python——正则表达式
今天看python网络数据采集，看到了正则表达式部分，感觉挺有趣的，记录下来
首先为什么叫正则表达式——它可以识别正则字符串
什么是正则字符串——任意可以用一系列线性规律构成的字符串
例子一：
1）字母a至少出现一次；
2）后面跟着字母b重复5次；
3）后面再跟着字母c重复任意偶数次；
4）最后一位是字母d，也可以没有。
满足规则的字符串有很多：“abbbbbcccc” “aaabbbbbccd” “abbbbbd”
正则表达式就是表达这组规则的缩写，这组规则的正则表达式如下：
aa*bbbbb(cc)*(d| )
分析：
条件一：a至少有一个，有一个，a；有多个，a*(读作a星)，a*表示“重复任意次a，包括0次”。
aa*满足条件一
条件二：b重复5次，没什么说的，bbbbb
条件三：c重复任意偶数次，（cc）*表示“重复任意次cc，包括0次”，满足条件三
条件四：最后一位是字母是字母d，也可以没有，(d| ),(|)在表达式里表达“这个或那个”，本例表示“增加一个后面跟着空格的d，或者只有一个空格”
例子二：识别邮箱地址
规则一：地址第一部分至少包括一种内容：大写字母/小写字母/数字0-9/点号（.）/加号（+）/或下划线（_）
正则表达式为：[A-Za-z0-9\._+]+
A-Z表示“任意A-Z的大写字母”，把所有可能的序列和符号放在中括号里，表示“括号里的任何一个”；后面的加号，他表示“这些符号都可以出现多次，且至少出现1次”
规则二：第二部分包含一个@符号
正则表达式为@
规则三：第三部分必须至少包含一个大写或小写字母
正则表达式为：[A-Za-z]+ 满足至少有一个字母
规则四：第四部分为一个点号（.）
正则表达式为\. 要有斜杠，不知道为什么，以后补充原因
规则五：以com/org/edu/net结尾
正则表达式为（com|org|edu|net） 列出可能出现的字母序列
综上，完整的正则表达式：[A-Za-z-0-9\._+]+@[A-Za-z]+\.（com|org|edu|net）
最后是正则表达式常用符号：
1）符号 * 例子为a*b* 结果为aaaaa,aaaabbbbb,bbbbb等
含义：匹配前面的字符/子表达式或括号里的字符0次或多次
2）符号 + 例子为a+b+ 结果为aaaaab,aaaabbbbb,abbbbb等
含义：匹配前面的字符/子表达式或括号里的字符至少1次
3) 符号 [] 例子为[A-Z]* 结果为APPLE,CAPITALS,QWERTY等
含义：匹配任意一个字符（相当于“任选一个”）
4) 符号 （） 例子为（a*b）* 结果为aaabaab,abaaab,abababababa等
含义：表达式编组（在正则表达式的规则里编组会优先运行）
5）符号 {m，n} 例子为a{2，3}b{2，3} 结果为aabbb,aaabbb,aabb,aaabb
含义：匹配前面的字符/子表达式或括号里的字符m到n次（包含m或n）
6）符号 [^] 例子为[^A-Z]* 结果为apple,lowercase,pwerty
含义:匹配任意一个不在中括号的字符
7）符号 | 例子为b(a|i|e)d 结果为bad,bid,bed
含义：匹配任意一个由竖线分割的字符（注意该符号为竖线）
8）符号 . 例子为b.d 结果为bad,bzd,b$d,b d
含义：匹配任意单个字符（包括符号/字母和空格）
9）符号 ^ 例子为^a 结果为apple，asdf，a等
含义：指字符串开始位置的字符或子表达式
10）符号 \ 例子为\. \| \\ 结果为 . | \
含义：转义字符（把有特殊含义的字符转换为字面形式)
11) 符号 $ 例子为[A-Z]*[a-z]*$ 结果为ABCabc，zzzyx，Bob等
含义：常用在正则表达式的末尾，表示“从字符串的末端匹配”。可看作^符号的反义词
12）符号 ？！ 例子为^((?![A-Z]).)*$ 结果为no-caps-here,$ymb0ls,a4e f!ne
含义：不包含。这个奇怪组合通常放在字符或正则表达式前面，表示字符串不能出现在目标字符串里。这个符号比较难用，字符通常会在字符串的不同部位出现。如果要在整个字符串中全部排除某个字符，就加上^和$符号
注：本部分的正则表达式适用于python，在java等部分不适用，大家注意。
