正则表达式的概述

在线正则表达式测试 https://tool.oschina.net/regex

概念

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个 “ 规则字符串”, 这个“ 规则字符串”用来表达对字符串的一种过滤逻辑。

为什么要学习正则？

用来从网页源码中提取数据

正则的应用场景

• 表单验证（例如：手机号、邮箱、身份证）
• 爬虫

  正则表达式入门

  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。匹配的内容是c。匹配的位置开始于2，结束于3。（下标从0还是从1开始，因当前编程语言的不同而有所不同）

match()函数

re.match(pattern, string, flags=0):

• pattern: 正则表达式 也就是匹配模型
• string:待匹配的数据（网页源代码)
• flags=0 默认是0 标志位 用来控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

  match会从头开始匹配，一旦匹配失败就直接结束了，匹配成功就返回第一个匹配的结果

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

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：

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用法与普通字符类似，也是匹配与之相同的一个字符。

【拓展】r与转义 告诉python解释器不用再转义
r rawstring 原生字符串

• python解释器转义

• 正则转义

  预定义匹配字符集

  事先定义好的匹配字符的集合
  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，但是只能是一个，不是多个。
  

  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字段进行重复匹配，例如手机号码136666666，一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，还不一定能准确恰当。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{}，不但重复书写表达式就可以重复匹配。例如[abcd][abcd]可以写成[abcd]{2}
  
  

  位置匹配和非贪婪匹配

  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。
  

  贪婪匹配与非贪婪匹配

  在重复匹配时，正则表达式默认总是尽可能多的匹配，这被称为贪婪匹配。例如，针对文本dxxdxxxd，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xxdxxxd。可见，\w在匹配的时候，总是尽可能多得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。
  校验数字的相关表达式：
  
  *特殊场景的表达式：
  

  re模块常用方法

  
  高阶函数：以函数对象作为返回值；以函数对象作为参数传递
  闭包 数据更加的安全
  complie(pattern,flag=0)
  这个方法是re模块的工厂法，用于将字符串形式的正则表达式编译为Pattern模式对象，可以实现更加效率的匹配。第二个参数flag是匹配模式，使用complie()完成一次转换后，再次使用该匹配模式的时候就不能进行转换了。经过complie()转换的正则表达式对象也能使用普通的re方法。

  result=re.compile(r'abc')
  result.match('abc123').group()

flag匹配模式

search(pattern,string,flag=0)

在文本内查找，返回第一个匹配到的字符串。它的返回值类型和使用方法与match()是一样的，唯一的区别就是查找的位置不用固定在文本的开头。

findall(pattern,string,flag=0)

作为re模块的三大搜索函数之一，findall()和match()、search()的不同之处，前两者都是单值匹配。找到一个就忽略后面，直接返回不再查找。findall是全文查找，它的返回值是一个匹配到的字符串的列表。这个列表没有group()方法，没有start、end、span、更不是一个匹配对象，仅仅是一个列表，如果一项没有匹配到那么久返回一个空列表。

split(pattern，string,,maxsplit=0,flag=0)

re模块的split()方法和字符串的split()方法很相似，都是利用特定的字符去分隔字符串。但是re模块的split()可以使用正则表达式，因此更灵活，更强大。
split有个参数maxsplit，用于指定分割的次数。

sub(pattern,repl,string,count=0,flag=0)

sub()方法类似字符串的replace()方法，用指定的内容替换匹配到的字符，可以指定替换次数。

s="i can't stand my poor python, i like python"
re.sub(r'i','I',s)
#输出结果"I can't stand my poor python, I lIke python"

分组功能

python的re模块有一个分组功能。所谓的分组就是将已经匹配的内容再筛选出需要的内容，相当于二次过滤。实现分组靠圆括号()，而获得分组的内容靠的是group()、groups()。re模块的几个重要方法在分组上，有不同的表现形式，需要区别对待。

import re
result=re.search(r'.*(\$\d+).*(\$\d+)',s)
print(result.group())
print(result.group(0))
print(result.group(1))
print(result.group(2))
print(result.groups())
'''
result.group()/result.group(0) 匹配整个分组
result.group(1) $22匹配第一个分组
result.group(2) $33匹配第二个分组
result.groups()/result.groups(0)('$22','$33')
'''