史上最详细python正则表达式

什么是正则

正则的目的

• 数据挖掘
  从一大堆文本中找到一小堆文本时。如，从文本是寻找email, ip, telephone等

• 验证
  使用正则确认获得的数据是否是期望值。如，email、用户名是否合法等

• 非必要时慎用正则，如果有更简单的方法匹配，可以不使用正则

• 正则表达式的优缺点
  优点：提高工作效率、节省代码
  缺点：复杂，难于理解

re模块基本用法

官方文档

re模块基本用法-search

• re.search
  接受一个正则表达式和字符串，并返回发现的第一个匹配
  如果完全没有找到匹配，re.search返回None

re模块基本用法-match

从字符串头查找匹配项
接受一个正则表达式和字符串，从主串第一个字符开始匹配，并返回发现的第一个匹配。
如果字符串开始不符合正则表达式，则匹配失败，re.match返回None

re模块基本用法-raw

r’sanle’ 中的r代表的是raw（原始字符串）
原始字符串与正常字符串的区别是原始字符串不会将\字符解释成一个转义字符
正则表达式使用原始字符很常见且有用

re模块基本用法-match对象

• match.group(default=0)：返回匹配的字符串。
  • group是由于正则表达式可以分拆为多个只调出匹配子集的子组。
  • 0是默认参数，表示匹配的整个串，n 表示第n个分组
  
• match.start()
  start方法提供了原始字符串中匹配开始的索
  
• match.end()
  end方法提供了原始字符串中匹配开始的索引
  
• match.groups()
  groups返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。
  

re模块基本用法-findall

查找并返回匹配的字符串，返回一个列表
假如里面有分组,只会打印分组的内容,(?:xxx)取消分组

re模块基本用法-finditer

查找并返回匹配的字符串，返回一个迭代器

re模块基本用法-sub

re.sub(‘匹配正则’,‘替换内容’,‘string’)
将string中匹配的内容替换为新内容

re模块基本用法-compile

• 编译正则：re.compile(‘匹配正则’)

   reg = re.compile(r'l+')
   result = reg.search(Zen)
   print(result, type(result))

• 编译正则的特点

	• 复杂的正则可复用。
	• 使用编译正则更方便，省略了参数。
	• re模块缓存它即席编译的正则表达式，因此在大多数情况下，使用compile并没有很大的性能优势

基本正则匹配

最简单的正则表达式是那些仅包含简单的字母数字字符的表达式，复杂的正则可以实现强大的匹配

基本正则匹配-区间 []

• 正则匹配区分大小写
  
• 匹配所有字母：[a-zA-Z]
• 匹配所有字母及-：[a-zA-Z-]

基本正则匹配-或匹配 a|b

基本正则匹配-取反 [^abc]

匹配a+非小写字母

基本正则匹配-任意字符(占位符)

• "."占位符
  匹配任何（除\n外）的单个字符，它仅仅只以出现在方括号字符组以外
  

基本正则匹配-快捷方式

• 匹配字母数字
  
• 匹配非字母数字
  

基本正则匹配-开始与结束 ^, $

• 匹配以python开头：^python
• 匹配以python结尾：python$

正则重复

正则重复-通配符：？，*，+

• 通配符：“？”: 匹配指定的字符（组）出现0次或1次
  
• 通配符：“*”: 匹配指定的字符（组）出现任意多次
  
• 通配符：“+”:匹配指定的字符（组）出现1次以上
  
• 通配符：“{n, m}”: 匹配指定的字符（组）出现1次以上

基本正则匹配-贪婪与非贪婪模式

• 贪婪模式（.*）: 匹配尽可能多的字符-默认模式
• 非贪婪模式（.*?）: 正则 \d*?
• 匹配出 <div>test1</div>， <div>test2</div>

正则分组

正则分组-简单分组

当使用分组时，除了可以获得整个匹配，还能够获得选择每一个单独组，使用 () 进行分组

• 简单分组
  
  当使用分组时，除了可以获得整个匹配，还能够获得选择每一个单独组，使用 () 进行分组

• 分组不匹配（?:规则）: 表示将()仅用于组合字符串，不识别为分组

正则分组-命名分组:（？P规则）

正则分组-引用分组

使用()分用，用\0, \1, \2引用 （\0表示匹配的整个串）

正则标记

正则标记-第三个参数

基本正则匹配-内联标记

正则断言

正则表达式断言

正则表达式的断言分为：先行断言(lookahead)和后行断言(lookbehind)
正则表达式的先行断言和后行断言一共有4种形式：
n (?=pattern) 零宽正向先行断言(zero-width positive lookahead assertion)
n (?!pattern) 零宽负向先行断言(zero-width negative lookahead assertion)
n (?<=pattern) 零宽正向后行断言(zero-width positive lookbehind assertion)
n (?<!pattern) 零宽负向后行断言(zero-width negative lookbehind assertion)

• 零宽
  • ^python
• 正向、负向
  • 正向：匹配(?=pattern)/(?<=pattern)
  • 负向：不匹配(?!pattern)/(?<!pattern)
• 先行、后行
  • 先行：向后匹配(?=pattern)/(?!pattern)
  • 后行：向前匹配(?<=pattern)/(?<!pattern)
• 零宽正向先行断言：(?=pattern)
  • 代表字符串中的一个位置，紧接该位置之后的字符序列能够匹配pattern。
  • 匹配字符串re，后面能接gular(但不匹配宽度
  
• 零宽负向先行断言：(?!pattern)
  • 代表字符串中的一个位置，紧接该位置之后的字符序列不能匹配pattern。
  • 匹配字符串re，但是后面不能接gular
  
• 零宽正向后行断言：(?<=pattern)
  • 代表字符串中的一个位置，紧接该位置之前的字符序列能够匹配pattern。
  • 匹配gular，但前面必须是re
  
• 零宽负向后行断言 ：(?<!pattern)
  • 代表字符串中的一个位置，紧接该位置之前的字符序列不能匹配pattern。
  • 匹配gular，但前面不能是re