正则表达式

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个”规则字符串“，这个”规则字符串“用来表达对字符串的一种过滤逻辑。正则表达式每个语言都有，以python为例，相关函数在re包中。
对于一些常用匹配功能，可以参考 https://tool.oschina.net/regex 的表达式模板。

常见匹配模式：

模式	描述
\w	匹配字母数字及下划线
\W	匹配非字母数字下划线
\s	匹配任意空白字符
\S	匹配任意非空字符
\d	匹配任意数字，等价于[0-9]
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
\z	匹配字符串结束
\G	匹配最后匹配完成的位置
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
[…]	用来表示一组字符，单独列出：[amk] 匹配‘a’, ‘m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符
*	匹配0个或多个的表达式，如 .* 匹配任意个任意字符， \s*匹配任意个空白字符；.*?与\s*?是非贪婪模式
+	匹配一个或多个的表达式
?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{n}	精确匹配n个前面表达式
{n,m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a|b	匹配a或b
{}	匹配括号内的表达式，也表示一个组

最常规的匹配 re.match

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。
re.match(pattern, string, flags=0): 三个参数分别代表正则表达式，要匹配的字符串，匹配模式。
最大缺点是必须从字符串的第一个字符开始匹配，所以并不常用。

import re

content = "Hello 123 4567 World_This is a Regex Demo"
print(len(content))
result = re.match("Hello\s\d{3}\s\d{4}\s\w{10}.*Demo$", content)
# 作用和上面是一样的（.* 用的好，方便少不了，.* 表示匹配任意多个任意字符）
# result = re.match("Hello.*Demo$", content)
print(result)
print(result.group())
print(result.span())

41
<re.Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>
Hello 123 4567 World_This is a Regex Demo
(0, 41)

匹配目标

import re

content = "Hello 1234567 World_This is a Regex Demo"
# 把要匹配的目标用（）括起来，然后指定它的左右端点；group(1)表示第一个小括号，group(n)表示第n个小括号
result = re.match("Hello\s(\d+)\sWorld.*Demo$", content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())

<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
Hello 1234567 World_This is a Regex Demo
1234567
(0, 40)

贪婪匹配

import re

# .* 贪婪模式，会匹配尽可能多的字符。由于(\d+)至少要有一个字符，所以.*给(\d+)留了一个7，123456全匹配啦
content = "Hello 1234567 World_This is a Regex Demo"
result = re.match("He.*(\d+).*Demo$", content)
print(result)
print(result.group())
print(result.g