Python——正则表达式

re模块与正则表达式的关系：

就像time模块与时间的关系，time只能使用时间而不能改变时间。re模块也只能使用正则表达式和正则表达式本身是没有关系的。

正则表达式：

1. 是一种匹配字符串的规则。

2. 匹配字符串：电话，身份证，IP地址

3. 表单验证：登录，注册时发送短信，进行输入号码的比较。

4. 爬虫：从网页源码中获取一些链接，重要数据等。·

正则表达式规则：

1. 本身是哪个字符，就匹配字符串中的哪个字符，除特殊字符外。

2. 字符组：[字符字符] 如：[0-9]

注：

1. 一个字符组只能匹配一个字符，当匹配多个时，是放到多个匹配组中的，而不是放在同一个匹配组中。而如果想放在同一个匹配组中，那么就要建多个字符组。

2. 都只能从小到大做匹配[1-9]而不能[9-1]，因为要遵循ascii码中的序列来。常用字符组：[a-zA-Z]大小写字母，[a-zA-Z0-9]任意数字加大小写字母。

常用的正则表达元字符：

'.'     默认匹配除\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行
'^'     匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$'     匹配字符结尾，是必须某一个字符串做结尾。或e.search("foo$","bfoo\nsdfsf",flags=re.MULTILINE).group()也可以
'|'     匹配|左或|右的字符，如果两个规则有重叠部分，将长的在前面，短的在后面。，re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'\'     转意的意思。re.search('(abc){2}(\|\|=){2}','xuanabcabc||=||=')  结果abcabc||=||=
'(...)' 分组匹配，re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c
 
'()'　　 表示分组，给一部分正则规定为一组，|或的符号作用域就可以缩小了。
'[]'　　 字符组
'[a-zA-Z]' 匹配某一段字符串中的所有大小写字母。re.search("Y[a-zA-Z]+n","Xuan123Yongjun321") 结果 Yongjun
[xyz]   字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]  负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
'\A'    只从字符开头匹配，re.search("\Aabc","alexabc") 是匹配不到的
'\z'    匹配字符结尾，如果是换行，只匹配到换行前的结果，同$
'\d'    （digit）匹配数字0-9
'\D'    匹配非数字，包括特殊字符
'\w'    （word）匹配数字，字母，下划线。
'\W'    匹配非数字，字母，下划线。
'\s'    （space）匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'
'\S'    匹配任意非空白符
'\t'    （table）制表符
'\n'    （next）换行符
 
'(?P<name>...)' 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city") 结果{'province': '3714', 'city': '81', 'birthday': '1993'}
可以将值取出并以字典的形式列出。name为key，得出的值为value

常用量词

'*'     匹配*号前的字符0次或多次，re.findall("ab*","cabb3abcbbac")  结果为['abb', 'ab', 'a']
'+'     匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?'     匹配前一个字符1次或0次，0的意思是匹配的字符中有一个数可有可无。‘aal?’ 表示l可有可无的意思~
'{m}'   匹配前一个字符m次，re.search("[0-9](3)","A4BC5Bab123").group() 结果'123'
'{n,m}' 匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']

贪婪匹配：

总是会在符合量词条件的范围内尽量多匹配。默认为贪婪模式。

非贪婪匹配：

总是匹配符合条件范围内尽量小的字符串。

.*?x ：表示按照元字符规定在量词范围内匹配，一旦遇到x就停止。关键在于?,这里的问号在量词后面就表示非贪婪匹配。

关于*+？的小测试题：

import re
 
name = 'm-e-me-meet-meet'
print(re.findall('me?',name))
['m', 'me', 'me', 'me']  m肯定要有e要么有要么没有
 
 
import re
 
name = 'm-e-me-meet-meet_123\t \n'
print(re.findall("m*",name))
#['m','me','mee','mee']  匹配m或m以后的相同字符。
 
import re
 
name = 'm-e-me-meet-meet_123\t \n'
print(re.findall("me+",name))
#['me', 'mee', 'mee']  匹配m和e以后的相同字符。