反操作。尖号必须在括号里的最前面 |
| - | 定义 ‘[ ]’ 里的一个字符区间，如： [ a - z ] |
| \ | 对紧跟其后的一个字符进行转义 |
| ( ) | 对表达式进行分组，将圆括号内的内容当作一个整体，并获得匹配的值 |
2-3. 转义字符
一些无法书写或者具有特殊功能的字符，采用在前面加斜杠“\”进行转义的方法。
| 表达式 | 匹配 |
|---|---|
| \r,\n | 匹配回车与换行符 |
| \t | 匹配制表符 |
| \\ | 匹配斜杠 \ |
| \^ | 匹配 ^ 符号 |
| \$ | 匹配 $ 符号 |
| \. | 匹配小数点 . |
尚未列出的还有问号？、星号*和括号等其他的符号。所有正则表达式中具有特殊含义的字符在匹配⾃身的时候，都要使⽤斜杠进⾏转义。这些转义字符的匹配⽅法与普通字符类似，也是匹配与之相同的⼀个字符。
2-4. 预定义匹配字符集
正则表达式中的一些表示方法，可以同时匹配某个预定义字符集中的任意一个字符。比如，表达式 \d 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是智能是一个，不是多个。
| 表达式 | 匹配 |
|---|---|
| \d | 任意一个数字，0~9中的任意一个 |
| \w | 任意一个字母或者数字或下划线，也就是 A-Z,a-z,0-9,_ 中的任意一个 |
| \s | 空格、制表符、换页符等空白字符的其中任意一个 |
| \D | \d 的反集，也就是非数字的任意一个字符等同于[ ^\d] |
| \W | \w 的反集，也就是 [ ^\w] |
| \S | \s 的反集，也就是 [ ^\s] |
例如表达式\d\d，在匹配abc123时，匹配的结果是：成功；匹配到的内容是12；匹配到的位置开始于3，结束于5。 (前提是⽤search来匹配，⽤match是匹配不到的)
2-5. 重复匹配
前⾯的表达式，⽆论是只能匹配⼀种字符的表达式，还是可以匹配多种字符其中任意⼀个的表达式，都只能匹配⼀次。但是有时候我们需要对某个⽚段进⾏重复匹配，例如⼿机号码13666666666，⼀般的新⼿可能会写成\d\d\d\d\d\d\d\d\d\d\d（注意，这不是⼀个恰当的表达式），不但写着费劲，看着也累，还不⼀定准确恰当。
这种情况可以使⽤表达式再加上修饰匹配次数的特殊符号{}，不⽤重复书写表达式就可以重复匹配。⽐如[abcd][abcd]可以写成[abcd]{2}。
| 表达式 | 匹配 |
|---|---|
| {n} | 表达式重复n次，⽐如\d{2}相当于\d\d,a{3}相当于aaa |
| {m,n} | 表达式⾄少重复m次，最多重复n次。⽐如ab{1,3}可以匹配ab或abb或abbb |
| {m, } | 表达式⾄少重复m次，⽐如\w\d{2,}可以匹配a12,_1111,M123等等 |
| ? | 匹配表达式0次或者1次，相当于{0,1}，⽐如a[cd]?可以匹配a,ac,ad |
| + | 表达式⾄少出现1次，相当于{1,}，⽐如a+b可以匹配ab,aab,aaab等 |
| * | 表达式出现0次到任意次，相当于{0,}，⽐如^*b可以匹配b,^^^b等等 |
2-6. 位置匹配
有时候，我们对匹配出现的位置有要求，⽐如开头、结尾、单词之间等等.
| 表达式 | 匹配 |
|---|---|
| ^ | 在字符串开始的地⽅匹配，符号本身不匹配任何字符 |
| $ | 在字符串结束的地⽅匹配，符号本身不匹配任何字符 |
| \b | 匹配⼀个单词边界，也就是单词和空格之间的位置，符号本身不匹配任何字符 |
| \B | 匹配⾮单词边界，即左右两边都是\w范围或者左右两边都不是\w范围时的字符缝隙 |
参考：
- 例如表达式^aaa在匹配xxx aaa xxx时，匹配结果是：失败。因为^要求在字符串开始的地⽅匹配。
- 表达式aaa 要求在字符串结束的地⽅匹配。
- 表达式.\b.在匹配@@@abc时，匹配结果是：成功；匹配到的内容是@a；匹配到的位置开始于2，结束于4。
- 表达式\bend\b在匹配weekend,endfor,end时，匹配结果是：成功；匹配到的内容是end；匹配到的位置开始于15，结束于18。
2-7. 贪婪与非贪婪模式
贪婪模式： 在重复匹配时，正则表达式默认总是尽可能多的匹配。
如：
针对⽂本dxxxdxxxd，表达式(d)(\w+)(d)中的\w+将匹配第⼀个d和最后⼀个d之间的所有字符xxxdxxx。可⻅\w+在匹配的时候，总是尽可能多的匹配符合它规则的字符。同理，带有?、*和{m,n}的重复匹配表达式都是尽可能地多匹配。
但是有时候，这种模式不是我们想要的结果，⽐如最常⻅的HTML标签匹配。假设有如下的字符串：
<table>
<tr>
<td>苹果</td>
<td>桃⼦</td>
<td>⾹蕉</td>
</tr>
</table>
我们的意图是获取每个标签中的元素内容，那么如果你将正则表达式写成(.*)的话，你得到的是苹果桃⼦⾹蕉这么个东⻄，⽽不是“苹果”、“桃⼦”、“⾹蕉”。
在修饰匹配次数的特殊符号后再加上⼀个?问号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的"不匹配"。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，⾮贪婪模式会最⼩限度的再多匹配⼀些，以使整个表达式匹配成功。
表达式(.*?)匹配上⾯的字符串时，将只得到苹果，再次匹配下⼀个时，可以得到桃⼦，以此类推。
3. 常用正则表达式
校验数字的相关表达式：
| 功能 | 表达式 |
|---|---|
| 数字 | ^[0-9]*$ |
| n位的数字 | ^\d{n}$ |
| 至少n位的数字 | ^\d{n,}$ |
| 零和⾮零开头的数字 | ^(0|[1 - 9][0-9]*)$ |
| 有两位⼩数的正实数 | ^[0-9]+(.[0-9]{2})?$ |
| ⾮零的负整数 | ^-[1-9]\d*$ |
| ⾮负浮点数 | ^\d+(.\d+)?$ |
| 浮点数 | ^(-?\d+)(.\d+)?$ |
特殊场景表达式：
| 功能 | 表达式 |
|---|---|
| email地址 | ^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*$ |
| 域名 | [a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.? |
| 手机号码 | ^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$ |
| 身份证号码 | ^\d{15}|\d{18}$(15位、18位数字) |
| 日期格式 | ^\d{4}-\d{1,2}-\d{1,2} |
| 空白行的正则表达式 | \n\s*\r (可以⽤来删除空⽩⾏) |
| IP地址提取 | \d+.\d+.\d+.\d+ (提取IP地址时有用） |
| 腾讯QQ号 | [1-9] [0-9]{4, }(腾讯QQ号从10000开始）) |
