1 概述
1.1 正则表达式简介
- 概念：又称规则表达式，在代码中常简写为
regex、regexp、RE, 作用
- 验证数据的有效性（查找）
- 替换文本内容
- 从字符串中提取字符串（爬虫思想）
1.2 正则表达式的构成
- 原子（普通字符，如英文字符）
- 元字符（有特殊功用的字符）
- 模式的修正字符
一个正则表达式中至少包含一个原子。
2 测试工具
- 能够使用
regexbuddy进行正则验证 --- 因为正则表达式难于读写，容易出错。 使用
- 选择
Python3.6 test选项卡
- 选择
3 匹配字符
3.1 单个字符
.匹配任意单个字符 (除\n)[]列举，匹配 [] 中列举的内容[ab]匹配 a 或者 b[a-z]匹配所有的小写字母[A-Z]匹配大写字母[0-9]匹配数字[a-zA-Z]匹配所有的小写字母和大写字母
\d匹配所有的数字 等价于 [0-9]\D非数字\s空白\S非空白\w匹配 字母、数字、下划线 等同于[a-zA-Z0-9_]\W非数字、非字母、非下划线
*. 代表转义字符 *
3.2 多个字符
*表示前一个字符出现 0 次或者 无限次+表示 前一个字符出现 1 次或者 无限次?表示 前一个字符出现 0 次或者 1 次 （要不不出现，要不只能出现一次）{m}表示前一个字符，连续出现 m 次{m,n}表示前一个字符，连续出现最少 m 次，最多 n 次
m 一定要小于 n
3.3 匹配开头结尾
^的两个作用- 表示以指定字符（后一个）开头
- 用在[]内部，用于取反
$表示以前一个字符结尾
4 re模块
- re模块的作用： python 提供的用于正则操作的模块
- re模块的使用步骤：
- 导入模块
- 使用 match() 方法进行检测
- 判断是否检测/匹配成功
- 取出匹配的具体内容
4.1 re.match函数
re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回 none。
函数语法：re.match(pattern, string, flags=0)函数参数说明：
pattern: 匹配的正则表达式string: 要匹配的字符串。flags: 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志
match() 方法一旦匹配成功，就是一个 match object 对象，这个对象有以下几种方法：
- group()：返回被 RE 匹配的字符串
- start()：返回匹配的开始位置
- end()：返回匹配结束的位置
- span()：返回一个元组包含匹配(开始，结束)的位置
4.2 分组匹配
表达式1|表达式2：匹配左右任意一个表达式注意：
|的作用：或者关系，多个正则表达式满足任意一个都可以，即可以多个连用。表达式1|表达式2|表达式3|表达式4|表达式5|...(ab)：将括号中的字符作为一个分组，即把括号里看为一个整体。对于 python 的
re.match，若result = re.match('^\w{4,20}@(126|qq|163)\.com$', '[email protected]')，可以使用result.group(1)查看具体匹配的哪一个，是126 或 qq 或 163。其中result.group(num)中的num代表正则表达式中的第几个括号\num：引用分组 num 匹配到的字符串为了防止转义字符的作用，在实际中可以将字符串前面加上
r，result = re.match(r'^<(html)>.*</\1>$', '<html>sfsaefafoshfioaghjhrhvifhgi</html>')(?P<name>)：分组起别名(?P<name>)：分组起别名语法(?P=name)：引用别名为 name 分组匹配到的字符串
作用就是给分组起别名使其更加有意义，以便记忆和引用。
例如：
result = re.match(r'^<(?P<name1>[a-z0-9]+)><(?P<name2>[a-z0-9]+)>.*</(?P=name2)></(?P=name1)>$', '<html><h1>sfsaefhvifhgi</h1></html>')
4.3 re.search方法
re.search 扫描整个字符串并返回第一个成功的匹配。匹配成功 re.search 方法返回一个匹配的对象，否则返回 None。
函数语法：re.search(pattern, string, flag=0)函数参数说明：
- pattern：匹配的正则表达式
- string：要匹配的字符串
- flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志
search() 方法一旦匹配成功，就是一个 search object 对象，这个对象有以下几种方法：
- group()：返回被 RE 匹配的字符串
- start()：返回匹配的开始位置
- end()：返回匹配结束的位置
- span()：返回一个元组包含匹配(开始，结束)的位置
re.match与re.search的区别与联系：
- 区别：
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。- 联系：两者的语法重合度非常高，用法几乎相同。
4.4 re.findall方法
re.findall 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。
函数语法：
re.findall(pattern, string, flag=0)或
pattern.findall(string,[, pos[, endpos]])
函数参数说明：
pattern：匹配模式。string：待匹配的字符串。pos：可选参数，指定字符串的起始位置，默认为 0。endpos：可选参数，指定字符串的结束位置，默认为字符串的长度。
4.5 re.sub方法
re.sub 用于替换字符串中的匹配项，返回的是替换的字符串。
函数语法：re.sub(pattern, rep1, string, count=0, flags=0)函数参数说明：
pattern: 正则中的模式字符串。repl: 替换的字符串，也可为一个函数。string: 要被查找替换的原始字符串。count: 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。flags: 编译时用的匹配模式，数字形式。
前三个为必选参数，后两个为可选参数。
- 扩展，多行字符串的定义：
a = """aaaaaaaa
bbbbbbbbbbb
cccccccccc
dddddddddd
eeeeeeeeee"""4.5 re.split方法
split 方法按照能够匹配的子串将字符串分割后返回列表
函数语法：re.split(pattern, string[, maxsplit=0, flag=0])函数参数说明：
pattern：匹配的正则表达式string：要匹配的字符串maxsplit：分割次数，maxsplit=1 分割一次，默认为 0，不限制次数。flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。参见：正则表达式修饰符 - 可选标志
4.6 贪婪与非贪婪
- 贪婪：默认，表示在满足正则的情况尽可能多的取内容
- 非贪婪：表示在满足正则的情况下，尽可能少的取内容
- 贪婪的转变为非贪婪： 在
*、? 、+、{}的后面再加上？就可以了
Python 里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符，非贪婪则是相反，总是尝试匹配尽可能少的字符。例如：
result = re.match('aaa\d+', 'aaa1234')贪婪的匹配结果为aaa1234，而非贪婪的匹配结果为aaa1非贪婪常用在爬虫里获取链接，例如：
<script type="text/javascript" src="https://dss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/js/lib/jquery-1-edb203c114.10.2.js" style="box"></script>，src=".*"贪心结果为：src="https://dss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/js/lib/jquery-1-edb203c114.10.2.js" style="box"，src=".*?"非贪心结果为：src="https://dss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/js/lib/jquery-1-edb203c114.10.2.js"
4.7 r的作用
Python 中在字符串的前面加上 r 表示让字符串中的 \ （转义字符）不起作用，表示为原生字符的含义，即一个斜杠 \
