正则表达式

基本概念

正则表达式：字符串的处理方式，是通用的字符串方法。
字符组：同一位置上可能出现的各种字符，方括号之间列出所有可能出现的字符，例如：[0-9a-zA-Z]、[#.?]，注意是一位和一个数。其中字符出现顺序和出现次数对字符组没有影响。
字符组的范围表示法：[ASCII码小的-码大的]

元字符：具有特殊意义的字母，比如-表示范围。若想表达其本身含义，需用转义字符\转义。
排除型字符组：，在字符组方括号开始后加上^，写成[^0-8]，表示当前位置上，匹配一个括号内没有列出的字符，即匹配不是0-8的数字（9）。此外^可以用于正则表达式的开始处，表示起始位置；$可以用于正则表达式的结束处，表示结束位置。^[^0-9][0-9]$表示匹配以非数字开头，数字结尾的两位字符。

常用：
. ：任意字符
字符组[0-9]表示数字，[a-z]表示小写字母，[A-Z]表示大写字母
\d：表示数字 $⟺$[0-9]
\w：表示单词 $⟺$[-0-9a-zA-Z]，单词字符包括数字、字母、下划线；
\s：表示空白字符 $⟺$ [ \t\n\v\r\f](第一个字符为空格)，空白字符是一些特殊转义字符，如\t制表符，\n换行符，\r回车符等等。
\D：表示非数字字符，
\W：表示非单词字符，
\S：表示非空白字符。是对普通字符组简记的互补，利用其互补特性，可以实现全集效果，如[\d\D]、[\w\W]、[\s\S]均可表示匹配任意字符。

量词：
*：重复任意次（0次或多次）
+：重复1次或多次
？：重复0次或1次
{n}：重复n次
{n,}：重复n次或更多次
{n,m}：重复n到m次

贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配。.，*，+适用
后面加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串

参考此博文：https://www.cnblogs.com/shenjianping/p/11647473.html

---

Python之re模块

1.regex = re.compile(pattern)
将pattern编译成可复用的正则表达式对象，一次编译多次使用，有利于节约CPU周期，将相同的pattern应用到多个字符串上时。

2.regex.split(text) ：
将text按pattern分隔

text = "foo   bar\t baz  \tqux"
regex = re.compile('\s+')  # 该pattern匹配所有空白字符
regex.split(text)  # 将text按pattern分隔，['foo', 'bar', 'baz', 'qux']

3.newtext = regex.sub(‘new’,text)
将text中的所有匹配项替换为‘new’

regex.sub(':',text)  # 将text中的所有匹配项替换为‘：’，foo:bar:baz:qux

regex.subn() : 替换第n个出现的匹配串
使用\1,\2,…来引用替换字符串中的匹配组元素

4.regex.findall(text) ：查看text中所有能够匹配到的模式
regex.search(text) ：返回text中第一个匹配项
regex.match(text) ：只在pattern出现在text起始位置时才匹配，没有匹配到返回None

regex.findall(text)  # 查看text中所有能够匹配到的模式：['   ', '\t ', '  \t']
regex.search(text)  # 返回text中第一个匹配项：match='   '
regex.match(text)   # 只在pattern出现在text起始位置时才匹配，没有匹配到返回None