正则表达式

函数名称	语法	功能
re.match()	re.match(pattern, string, flags=0)	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。
	re.match('www', 'www.runoob.com').span()	span()的作用：返回匹配值的下标
	print("matchObj.group() : ", matchObj.group())	group()返回match匹配到的字符串，从1开始
re.search	re.search(pattern, string, flags=0)	扫描整个字符串并返回第一个成功的匹配。
re.sub	re.sub(pattern, repl, string, count=0, flags=0)     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。	检索和替换
re.compile	re.compile(pattern[, flags])          -                                                                  -              -pattern : 一个字符串形式的正则表达式 flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为： re.I 忽略大小写 re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境 re.M 多行模式 re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符） re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库 re.X 为了增加可读性，忽略空格和 # 后面的注释	用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

正则表达式	功能
r’#.*$'	它表示匹配以#开头的任意字符，直到行末。其中，r表示使用raw string，这样可以避免转义字符的影响。#表示匹配#字符，.*表示匹配任意字符（除了换行符），$表示匹配行末
r’\D’	表示除了数字之外的任意字符。其中，r代表原始字符串，\D是正则表达式中的元字符，表示匹配任意非数字字符。因此，使用r’\D’可以方便地匹配任意非数字字符，例如字母、空格、标点符号等等。
r’\d+’	它表示匹配一个或多个连续的数字。其中 r 表示原始字符串，\d 表示任意数字字符，+ 表示匹配一个或多个前面的字符。如果应用到文本中，它将匹配到所有连续的数字。比如，字符串 ‘abc123def456’ 中就可以匹配到 ‘123’ 和 ‘456’。这种正则表达式在数据清洗和文本处理中非常常见。
‘(?P<value>\d+)’	具有命名组的正则表达式，其中，‘(?P<value>\d+)’ 是一个具有命名组的正则表达式，它可以匹配一个或多个数字，并将其命名为 ‘value’。
<_sre.SRE_Match object at 0x10a42aac0>	是Python中使用re（正则表达式）模块时可能会看到的一个对象表示。这表示一个正则表达式的匹配对象（match object），它是由re模块的某个函数（如search(), match(), findall()等）在字符串中成功找到匹配项时返回的。     这个对象包含了很多有用的信息，比如匹配的位置、匹配的文本等。但是，直接打印这个对象时，你通常会看到像<_sre.SRE_Match object at 0x10a42aac0>这样的输出，它表示这是一个SRE_Match对象，并且给出了它在内存中的地址（在这个例子中是0x10a42aac0）
group([group1, …]) 方法	用于获得一个或多个分组匹配的字符串，当要获得整个匹配的子串时，可直接使用 group() 或 group(0)；
start([group]) 方法	用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；
end([group]) 方法	用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；
span([group]) 方法	返回 (start(group), end(group))。
r'([a-z]+) ([a-z]+)'	用于匹配特定文本模式的字符串。                                        r：原始字符串前缀，表示字符串中的反斜杠 \ 不应该被转义。 ([a-z]+)：这是一个捕获组（capturing group），它会匹配一个或多个（由 + 表示）小写字母（由 [a-z] 表示）。捕获组允许你之后通过索引或名称来引用匹配的文本。 空格：匹配一个空格字符。 ([a-z]+)：又是一个捕获组，同样匹配一个或多个小写字母。 整个正则表达式会匹配两个由空格分隔的小写字母序列，并将它们分别捕获到两个组中。
r'(\w+)=(\d+)'	(\w+)：这是一个捕获组，\w 匹配任何单词字符，等价于 [a-zA-Z0-9_]。+ 表示匹配一个或多个这样的字符。所以，这个捕获组会匹配一个或多个单词字符，并将它们作为一个整体捕获。
	=：匹配等号字符 =。
	(\d+)：这是另一个捕获组，\d 匹配任何数字，等价于 [0-9]。+ 同样表示匹配一个或多个这样的字符。因此，这个捕获组会匹配一个或多个数字，并将它们作为一个整体捕获。
	整个正则表达式会匹配形如“键=值”的字符串，其中键是由一个或多个单词字符组成的，值是由一个或多个数字组成的，并且它们之间由一个等号 = 分隔。
r'(.*) are (.*?) .*'	首先，这是一个字符串，前面的一个 r 表示字符串为非转义的原始字符串，让编译器忽略反斜杠，也就是忽略转义字符。但是这个字符串里没有反斜杠，所以这个 r 可有可无。
	(.*) 第一个匹配分组，.* 代表匹配除换行符之外的所有字符。
	(.*?) 第二个匹配分组，.*? 后面多个问号，代表非贪婪模式，也就是说只匹配符合条件的最少字符
	后面的一个 .* 没有括号包围，所以不是分组，匹配效果和第一个一样，但是不计入匹配结果中。

 

常见的正则表达式

\d：数字

\W：非英文数字下划线的任意字符

\s：任意空白字符

\B：非单词开始或结尾的位置

.表示非换行符的任意字符

*表示匹配前面子表达式0次或多次

+表示匹配前面子表达式1次或多次

?表示匹配前面子表达式0次或1次

(?=a)表示匹配a前面的字符

(?<!a)表示匹配前面不是a的字符

(?<=a)表示匹配a后面的字符

(?!a)表示匹配后面不是a的字符

贪婪匹配：表示尽可能多的匹配，常见写法是.*

懒惰匹配：也叫非贪婪匹配，表示尽可能少的匹配，常见写法是.*?

 

返回对象该怎么输出
.groupdict()	打印research()捕获到的列表
for match in matches:                                 print("Key:", match[0], "Value:", match[1])	for循环输出