正则化学习

总结一下最近学的正则化知识，里面有一些自己的理解。如果有错，欢迎讨论。

概念捋清：我的理解是正则化表达是通过一组符号表达一种字符串组织结构，相当于用一个表达式表示了一个字符串组合的集合。

首先考虑单个匹配，从表达式的基本符号开始着手。

1.非重复选择：

系统给定选择：\d 数字，\s 空格，\w 字母或者数字 . 任意字符。把小写变大写代表非，比如\D表示非数字

自定义选择：1.1  | 表或，如ac|bc，[abc] 表示这个位点字符为方括号中的一个，括号内字符串是拆开了或的关系，在[]中加入^表示非。

注：字符串或者表达式有位置关系，而或是没有位置关系的，比如原字符串为ac，考虑[c,b]|[a,b]，其实效果与[a,b,c,d]一样，^只能在[]里表示非的意思

2.重复选择：

系统给定选择：？0或1次，+ 次数大于等于1 ，*任意次数。

注：？在正则化中通常表示要进行一些特殊操作

注：通常匹配的时候都是贪婪模式，即会输出匹配最多的情况，如原字符串为abbbbb，正则表达式为ab+，则会输出abbbbb，加上？后变为非贪婪模式，如ab*？，输出为ab

自定义选择：a{n} a重复n次,a{n,m} a重复 n到m 次。

字符串组合重复：使用（），如（ab）{3}

注：在re函数中，括号还有分组的意思，如果想要取消分组，公式为（？：string）,如（？：abc）{3}，具体后面探讨。

3.位置确定：

每行的：^开头 $结尾

全文性质的：\A  开头 \Z 结尾

分隔：\b 大写为非的意思 

注：在使用re.search('\ba','a a').group()的时候报错，改为re.search(r'\ba','a  a')后成功。

为什么要用 r'\ba'或‘\\ba’才能在‘a a’中匹配出a？

正则表达式匹配反斜杠"\"，为什么是"\\\\"或是 r"\\"呢？
因为在正则表达式中\为特殊符号，为了取消它在正则表达式中的特殊意义需要加一个\就变成了\\，但是问题又来了，\也是字符串中的特殊字符，所以又要分别对两个\取消其特殊意义，即为\\\\。Python中有一个原始字符串操作符，用于那些字符串中出现特殊字符，在原始字符串中，没有转义字符和不能打印的字符。这样就可以取消了\在字符串中的转义功能，即r"\\"。也就是说\b并不是正则表达式的命令，而是字符串的命令？正则表达式中的\和字符串中的\在命令出现重叠的时候是不一样的,正则表达式在更底层，要后进行转意，也就是先生成字符串，再在字符串的基础上进行正则表达，‘\ba’生成字符串就是退格a，需要再加一个\,这样生成的字符串才是\ba，如果命令不重叠就会直接生成\，可以尝试print ‘\dr’，结果为'\dr'.那么r‘’转的到底是字符串的转意还是正则化的转意？考虑r‘\ba’,作用在1a上，如果去掉的是正则化转意应该没有输出，所以去掉的应该是字符串的，但是这样有一个逻辑缺陷，如果‘\ds’是先变成字符串再用正则化表示，'\ds'是's'，那么‘s’应当可以用‘\ds’输出，但是用程序表示出来会报错，个人理解是为了实现对字符串所有结构的识别，字符串中的\d被编译成了其他的编码，从这个角度出发，‘\ds’ 字符串应该可以用'\ds'识别，re.search('\ds','\ds').group()，结果为‘\x08s’,所以这个理解应该是对的。

4.分组

（？P<name>） 把括号内匹配定为name组（原有排序组名仍在）

/number 引用第number组的字符串，如原字符串‘1a2a2’,'(\d)a\1',会输出2a2

（？p=name）引用name组的字符串,

5.其他

（？mode）string 表示用某种模式对后面string进行匹配

6.条件选择

a（？=string）表示a后为string表达式，但是该位置不输出，相当于一个条件选择，如a（？='b'）,输出后面为b的a

a（？!）和上面相反

a（？<=）a之前的内容匹配后才能输出

a（？<！）和上相反

（？（name）true|false）如果name组的字符串匹配到了就要匹配true表达式， 否则匹配false表达式。

先到这，有空继续补

  re核心函数

findall

match

search

compile

sub

split