正则表达式
正则表达式的实现和应用场景
基础
-
\d可以匹配一个数字
-
\w可以匹配一个数字或字母或_
-
\s可以匹配一个空格（也包括Tab等空白符）
-
.可以匹配任意字符（数量为1）
-
*表示任意个字符（包括0个）
-
+表示至少一个字符
-
?表示0个或1个字符
-
{n}表示n个字符
-
{n,m}表示n-m个字符
-
表示行的开头，\d表示必须以数字开头。
-
$表示行的结束，\d$表示必须以数字结束。 (注意\W和\S为对应\w和\s的取反)
来看一个复杂的例子，我们来解读一下 \d{3}\s+\d{3,8} 我们来从左到右解读一下
1.可以匹配三个数字
2..\s可以匹配一个空格（也包括Tab等空白符），所以\s+表示至少有一个空格，例如匹配' '，' '等
3.可以匹配3-8个数字
综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。
如果要匹配010-12345这样的号码呢？由于-是特殊字符，在正则表达式中，要用""转义，所以，上面的正则是\d{3}-\d{3,8}
-----------------------------------------------------------------------------------------------------------------------------------------------------------
进阶
要做到更精确的匹配，可以用[]表示范围，比如：
[0-9a-zA-Z_]可以匹配一个数字、字母或者下划线；
[0-9a-zA-Z_]+可以匹配至少有一个数字.字母或者下划线组成的字符串，比如a100,0_z,Py3000等等；
[a-zA-Z_][0-9a-zA-Z_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）；
A|B可以匹配A或B，所以（P|p）ython可以匹配Python或者python
py也可以匹配python,但是改为^py$就变成了整行匹配，就只能匹配py了
-----------------------------------------------------------------------------------------------------------------------------------------------------------
re模块
由于Python的字符串本身也用\转义，所以要特别注意：
s='ABC\\-001’ #Python的字符串# 对应的正则表达式变成：# ‘ABC\-001’
因此我们强烈建议使用Python的r前缀，就不用考虑转义的问题了：
s=r'ABC\-001' #Python的字符串# 对应的正则表达式字符串不变: # 'ABC\-001'
如果匹配成功，返回一个Match对象，否则返回None.常见的判断方法就是：test = '用户输入的字符串'if re.match(r'正则表达式', test):
print('ok')else: print('failed')切分字符串用正则表达式切分字符串比用固定的字符更灵活，请看正常的切分代码
>>> 'a b c'.split(' ')['a', 'b', '', '', 'c']
嗯，无法识别连续的空格，用正则表达式试试：
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']都可以正常分割。加入,试试：
>>> re.split(r'[\s\,]+', 'a,b, c d')
['a', 'b', 'c', 'd']再加入;试试：
>>> re.split(r'[\s\,\;]+', 'a,b;; c d')
['a', 'b', 'c', 'd']分组
除了简单的判断是否匹配之外，正则表达式还有提取子串的强大功能。用（）表示的就是要提取的分组（Group）.比如：^(\d{3})-(\d{3,8})$分别定义了两个组
可以直接从匹配的字符串中提取出区号和本地号码：
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>>>> m.group(0)'010-12345'>>> m.group(1)'010'>>> m.group(2)'12345'贪婪匹配
正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的0：
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了
必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')编译
当我们在Python中使用正则表达式时，re模块内部会干两件事情：
1.编译正则表达式，如果正则表达式的字符串本身不合法，会报错
2.用编译后的正则表达式去匹配字符串
如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配。
