【学习笔记】正则表达式（一）

Note:本学习笔记是根据小甲鱼的Python3如何优雅地使用正则表达式（详解一）整理而来的

正则表达式（Regular Expressions，也称REs）是一个高度专业化的编程语言。它被嵌入Python中，并通过re模块提供给程序用。使用正则表达式，需要指定一些规则来描述希望匹配的字符串集合。这些字符串集合可能包含英语句子，Email地址，需要的URL地址。Python的正则表达式引擎是用C语言写的，所以效率很高。
先来讲解一下元字符，它们并不能匹配自身，它们定义了字符类、子组匹配和模式重复次数等。
下边是元字符的完整列表：
.   ^  $  *  +  ? { }  [  ]  \  |  ( )
(1)先来讲解方括号[ ]，它们指定一个字符类用于存放你需要匹配的字符集合，可以单独列出需要匹配的字符，也可以通过两个字符和一个横杆-指定匹配的范围。例如[abc]会匹配字符a，b，c；[a-c]可以实现相同的功能。
注意：元字符在方括号中不会触发“特殊功能”，在字符类中，它们只匹配自身。例如[a$]会匹配任何字符'a'，'$'，'$'是一个元字符，但在方括号中它不表示特殊含义，它只匹配'$'字符本身。
(2)你还可以匹配方括号中未列出的所有其他字符，做法是在类的开头添加一个脱字符号^，例如[^5]会匹配除了'5'之外的任何字符。
(3)最重要的元字符是反斜杠\了。跟Python的字符串规则一样，如果在反斜杠后边紧跟着一个元字符，那么元字符的“特殊功能”也不会被触发。当你需要匹配符号[或\，你可以在它们前面加上一个反斜杠，已消除它们的特殊功能：\[，\\。反斜杠后边跟一些字符还可以表示特殊的意义。
反斜杠后边跟元字符去除特殊功能，反斜杠后边跟普通字符实现特殊功能


\w匹配任何单词字符
\d匹配任何十进制数字，相当于类[0-9]
\D与\d相反，匹配任何非十进制数字的字符，相当于类[^0-9]
\s匹配任何空白字符（包括空格、换行符、制表符等），相当于类[\t\n\r\f\v]
\S与\s相反，匹配任何非空白字符，相当于类[^\t\n\r\f\v]
\w匹配任何单词字符
\W与\w相反
\b匹配单词的开始或结束
\B与\b相反


举例：[\s,.]是一个字符类，它将匹配任何空白字符（/s的特殊含义），','或'.'。
(4)元字符. ，它匹配除了换行符以外的任何字符，如果设置了re.DOTALL标志，它匹配换行符在内的任何字符。
[size=18px]重复功能[/size]
正则表达式可以指定RE部分重复的次数。
1.元字符*用于指定前一个字符匹配零次或多次。如ca*t将匹配ct(0个字符a)，cat（1个字符a），caaat（三个字符a）等等。


正则表达式默认的重复规则是贪婪的，当你重复匹配一个RE时，匹配引擎会尝试尽可能多的匹配，直到RE不匹配或者到了结尾，匹配引擎就会回退一个字符，然后再继续尝试匹配。


举个栗子  表达式a[bcd]*b，匹配字符串abcbd的结果是怎么样
步骤一：匹配a，匹配RE的第一个字符'a'
步骤二：匹配abcdb，引擎在符合规则的情况下尽可能的匹配[bcd]*，直到该字符串的结尾
步骤三：匹配失败，引擎尝试匹配RE最后一个字符'b'，但当前位置已经是字符串的结尾，所以失败。
步骤四：匹配abcb，回退一个字符
步骤五：匹配失败，因为字符串最后一个字符是'd'，不是RE中的最后一个字符'b'
步骤六：匹配abc，再次回退一个字符
步骤七：匹配abcb，匹配成功。
匹配结果是abcb


2. 元字符+，用于指定前一个字符匹配一次或多次。
注意：*和+的区别是，*匹配的是零次或多次，所以被重复的内容可能压根不会出现；+至少需要匹配一次，如ca+t不会匹配ct
3. 元字符？，用于指定前一个字符匹配零次或者一次，可以想成把前一个字符当成可选的内容，例如小？甲鱼可以匹配小甲鱼或者甲鱼。
4. 元字符{m,n}（m和n都是十进制整数），它的含义是前一个字符必须匹配m次到n次之间。例如a/{1,3}b会匹配a/b，a//b，a///b。也可以省略m或者n，如果是{,n}相当于{0,n};如果是{m,}相当于{m,无穷大}，需要注意的是正则表达式里不能随便加空格。


*与{0,}等价
+与{1,}等价
？与{0,1}等价


但是还是鼓励大家记住* + ?，一方面是因为字符更短容易阅读，另一方面是因为匹配引擎对其做了优化，效率更高。