正则表达式基础知识

一、基础知识：

\d:匹配数字，只匹配一次  data

\s:匹配空格，只匹配一次 space

\w:匹配数字字母下划线   [A-Za-z0-9_] 或中文及其组合  word

\D\S\W:非数字，非空格，非单词字符

. ：匹配任意字符

* ：前面字符重复0-N次

+ ：前面字符重复1-N次

？ ：前面字符匹配0/1次

\ :转义字符

^ :规则开始   $：规则结束  ^\d表示必须以数字开头，\d$:必须以数字结束，py可以匹配'python',加上^py$:'py',整行匹配

\b[备选字符集]+\b：匹配一个以[备选字符集]组成的单词（\b比较特别各种符号空白开头结尾都可以匹配）

二、三对括号：

[] ：字符集概念,表范围 匹配括号中的任何字符    [abc]匹配a/b/c任一，[a-g]匹配编码连续字符集a-g中一个

[^] :非[]    [^\n\0] 匹配任意除换行和结束字符的字符  \0空字符    空白符[\t\n\x0B\f\r]：不知准确性

 {}  :量词    匹配数量

    如果我想要匹配多个字符怎么办？难道要把一个备选字符集复制成N个吗？当然不用，这时量词就闪亮登场了。量词的语法是非常简单的。

规则：

• [备选字符集]{min} ：当中括号只有一个参数时表示完整匹配，[备选字符集]的字符一定要连续出现min次才会被选中，多了会截断，连续出现min*2次时会被选中两次。
• [备选字符集]{min, }：当中括号只有一个参数还加了逗号时，表示只要[备选字符集]连续出现min次以上就会选中，而且不会截断，直到出现[备选字符集]以外的字符。
• [备选字符集]{min, max}：当中括号有两个参数时表示最多匹配连续max次的[备选字符集]，最少匹配连续min次的[备选字符集]，比如a{1,3}匹配aaaaa的时候，第一次选中的是aaa，第二次选中的是aa而不是单个a，按照max优先原则。
  #### 简写：
• [备选字符集]{0,1} => [备选字符集]?
• [备选字符集]{0, } => [备选字符集]*
• [备选字符集]{1, } => [备选字符集]+
  以后看到?*+就蒙圈的就先把那些特殊字符转为量词的标准写法吧

()   :分组group()

    用来多规则模糊匹配，要从某处获取一个IP地址，但不知道是IPv4还是IPv6，那么就可以用([IPv4的规则]|[IPv6的规则])来匹配，而不用分别写两个正则来匹配。

    对部分数据进行抽取，<title>(.*?)</title>这个正则表达式就会抽取标签之中的内容单独存放，而不用获取到元数据之后再做数据的二次清洗。

三、贪婪与非贪婪匹配

    正则默认贪婪匹配，匹配尽可能多的字符

>>> re.match(r'^(\d+)(0*)$',