Python学习之Part24.正则表达式基础

1.正则表达式介绍

 正则表达式是用来匹配字符串内容的一种规则，许多程序设计语言都支持利用正则表达式进行字符串操作，例如python中的re模块就是正则模块，此模块中的方法可以支持正则表达式的使用，正则表达式常用于处理文本信息，本文记录一些正则表达式的基础知识。
 介绍一个正则表达式在线测试的网页：正则表达式在线测试

2.字符组

介绍： 在同一位置上可能出现的各种字符组成了一个字符组，在正则表达式中用 [] 表示
   字符可以是很多类型，如字母、数字、标点等

用法：[所需要匹配字符] – 从左到右，范围应从小到大

示例：

字符组	含义
[abcdef]	匹配字符 abcdef
[0-9]	匹配 0~9 的数字
[a-z]	匹配 a~z 的字母
[a\-z]	匹配字母 a 或 z 或符号 -
[a-zA-Z0-9]	匹配小写字母 a~ z，大写字母A~Z，数字0~9，即所有的字母和数字
[A-z]	可以匹配上所有的大小写字母和一些特殊符号

说明：
1). 由于在正则表达式中，’ - ’ 是关键字符，所以在我们需要匹配时，要使用 ‘ \ ’ 进行转义；
2). 当我们使用 [A-z] 这样的规则时，匹配到的不只是字母a~Z，由于在ASCII码中，A~z中间还有几个字符，所以若待匹配字符串中有相应的字符也会被匹配上；
举例如下：

3.元字符

介绍： 元字符是在使用正则表达式时一些既定的匹配规则

示例：

元字符	匹配规则
.	匹配除了换行符以外的任意字符
\w	匹配 数字、字母、下划线（word)
\d	匹配 数字 （digit）
\s	匹配 任意的空白符（space）
\n	匹配 一个换行符
\t	匹配 一个制表符
\b	匹配 一个单词的结尾
^	匹配 字符串的开始 (最常用)
$	匹配 字符串的结尾 (最常用)
\W	匹配 非数字、字母、下划线（word）
\S	匹配 非任意的空白符
\D	匹配 非数字
a|b	匹配 字符a或者字符b
()	匹配 括号内的表达式，也表示一个组
[ ]	匹配 字符组中的字符
[^ ]	匹配 除了字符组中字符的所有字符，此时^表示 非 的意思，不是匹配开始的意思

说明：
1). \s 匹配所有的空白符，包括空格，制表符，换行符；
2). \b 匹配单词的结尾，’.\b’ 就匹配所有单词的结尾，并注意，换行符也被当作一个独立的单词对待;
3). ^$ 匹配空；
4). () 写在一个小括号内的正则表达式是一个分组；
5). 使用逻辑或，即：| 时，往往从左到右依次匹配，若能匹配上左边的，就不再匹配右边的。

4.数量限制

介绍： 上面的匹配都是匹配单个字符，如果我们需要匹配多个字符或一个句子，就需要使用量词来约束匹配条件。
示例：

关键字	含义
*	重复 零次或更多次
+	重复 一次或更多次
?	重复 零次或一次
{n}	重复 n次
{n, }	重复 n次及以上
{n, m}	重复 n到m次

说明：
1). 数量限制必须跟在匹配规则的后边，且这个限制只约束紧跟它前边的那个规则
2). 当说到重复 0 次时，就是当没有时也能匹配上，甚至换行符也能匹配上，0 跟 空 果然无论如何都是个很抽象的概念；

特别注意：
 需要特别注意的是，前边的 *,+,{},? 等都是贪婪匹配，即尽可能多的去匹配，但是 匹配的数量限制后加 ?，就变成了非贪婪匹配，即：惰性匹配。
 例如：{1，2} 是按照数量限制为2进行匹配，
      {1，2}? 是按照数量限制为1进行匹配
举例：
当我们使用 .* 进行匹配时，在无任何文本信息的情况下，就已经能匹配到一个结果了：

贪婪匹配 & 非贪婪匹配：
1). <.*> 匹配是从左向右匹配，先匹配到 < 再匹配任意字符一直向后匹配，直到匹配到不能匹配的时候，再看往右匹配条件还有 > 字符，则又向前回溯，找到第一个 > 字符时，本次匹配结束。
2). <.*?> 先匹配到 < 再匹配任意字符一直向后匹配,找到第一个 > 字符时则本次匹配结束.

5.分组

介绍： 需要进行整体约束的规则，用()括起来
举例： 身份证匹配
要求：
输入字符串为长度15或18：
 为15时：全部由数字组成，首位不能为0；
 为18时：首位不能为0，前17位是数字，末尾可能是数字或x
两种匹配规则：

^[1-9](\d{16}(x|\d))?$|^[1-9]\d{14}$
^[1-9]\d{14}(\d{2}[0-9x])?$

注意： 使用逻辑 | 时，应先将长的规则写在 | 的左边，否则匹配到短的字符就不会再向后匹配就会得到错误的结果。

6.转义符

介绍： 转义符：\ 用来对关键字进行转义;
    当我们需要匹配例如 \b \w 等的元字符时，就需要先将匹配规则转义再进行匹配；
例如：

7. [ .*? ] 的用法

此表达式用于：取尽量少的任意字符，
例如：.*?x – 取前边任意长的字符，直到第一个x出现