正则、

正则表达式（re）

• 模糊匹配，是一个计算机科学的概念
• 用字符来匹配，匹配符合某个规则的字符串
• 写法

1. .(点号):表示任意一个字符，除了\n, 比如查找所有的一个字符 .

2. []: 匹配中括号中列举的任意字符，比如[L,Y,0] , LLY, Y0, LIU

3. \d: 任意一个数字

4. \D:除了数字都可以

5. \s:表示空格，tab键

6. \S:除了空白符号

7. \w: 单词字符， 就是a-z, A-Z, 0-9, _

8. \W: 除了

9. *： 表示前面内容重复零次或者多次， \w*

10. +: 表示前面内容至少出现一次

11. ？： 前面才出现的内容零次或者一次

12. {m,n}:允许前面内容出现最少m次，最多n次

13. ^:匹配字符串的开始

14. $:匹配字符串的结尾

15. \b:匹配单词的边界

16. ():对正则表达式内容进行分组， 从第一个括号开始，编号逐渐增大

    验证一个数字： ^\d$
    必须有一个数字，最少一位：^\d+$
    只能出现数字，且位数为5-10位： ^\d{5,10}$
    注册者输入年龄，要求16岁以上，99岁以下： ^[16-99]$
    只能输入英文字符和数字： ^[A-Za-z0-9]$
    验证qq号码： [0-9]{5,12}
    

17. \A: 只匹配字符串开头， \Aabcd, 则abcd

18. \Z: 仅匹配字符串末尾， abcd\Z, abcd

19. |: 左右任意一个

20. (?P…): 分组，除了原来的编号再制定一个别名， (?P12345){2}， 1234512345

21. (?P=name): 引用分组，

• 使用步骤

1. 使用compile将正则的字符串编译为一个pattern对象
2. 通过pattern对象提供一系列的方法对文本进行查找匹配获得匹配结果
3. 最后使用match对象提供的属性和方法获得信息，根据需要进行操作

• 常用函数

1. group():获得括号内匹配的多个字符串，以组分别匹配的括号
2. start():获取分组匹配的字符串在整个字符串中的位置默认0
3. end():获得分组字符串在整个字符串中的结束位置，默认为0
4. span返回位置
5. search(str,a,b):从a位置到b位置进匹配
6. findall:查找所有
7. finditer：返回一个结果
8. sub：对文本进行更改sub（表达式，替换目标，源文件)
9. 中文表示范围是[u4e00-u9fa5]
   案例：

import re
title = u'世界 你好，hello world'
p = re.compile(r'[\u4e00-\u9fa5]+')
rst = p.findall(title)
print(rst)

贪婪模式与非贪婪模式

• 贪婪：尽可能多的匹配，*表示贪婪匹配
• 非贪婪：找到符合条件的最小内容即可？表示非贪婪

xpath

• 在xml文件中查找信息的一套规则，根据xml的元素或者属性进行遍历
• 语法

1. nodename：某一节点下所有的子节点
2. /：从根节点开始选取
3. //：选取节点不考虑位置
4. .：选取当前节点
5. …：选取当前节点的父亲节点
6. @：选取属性

• 谓语节点：

1. /bookstore/book[1] 选取属于 bookstore 子元素的第一个 book 元素。
2. /bookstore/book[last()] 选取属于 bookstore 子元素的最后一个 book 元素
3. /bookstore/book[last()-1] 选取属于 bookstore 子元素的倒数第二个 book 元素
4. /bookstore/book[position()❤️] 选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
5. //title[@lang] 选取所有拥有名为 lang 的属性的 title 元素。
6. //title[@lang=‘eng’] 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
7. /bookstore/book[price>35.00] 选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。
8. /bookstore/book[price>35.00]/title 选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。

• | ：和

1. //book/title | //book/price 选取 book 元素的所有 title 和 price 元素。
2. //title | //price 选取文档中的所有 title 和 price 元素。
3. /bookstore/book/title | //price 选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素