“正则表达式”是可以匹配文本片段的模式。用来匹配、提取、或替换文本或字符串中的片段、子串。
1. 字符 => 匹配单个字符
| 字符 | 说明 | 示例 | 匹配结果 |
|---|---|---|---|
| 普通字符 | 匹配自身 | abc | abc |
| . | 匹配除换行符 \n 外的任意一个字符(在DOTALL模式中也能匹配换行符) | a.c | abc acc a1c ... 其中之一都能匹配 |
| \ | 转义字符，使特殊字符的行为与普通字符一样，匹配本身 | a\.c | a.c |
1）. 与除换行符外的任意字符都能匹配，因此被称为通配符；
2）正则表达式中可以使用转义字符转义特殊字符，然而要表示正则表达式中要求的单个反斜杠，书写模式时要写两个反斜杠(python\\.org)。因为python解释器遇到反斜杠也会执行转义。也就是说正则表达式中的转义包含两层转义：解释器的转义和正则表达式的转义。
2.字符集 => 匹配单个字符
| 字符集 | 说明 | 示例 | 匹配结果 |
|---|---|---|---|
| [] | 自定义字符集。在其中添加字符，创建字符集，能够匹配其中包含的任一字符 | [pc]ython | python 或cython |
| \d | 数字字符集：[0-9] | a\dc | a1c |
| \D | 非数字字符集：[^0-9] | a\Dc | abc |
| \w | 单词数字字符集：[A-Za-z0-9_] | a\wc | a_c |
| \W | 非单词数字字符集：[^A-Za-z0-9_] | a\Wc | a c |
| \s | 空白字符集：[<空格>\t\r\n\f\v] | a\sc | a c |
| \S | 非空白字符集：[^<空格>\t\r\n\f\v] | a\Sc | a2c |
字符集是一些字符的集合，正则匹配时能够匹配字符集中任意一个字符；
[]：称为自定义字符集；
其他字符集称为预定义字符集；
3. 重复运算符 => 重复运算单个字符
| 字符 | 说明 | 示例 | 匹配结果 |
|---|---|---|---|
| * | 匹配前一个字符0次或无限次 | abc* | ab或abc或abccccccc... |
| + | 匹配前一个字符1次或无限次 | abc+ | abc或abcc或abccccccc... |
| ？ | 匹配前一个字符0次或一次 | abc? | ab或abc |
| {m} | 匹配前一个字符m次 | abc{3} | abccc |
{m, n}：表示匹配前一个字符m次到n次；
{m,}：表示匹配前一个字符至少m次；
{, n}：表示匹配前一个字符最多n次
4. 特殊字符
| 字符 | 说明 | 示例 | 匹配结果 |
|---|---|---|---|
| ^ | 用在字符最前，匹配字符串的开头 | ^a* | 只能匹配以“a”开头的字符串 |
| $ | 用在字符最后，匹配字符串的结尾 | .*?c$ | 匹配以“c”结尾的字符串 |
“^”放在字符集([^...])前表示匹配指定字符集外的字符；
5. 二选一和子模式
1）二选一：管道字符，“|”
| 字符 | 说明 | 示例 |
|---|---|---|
| | | 管道字符。具有“或”的作用，匹配在其左右的任意一个字符串 | ‘python|jave’ |
2）子模式——分组匹配
| 字符 | 说明 | 示例 |
|---|---|---|
| () | 括号中的字符被正则表达式视为一个分组，也可以称为一个子模式 | (ab) |
| \num | 引用子模式num匹配到的字符串；num为子模式的编号. | |
| (?P<name>) | 为子模式设置别名name | (?P<t1>ab) |
| (?P=name) | 引用名称为name的子模式匹配到的字符串 |
管道符号：| 能够与“子模式”配合使用，’’p(ython|ear)‘’ => 匹配python或pear；
子模式编号：整个正则表达式作为一个模式编号为“0”，其余子模式从左至右从 1 - 99 依次编号，最大编号为99；
子模式与重复运算符共用：它们两者共用时，子模式被视为一个整体。(ab)? => 表示ab出现0次或1次；
6. 贪婪模式与非贪婪模式
| 字符 | 说明 | 示例 |
|---|---|---|
| 字符集/通配符 + 重复运算符 | 贪婪模式，匹配尽可能多的内容，能匹配多少就匹配多少 | r'\*(.+)*\*' => 能匹配 *ab*ab* |
| 字符集/通配符 + 重复运算符 + “?” | 非贪婪模式，匹配较少的内容，一旦匹配成功即退出匹配 | r'\*(.+)*?\*' => 只能匹配 *ab* |
重复运算符 默认是贪婪模式的；重复运算符 + ? 能够将重复运算符指定为非贪婪模式的。
7. python标准正则表达式模块 re
re 模块是python中标准的能够进行正则表达式运算的模块，其中有一些重要的函数：
1）基本方法
| 方法 | 说明 | 示例 |
|---|---|---|
| re.compile(pattern[, flags]) | 对正则表达式进行编译构建匹配模式对象，能够避免多次重复编译，提升效率 | pattern = re.compile(r’表达式’) |
直接使用re中的匹配方法，如 re.match(r’表达式’，‘string’) ，这样使用如果存在循环，将每次都对r’表达式’进行编译；不如先编译 pattern = re.compile(r’表达式’)，pattern.match(‘string’) => 一次编译，多次使用。
flags：能够设置编译时的模式，re.DOTALL == re.S == re.RegexFlag.DOTALL == re.RegexFlag.S的DOTALL模式，表示让 . 符号匹配任何字符包括换行符；re.IGNORECASE == re.I == re.RegexFlag.IGNORECASE == re.RegexFlag.I 表示匹配时忽略大小写；
re.RegexFlag.IGNORECASE | re.DOTALL => 同时支持两种模式。
2）四大检索方法
| 方法 | 说明 |
|---|---|
| re.match() | 从开头进行匹配，并且只匹配一次 |
| re.search() | 全局进行匹配，并且只匹配一次 |
| re.findall() | 匹配所有符号条件的数据，返回是 结果列表 |
| re.finditer() | 也是在全局匹配，匹配所有，但是返回迭代对象，迭代 Match 对象，匹配一个，返回一个 |
3）分组和替换方法
a. 分组：通过给定字符串对数据进行分组，re.split()
#!/usr/bin/python3
# -*- coding: utf-8 -*-
import re
string = "a;dj jkl,jj; j;sd"
# split 分组
pattern = re.compile(r'[; ,]+')
result = pattern.split(string)
print(result)
>>>
['a', 'dj', 'jkl', 'jj', 'j', 'sd']
即使用正则表达式匹配到的字符分割字符串
b. 替换：通过给定的正则表达式和替换字符进行替换，re.sub()
import re
# sub 交换
string = "hello world"
# 带 空格的词组替换成 #
pattern = re.compile(r'(\w+) (\w+)')
# 把 空格的词组 进行交换
result = pattern.sub(r"\2 \1",string)
print(result)
>>>
world hello
先匹配string，然后通过re.sub中指定的模式进行替换
8. 提取匹配结果
re.match和re.search匹配后得到的是 RE_Match 对象(re.findall得到匹配后的列表，re.finditer得到迭代器)
得到RE_Match对象后，可以使用 obj.group() 可以得到具体的匹配结果。
obj.group()默认获取 编号为0 的模式 即整个正则表达式匹配的结果，可以指定子模式编号以获取哪个子模式匹配的结果。
