Python正则表达式

1, 匹配普通字符
    'abc'
    re.findall('abc','abcdefgabc')

2, 或    |
    元字符:  ab|bc
    匹配规则：匹配2遍任意一个正则表达式
    re.findall('ab|bc','abcdefgbc')
3, 元字符 .
    匹配规则： 匹配除了换行之外的任意字符
    >>> re.findall('f.o','foo is not fao or feo')
    ['foo', 'fao', 'feo']
4, 匹配开头位置： ^
    匹配规则： 匹配一个字符串的开始
     ^Error
    
5, 匹配结束位置： $
    .py$    
    
6， 匹配重复，元字符 *
    匹配规则： 匹配前面的正则表达式重复0次或多次
    fo*    -->  foo  f   fooooooo

7,     匹配重复，元字符: +
    匹配规则，匹配前面的正则表达式重复1次或多次
    ab+ -->  ab, abb, abbbbb
8,  匹配重复：? 
    规则： 匹配前面的正则表达式重复0次或1次
    ab? --> a ab
    
9,  匹配重复 {n}
    规则： 匹配指定的重复次数
    ab{4} --> abbbb
    
10, 匹配规则：{m,n}
    规则： 匹配前面的正则表达式重复m次到n次
    ab{3,5}  ,  abbb, abbbb, abbbbb
    
11, 匹配字符集合
    元字符[]
    规则： 匹配括号范围内任意一个字符
    [a-z]
    [A-Z]
    [0-9]
    [abc123]
    [0-9a-zA-Z]

12, 匹配字符集合
    元字符 [^...]
    匹配除指定字符集之外的任意字符
    [^A-Z]
    
13, 匹配任意(非)数字字符
    元字符: \d \D
    规则： \d匹配任意数字字符， \D 匹配任意非数字字符 
    等价于[0-9] [^0-9]

14, 匹配(非)普通字符，  数字字母下划线
    元字符\w     \W
    匹配规则： \w 任意普通字符， \W 任意非普通字符
    等价于 [_0-9a-zA-Z]
    
15,  匹配空字符 或 非空字符
    元字符  \s \S
    规则： \s 任意空字符， \S 任意非空字符
    等价于 [ \n\r\t]    
    
16, 匹配起止位置
    元字符: \A    \Z
    规则： \A 匹配开始位置 \Z 匹配结束位置
    用于绝对匹配；等同 ^  $
    eg
    匹配特定路径： 例如想从文本中匹配/export/data/mysql ，只匹配这个目录，不匹配其他；
    re.findall('/\w+/\w+/\w+','/export/data/mysql/log')        
    re.findall('\A/\w+/\w+/\w+\Z','/export/data/mysql/log')
    re.findall('\A/\w+/\w+/\w+\Z','/export/data/mysql  abc')    等同
    re.findall('^/\w+/\w+/\w+$','/export/data/mysql')

17, 匹配（非）单词边界
    元字符: \b \B
    规则： \b 匹配单词的边界， \B匹配非单词边界
    单词边界： 数字字母下划线\w  和其他字符\W的交界位置为单词边界
    

r: 原始字符串，让转义功能失效
re.findall(r'is','This is a testing..')             匹配两个is
re.findall(r'\bis\b','This is a testing..')        匹配第二个is
re.findall(r'\bis\b','This is a testing..')        匹配第一个is

    
eg
re.findall('[A-Z]\w+','hello World, China. ###')

re.findall('[A-Z]\w+#*','hello World, China##  ###')

练习： 

匹配IP地址
s = "2019-01-03 15:44:56 18075 [Note] Server hostname (bind-address): '172.20.18.13'; port: 3358"
re.findall('\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}',s)

匹配8-10位密码，必须以数字开头，数字字母下划线组成
re.findall(r'\b\d\w{7,9}\b','this is my password: 1Password ')

元字符总结：
匹配单个字符： a     .    \w    \W    \d     \D    \s    \S        [...]        [^...]
匹配次数        *    +    ?        {N}        {n,m} 
匹配位置：     ^     $    \A    \Z    \b    \B    
其他：         |    ()    \

    
转义符：一些特殊符号具有特殊作用，并不是代表本身含义，如果需要表示本身含义，则需要转义

特殊含义发符号：  .  * ? +  ^ $  '' "" [] {} () \ 

re.findall('\"\.\"','this is "." ')

r -- raw 原生字符串

s = r'\"\.\"'
    
    
    
贪婪和非贪婪
1， 正则表达式匹配的时候，会尽可能多的向后匹配；重复次数不确定时产生贪婪模式
    *     +    {n,m}    ?    
        >>> re.findall('ab*','abbbbbbbb')
        ['abbbbbbbb']
非贪婪模式： 尽可能少的匹配，满足正则表达式含义即可，多一点思考？
贪婪--> 非贪婪  *?    +?    ??    {n,m}?

正则表达式分组
使用() 可以为正则表达式建立一个子组，子组可以看做一个内部的整体

子组的作用
1， 增加子组后对正则表达式整体的匹配内容没有影响
2， 子组可以改变重复元祖字符的重复行为；
3， 子组在某些操作中可以对子组匹配内容进行单独提取

子组的注意事项
1，每个正则表达式可以有多个子组；由外到内，由左到右 为第一子组，第二子组...
2，如果正则表达式有子组的话，则只会显示子组匹配到的内容，而不会匹配整体所显示的内容。如果需要整体匹配的内容则在外围加个子组

捕获组和非捕获组（命名组和非命名组）

子组命名格式：
(?P<name>abc)    name即该子组名字

重复调用：
(?P=name)

1， 为了编程方便，很多编程接口可以直接通过名字获取子组匹配内容
2， 捕获组中的正则表达式可以通过名字重复调用

(?P<dog>ab)cdef(?P=dog)