python笔记-正则表达式
什么是正则表达式：
正则表达式是一个特殊的字符序列，能帮助我们方便的检查一个字符串是否与某种模式匹配(定义往往都很枯燥)
也称之为”模式“，即可用于检查一个给定的字符串是否符合某种模式
举例：
我们定义一个模式，平常经常用到的日期模式：XXXX-XX-XX,2018-03-10
在正则表达式的模式定义语法里：\d用来指定一个数字，因此我们将日期的正则表达式的模式定义成：”\d\d\d\d-\d\d-\d\d"
什么是元字符：
元字符是一些在正则表达式中有特殊用途、不代表它本身字符意义的一组字符
利用元字符，我们可以控制字符串匹配的方式
比如上例中的\d,用来指定一个数字，“相当于[0-9]，匹配任何单个的数字字符”，而非d字母本身
元字符各自含义
正则表达式的完整元字符及各自的含义（主要有11个）：
. ^ $ * + ? \ | { } [] ()
我们选挑重要的依次进行解释
1.[ ] 方括号
(1) 常用来指定一个字符集，如[abcd]匹配：a或b或c或d
(2) 元字符在”[]”中不起所用，比如：[a+]匹配：a或+
(3) 补集匹配：[^a]，匹配非a的一个字符
(4) 匹配连续字符：[a-zA-Z0-9]，匹配大小写英文字母和数字
2.^
匹配行首，直接匹配字符串中的每一个换行
3.$
匹配行尾，行尾是指：字符串尾，或一个换行字符后的任何位置
4.\
转义字符，如果要匹配”\”本身，需要使用再次转义：”\”
一些特殊字符：
\d：匹配：[0-9]
\D：匹配：[^0-9],与 \d 相反，匹配任何非十进制数字的字符
\s：匹配：任何空白符，即：[\t\n\r\f\v]
\S：匹配：任何非空白符，即：[^\t\n\r\f\v]
\w：匹配：[a-zA-Z0-9_ ],即匹配任何字符
\W：匹配：[^a-zA-Z0-9_ ],与\w相反
匹配前一个字符或子表达式出现0次或多次
例如：ca*t 将匹配 ct（0 个字符 a），cat（1 个字符 a），caaat（3 个字符 a）
匹配前一个字符或子表达式出现1次或多次
例如： ca+t 会匹配 cat 和 caaat，但不会匹配 ct。
7.？
匹配前一个字符或子表达式出现1次或0次
例如 ：大?帅哥 可以匹配 大帅哥，也可以匹配 帅哥。
8.{ }
匹配前一个字符或子表达式出现指定次数（即代表重复）
{0,}：0次或多次，相当于”*”
{1,}：1次或多次，相当于”+”
{0,1}：0次或1次，相当于”?”
{m,n}：m次到n次(m <= n)，m是最少重复的次数，n是最多重复的次数
- .
匹配除换行符以外的任意一个字符
- |
每一种条件匹配一次，且"|“和”[]"效果是相同的，返回形式一样
例如：
print (re.findall(r"[abc]",“abc”))
[‘a’,‘b’,‘c’]
print (re.findall(r"[a|b|c]",“abc”))
[‘a’,‘b’,‘c’]
- ( )
圆括号分组匹配使得匹配返回元组
例如：
print (re.findall(r"one two three four five six",a))
[‘one two three four five six’]
print (re.findall(r"(one) (two) (three) (four) (five) (six)",a))
[ ]返回空
python语言中的re模块
在python语言中，re模块用于提供正则表达式的全部功能，而re模块中最重要的两个函数是match()和re.search()
re.match()简介
格式：re.match(pattern,string,flag=0),
第一个参数pattern用于传入需要匹配的模式定义字符串
第二个参数string用于传入被匹配和检查的字符串内容
第三个flag用于传入标识，如是否区分大小写
例1：
import re
print(re.match("\d\d\d\d-\d\d-\d\d",“2018-03-09”))
运行结果：<_sre.SRE_Match object; span=(0, 10), match=‘2018-03-09’>
代表2018-03-09符合我们定义的日期模式
例2：
import re
print(re.match("\d\d\d\d-\d\d-\d\d",“2018-3-9”))
运行结果：NONE
代表不符合
思考一下，如何既满足符合一个数字的月份和日又符合两个数字的月份和日（见例3）
例3：
import re
print(re.match("\d\d\d\d-\d{1,2}-\d{1,2}",“2018-3-9”))
如果看不懂，请返回到上节8.{}介绍部分
例4：
再思考一下，下面的代码
import re
print(re.match("\d{4}-\d{1,2}-\d{1,2}",“2018-3-9”))
例5：
思考一下，下面的代码（可先看一下上一节\s和*的含义）
imprt re
print(re.match("\s*\d{4}-\d{1,2}-\d{1,2}"," 2017-05-08")
代码是为了兼容日期前面如果出现多个空格的情况使用 \s*
例6：
import re
print(re.match(“Dehom”,“Dehom Wang”))
回归最简单模式就是字符串本身，这很重要
补充知识:
Python中字符串前面加上 r 表示原生字符串，（r=raw)
Python里的原生字符串很好地解决了需要\转义字符这个问题，例如匹配一个数字的"\d"可以写成r"\d"。有了原生字符串，不用担心是不是漏写了反斜杠，写出来的表达式也更直观