正则表达式（有疑问请留言，及时回复）
一：首先了解什么是正则表达式，当我们注册邮箱时，会提示输入手机号，当我们输入如下所示的内容后，会提示输入正确的手机号
那么，如何知道输入的内容（字符串）不是正确的手机号呢？服务器有一个校验手机号的规则，如手机号必须11位数字，不能包含字母的规则，如何把这个规则描述出来，即让计算机能读懂这个规则，这种描述的语法就是正则表达式。正则表达式就是描述了一个规则的表达式。
例如，linux中的命令 ls *.txt 是列出当前目录下的所有的以 .txt 结尾的文件，这个星号描述的就是一种规则：任意文件名，只要是以 .txt 结尾的文件都要列出。
二：正则表达式又称正规表示式等，是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换哪些匹配某个模式的文本。
一：re模块
在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块：re
二：re模块的使用过程
re.match 是用来进行正则匹配检查的方法，若字符串匹配正则表达式，则match方法返回匹配对象（Match Object），否则返回None。
匹配对象Match Object具有group方法，用来返回字符串的匹配部分。
# 导入re模块
import re
# 使用match方法进行匹配操作
# 应用到手机号的情景上，括号内的参数“正则表达式”就是服务器对于手机号的规则
# 参数“要匹配的字符串”就是输入框中你输入的内容
result = re.match(正则表达式, 要匹配的字符串)
# 如果要匹配的字符串满足正则表达式，则match方法返回匹配对象（Match Object），赋给对象变量result，由对象变量 result 调用group方法
result.group()
三：练习使用re模块
import re
# pattern是模式，规则的意思，定义正则表达式规则
# 定义规则是一个普通的字符串
pattern = "itcast"
# 定义一个要匹配规则的字符串
s = "itheima"
# 调用match方法,用变量result接收
result = re.match(pattern, s)
print(result)
# 因为不匹配，所以输出None
import re
pattern = "itcast"
s = "itcast"
result = re.match(pattern, s)
# result.group()返回符合规则的字符串
print(result.group())
# 输出 itcast
import re
result = re.match("itcast", "itcastitheima")
# result.group() 返回符合规则的字符串，但 itcastitheima 后边有多处的字母，我们也称这样的情况为符合规则的，只不过输出的是 itcast
print(result.group())
# 输出 itcast
re模块的match方法也可以通过下方的代码来实现
"itcastitheima".startswith("itcast")
四：表示字符
| 字符 | 功能 |
|---|---|
| . | 匹配任意一个字符（除了\n） |
| [] | 匹配[]中列举的字符 |
| \d | 匹配数字，即0-9 |
| \D | 匹配非数字，即不是数字（若是匹配中文，用\D） |
| \s | 匹配空白，即空格，tab键 |
| \S | 匹配非空白 |
| \w | 匹配单词字符，即a-z、A-Z、0-9、… |
| \W | 匹配非单词字符 |
注意：手机号的 re.match(“1[34578]\d\d\d\d\d\d\d\d\d”, “13456789012”)
中的\d重复了九次，那么有没有一种可以表示数量的字符呢。
五：表示数量
| 字符 | 功能 |
|---|---|
| * | 匹配前一个字符出现0次或者无限次（指的是无穷多个数字，不是11111…出现即重复1无限次） |
| + | 匹配前一个字符出现1次或者无限次，即至少有1次 |
| ? | 匹配前一个字符出现1次或者0次，即要么有1次，要么没有 |
| {m} | 匹配前一个字符出现m次 |
| {m,} | 匹配前一个字符至少出现m次 |
| m,n} | 匹配前一个字符出现从m到n次 |
可以用{m}的方式来规定具体重复的次数：
到现在为止，我们已经简化了输入手机号的规则：
六：原始字符串（以后所有的正则表达式的规则都使用 r）
当字符串中包含转义字符时，要匹配规则的转义字符就要加倍：可以使用原始字符串的 r
加上 r，原样输出字符串：
注意：r 只是使\n、\t等转义字符失去作用，并不会将 \w、\d等表示字符失去作用
七：表示边界
| 字符 | 功能 |
|---|---|
| ^ | 匹配字符串开头（在match方法中体现不出来，因为match本身就是从左向右匹配） |
| $ | 匹配字符串结尾 |
| \b | 匹配一个单词的边界 |
| \B | 匹配非单词边界 |
注意：^和$在linux中有类似的应用，在vi编辑文件时，不进入编辑模式，只是让光标跳到尾部或者首部，首部用^，尾部用$
一般我们在用正则表达式规则时，要用^开头和$结尾。
介绍\b：
介绍\B：
八：匹配分组
| 字符 | 功能 |
|---|---|
| 匹配左右任意一个表达式 | |
| (ab) | 将括号中字符作为一个分组 |
| \num | 引用分组num匹配到的字符串 |
| ?P<name> | 给分组起别名，用在分组()中，不单独为?P<name>加()了,如这行代码re.match(r"<(?P<key1>.+)><(?P<key2>.+)>.+</(?P=key2)></(?P=key1)>", s) |
| (?P=name) | 引用别名为name分组匹配到的字符串 |
示例一：匹配出0-100之间的数字
改进一下：
二：从字符串中提取特定的部分，比如从路径/book/med/inner中提取//之间的字符串是什么。或者在网页从服务器端传送给客户端的过程中，客户端的socket.recv("<h1>匹配分组</h1> 其他字符")，接收了一个字符串，字符串中包含一级标题"匹配分组"的样式信息，但我们有时（比如做爬虫的时候），就是想要爬取<h1></h1>一级标题里所包括的内容是什么，一个网页里可能有多个标题，定义一级标题的方法就是<h1></h1>不会变，会变得是标题内容，所以我们要用正则表达式，将<h1></h1>中的标题内容接收下来。
(ab)的作用：字符()的功能是：在进行匹配的时候，re模块会将()中的内容作
为中间变量存储下来，方便group()和groups()调用
第二个功能是：方便\num调用（后边会讲到）
group()的参数：
还有一个groups()方法，groups方法返回一个元组，元组的内容是：所有的()都展示出来。
上面的group()和groups()的功能是将匹配到的内容提取出来。下边介绍一种情况：只需要匹配即可，不需要提取出匹配到的内容。
如：s = “<html><h1>itcast</h1></html>”
现在规则如下：首先四个<>括起来的内容，而且第一个<>中的内容和第四个相同（除去/的内容），第二个和第三个<>的内容相同才符合规则，则match()内的规则如何定义：
下面就用到了匹配分组中的字符(ab)和\num：
示例二：定义一个邮箱格式的规则
?P<name>和(?P=name)详解：
如果我们使用到的字符()太多，我们不可能记住哪一个\num对应哪一个()，这时我们需要用到?P<name>和(?P=name)
九：re模块的高级用法
search
re模块的search()方法，search(正则表达式, 要匹配的参数)
与match()方法不同，match()默认从左向右匹配，第一个字符满足规则，接着匹配下一个字符。但seach()方法只要要匹配的参数中，有满足正则表达式的字符或字符串就行。如下图search()的用法：
的字符串，就停止匹配。
findall
返回所有匹配到的结果：（对比search只返回第一个匹配到的结果）
sub
将匹配到的数据进行批量替换
re.sub(匹配规则, 替换的内容, 进行匹配的字符串)
补一个知识点：python中""" “”“的三对”"可以当作多行注释，另一个作用是原样保留字符串的完整格式，详见视频12_re的高级用法38:20处。
sub()方法例题：
split
split()方法根据匹配及进行切割字符串，并返回一个列表
注意上方代码()有无输出的区别。
十：贪婪模式
python里的数量词默认是贪婪的：
关闭贪婪模式：用非贪婪操作符?, 这个操作符可以用在 . + ? 的后面，要求正则匹配的越少越好。
提取出图片的链接：
不用?又会进入贪婪模式。
例题：提取网址http://www.interoem.com/messageinfo.asp?id=35中的http://www/interoem.com
lambda表达式中的x是整个匹配规则的字符串，在这里就是http://www.interoem.com/messageinfo.asp?id=35整个字符串。
结尾：正则表达式到此结束，文末福利：视频讲解：https://www.bilibili.com/video/av42206116?
itcast-itheima
1796
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
