读正则表达式的笔记

读自己的笔记产生的随笔:正则表达式
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；而re.search匹配整个字符串，直到找到一个匹配。而findall是返回所有匹配到的字符串

正则表达式

python中的正则表达式就是python的标准库re的方法对象之类的使用

匹配字符串

1.用match方法匹配
成功则会返回个SER_Match对象，但失败却不会报错，饭后None
match('要找的文本','总的文本')
从哪找呢，找到之后返回什么，如何看呢
match是从总的文本中从头开始找，找到一个就返回SER_Match对象。然后我们要用group()这个方法从SER_Match对象中返回匹配成功的字符串
重点:match是从头开始找的，第一个头部没有匹配到则直接返回None

search匹配成功返回的字符串

search匹配的话并不要从头部开始
也可用group()方法和groups()返回匹配到的字符串

匹配多个字符串

使用的是择一匹配符(|),有点或的意思，一连串寻找的文本中，匹配你也可以，匹配我也可以

匹配单个字符串

那就是一个点（.）

字符集

[][][]从括号中任选一个作为寻找的文本。如：假设3个括号中有均各有2个文本，那么就可以匹配222=8次，有8种匹配的对象

重复

表示前一个字符重复0到n次匹配，?表示前一个字符重复0到1次匹配，这就意味着问号(?)前面的字符有可能没有。
+表示前一个字符重复1到n次，这表示前面一个字符一定有。
注意：
a也可以匹配baa，缘由是a*可以匹配空串，任何字符串都可以认为是以空串作为前缀的

可选和特殊字符

/w匹配的是字母或数字，/W匹配的不是字母或数字,/d匹配的是数字
[a-z]表示26个小写字母中的一个
[a-z]{3}小写字母中的3个
[a-zA-Z0-9]1个字母(大写或小写)或一个数字
注意：/w对中文也匹配；但还有个更精确的匹配中文字符的正则表达式： [\u4e00-\u9fa5]

分组

分组采用小括号()
(\d{3})-(\d{4})-([a-z]{2}) 分成三组，来寻找
3个数字-4个数字-2个字母

匹配字符串的起始和结尾

^起始
$结尾

匹配字符串的边界 \b

边界是指单词两侧是空格或标点符号
这样可以更精确的找到自己要匹配的字符串吧

findall和finditer查找每一次出现的位置

查找顺序都是从左到右
findall返回个列表，当然，没有找到匹配的字符串他将返回个空列表，否则，返回的列表顺序是在字符串中一样
finditer返回的是一个迭代器(迭代器自然是迭代对象),只能对finditer返回的结果进行迭代，也就是返回的是对象，直接打印就是打印对象的内存地址。
找到相同的字符，他当然也会写入列表中(写这句是因为查资料说findall返回一个不重复的模式列表，finditer返回的可以是重复的)

搜索替换

sub函数有3个参数，第一个是模式字符串，也就是总字符串中的字符串或者是正则表达式
第二个是要替换的字符串，这个可以自己定义
第三个是总字符串
sub函数直接返回替换的结果，也就是替换完成后的字符串
subn函数与sub函数用法相同，也有3个参数，但他返回的不是已经替换好的字符串，而是返回一个元组，元组中有2个值，第一个是返回替换好的字符串；第二个参数是替换的总数，也就是该字符串被替换了多少次，也许很多次，也许很少，要看匹配的模式字符串在总的字符串中有多少来决定。

分隔字符串 split

3个参数，模式字符串，总的字符串，分隔次数
返回一个列表，列表中的子元素都是被分隔的字符串

常用的正则表达式

邮箱地址：[a-zA-Z0-9]+@[a-zA-Z0-9]+.[a-zA-Z]{2-3}
ip地址：\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
web地址：https?[/]{2}\w.+
web地址正则最扯

贪婪非贪婪

*?, +?, ??

'*', '+'，和 '?' 修饰符都是 贪婪的

` <.*>` 希望找到 `'<a> b <c>'`，它将会匹配整个字符串，而不仅是 `'<a>'`。在修饰符之后添加 ? 将使样式以 非贪婪`方式或者 :dfn:`最小 方式进行匹配； 尽量 少 的字符将会被匹配。 使用正则式` <.*?> `将会仅仅匹配 '<a>'。

指定重复次数

对前面的正则表达式指定m此重复，类似于匹配m次返回，原本它只需要返回一次。比如， a{6} 将匹配6个 'a' , 但是不能是5个。正则表达式可以包含普通或者特殊字符。

对正则式进行 m 到 n 次匹配，在 m 和 n 之间取尽量多。 比如，a{3,5} 将匹配 3 到 5个 'a'。忽略 m 意为指定下界为0，忽略 n 指定上界为无限次。 比如 a{4,}b 将匹配 'aaaab' 或者1000个 'a' 尾随一个 'b'，但不能匹配 'aaab'。逗号不能省略，否则无法辨别修饰符应该忽略哪个边界。

{m,n}?

前一个修饰符的非贪婪模式，只匹配尽量少的字符次数。比如，对于 'aaaaaa'， a{3,5} 匹配 5个 'a' ，而 a{3,5}? 只匹配3个 'a'。
如果没有使用原始字符串（ r'raw' ）来表达样式，则需要使用转义字符''；如果需要使用\原始字符，可以用r''或者\

[]

用于表示一个字符集合。在一个集合中
字符可以单独列出，比如 [amk] 匹配 'a'， 'm'， 或者 'k'。
可以表示字符范围，通过用 '-' 将两个字符连起来。比如 [a-z] 将匹配任何小写ASCII字符， [0-5][0-9] 将匹配从 00 到 59 的两位数字， [0-9A-Fa-f] 将匹配任何十六进制数位。 如果 - 进行了转义 （比如 [a-z]）或者它的位置在首位或者末尾（如 [-a] 或 [a-]），它就只表示普通字符 '-'。
特殊字符在集合中，失去它的特殊含义。比如 [(+)] 只会匹配这几个文法字符 '(', '+', '', or ')'。
字符类如 \w 或者 \S (如下定义) 在集合内可以接受，它们可以匹配的字符由 ASCII 或者 LOCALE 模式决定。
不在集合范围内的字符可以通过 取反 来进行匹配。如果集合首字符是 '^' ，所有 不 在集合内的字符将会被匹配，比如 [^5] 将匹配所有字符，除了 '5'， [^^] 将匹配所有字符，除了 '^'. ^ 如果不在集合首位，就没有特殊含义。
在集合内要匹配一个字符 ']'，有两种方法，要么就在它之前加上反斜杠，要么就把它放到集合首位。比如， [()[]{}] 和 [{}] 都可以匹配括号。

|

A|B,'|' 分隔开的正则样式从左到右进行匹配。当一个样式完全匹配时，这个分支就被接受。意思就是，一旦 A 匹配成功， B 就不再进行匹配，即便它能产生一个更好的匹配。或者说，'|' 操作符绝不贪婪。 如果要匹配 '|' 字符，使用 |， 或者把它包含在字符集里，比如 [|].

零宽断言

(?=exp)

先行断言,当表达式为真时候，匹配表达式前面的位置(exp表示正则表达式)

(?<exp)

后发断言，当表达式为真时候，匹配表达式后面的位置

（?!exp）(类似三元运算符-反过来)

零宽度负预测先行断言，当表达式不成立时，匹配断言表达式的前面的位置，当表达式成立时，匹配断言表达式后面的位置

(?<!exp)（类似三元运算符）

零宽负回顾后发断言，当断言表达式不成立时，匹配后面的位置，成立时，匹配前面的位置