Python 学习笔记-第4讲：正则表达式和列表

一、正则表达式

1. 定义

正则表达式 （regular expression）是一种非常强大的字符串操作工具。

啥是“正则”呢，瞅着汉字审视半天也没想明白到底是啥意思，还是看看它的英文本体长啥样吧：“regular expression”？规则的、有规律的表达式？到底是哪位“科学家”给翻译出“正则”这么高大上的名字的！分明就不想让中国人看懂嘛。

2. 用途：

这种“符合一定规则的、有规律的表达式”能干嘛呢？百度百科是这样讲的：

    给定一个正则表达式和另一个字符串，我们可以达到如下的目的：
    1. 给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）：        # 1. 格式判断，比如判断电子邮件地址是否符合格式要求
    2. 可以通过正则表达式，从字符串中获取我们想要的特定部分。               # 2. 提取数据，爬虫是不是就是干这个呀

3. Python 中的 re 模块

必须首先导入 re 模块，然后才能使用相关的正则表达式函数和方法。

4. 正则表达式中的通配符（元字符）

• .                    匹配任意字符（不包括换行符）
• ^                    匹配开始位置，多行模式下匹配每一行的开始
• $                    匹配结束位置，多行模式下匹配每一行的结束
• *                    匹配前一个元字符0到多次
• +                    匹配前一个元字符1到多次
• ?                    匹配前一个元字符0到1次
• {m,n}                匹配前一个元字符m到n次
• \\                   转义字符，跟在其后的字符将失去作为特殊元字符的含义，例如\\.只能匹配.，不能再匹配任意字符
• []                   字符集，一个字符的集合，可匹配其中任意一个字符
• |                    逻辑表达式 或 ，比如 a|b 代表可匹配 a 或者 b
• (...)                分组，默认为捕获，即被分组的内容可以被单独取出，默认每个分组有个索引，从 1 开始，按照"("的顺序决定索引值
• (?iLmsux)            分组中可以设置模式，iLmsux之中的每个字符代表一个模式,用法参见 模式 I
  
• (?:...)              分组的不捕获模式，计算索引时会跳过这个分组
• (?P<name>...)        分组的命名模式，取此分组中的内容时可以使用索引也可以使用name
• (?P=name)            分组的引用模式，可在同一个正则表达式用引用前面命名过的正则
• (?#...)              注释，不影响正则表达式其它部分,用法参见 模式 I
• (?=...)              顺序肯定环视，表示所在位置右侧能够匹配括号内正则
• (?!...)              顺序否定环视，表示所在位置右侧不能匹配括号内正则