收藏！！！你想要的关于正则表达式的所有内容都在这里了~（match,search,compile,findall……）

1.正则表达式的简介

1.1 概念

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑

1.2 正则表达式的应用场景

• 表单验证(例如 : 手机号、邮箱、身份证… )
• 爬虫

2. 正则表达式对Python的支持

2.1 普通字符

字母、数字、汉字、下划线、以及没有特殊定义的符号，都是"普通字符"。正则
表达式中的普通字符，在匹配的时候,只匹配与自身相同的一个字符。
例如：表达式c，在匹配字符串abcde时，匹配结果是：成功；匹配到的内容
是c；匹配到的位置开始于2，结束于3。（注：下标从0开始还是从1开始，因
当前编程语言的不同而可能不同）
match()函数
• match(pattern, string, flags=0)
• 第一个参数是正则表达式，如果匹配成功，则返回一个match对象，否则返回一个None
• 第二个参数表示要匹配的字符串
• 第三个参数是标致位用于控制正则表达式的匹配方式 如: 是否区分大小写,多行匹配等等

import re
# 正则表达式
pattern = 'pyth'
s = 'pythonn and java'
result = re.match(pattern,s)
if result:
    print(result.group()) # pyth
    print(result.start()) # 0
    print(result.end())   # 4
    print(result.span())  #(0,4)
else:
    print('没有匹配到')

2.2 元字符

正则表达式中使⽤了很多元字符，⽤来表示⼀些特殊的含义或功能

表达式	匹配
.	小数点可以匹配除了换行符 \n 以外的任意一个字符
I	逻辑或操作符
[ ]	匹配字符集中的一个字符
[ ^ ]	对字符集求反，也就是上面的反操作，尖号必须在方括号的最前面
-	定义[ ]里面的一个字符区间，例如[1-9]
\	对紧跟其后的一个字符进行转义
( )	对表达式进行分组，将圆括号内的内容当做一个整体，并获得匹配的值

一些无法书写或者具有特殊功能的字符，采用在前面加斜杠进行转义的方法。

例如下表所示

表达式	匹配
\r,\n	匹配回车和换行符
\t	匹配制表符
\\	匹配斜杆 \
\ ^	匹配尖号^
\$	匹配$
\.	匹配小数点 .

尚未列出的还有问号？、星号*和括号等其他的符号。所有正则表达式中具有特殊含义的字符在匹配自身的时候，都要使用斜杠进行转义。这些转义字符的匹配用法与普通字符类似，也是匹配与之相同的一个字符

2.3 预定义匹配字符集

正则表达式中的一些表示方法，可以同时匹配某个预定义字符集中的任意一个字符。比如，表达式\d可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个

表达式	匹配
\d	0~9任意一个数字
\w	任意一个字母或数字或下划线，也就是A-Z,a-z,0-9,_中的任意一个
\s	空格、制表符、换页符等空白字符的其中任意一个
\D	\d的反集，也就是非数字的任意一个字符，等于[^\d]

2.4 重复匹配

前面的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。但是有时候我们需要对某个字段进行重复匹配，例如手机号码13666666666，一般的新手可能会写成\d\d\d\d\d\d\d\d\d\d\d（注意，这不是一个恰当的表达式），不但写着费劲，看着也累，还不⼀定准确恰当。

这种情况可以使用表达式再加上修饰匹配次数的特殊符号{}，不但重复书写表达式就可以重复匹配。例如[abcd][abcd]可以写成[abcd]{2}

表达式	匹配
{n}	表达是重复n次，例如\d{2}相当于\d\d，a{3}相当于aaa
{m,n}	表示至少执行m次，最多执行n次，例如ab{1,3}可以匹配ab或abb或者abbb
{m，}	至少执行m次，例如\w\d{2，}可以匹配a12,_111,M123等
？	匹配表达式0次或者1次，相当于{0,1} ，比如a[cd]?可以匹配a,ac,ad
+	表达式至少出现一次，相当于{1，}，例如a+b?可以匹配ab,ab,abb…

2.5 位置匹配和非贪婪匹配

位置匹配

表达式	匹配
^	在字符串开始的地方匹配，符号本身不匹配任何字符
$	在字符串结束的时候匹配，符号本身不匹配任何字符
\b	匹配一个单词的边界，也就是单词和空格之间的位置，符号本身不匹配任何字符
\B	匹配非单词边界，即左右两边都是\w范围或者左右两边都不是\w范围时的字符间隙

有时候，我们对匹配出现的位置有要求，比如开头、结尾、单词之间等等
贪婪与非贪婪模式
在重复匹配时，正则表达式默认总是尽可能多的匹配，这被称为贪婪模式。
例如，针对文本dxxxdxxxd，表达式(d)(\w+)(d)中的\w+将匹配第一个d和最后一个d之间的所有字符xxxdxxx。可见，\w+在匹配的时候，总是尽可能多的匹配符合它规则的字符。
同理，带有?、*和{m,n}的重复匹配表达式都是尽可能地多匹配.

校验数字的相关表达式：

功能	表达式
数字	^ [0-9]*$
n位的数字	^ \d{n}$
至少n位的数字	^ \d{n,}$
零和非零开头的数字	^ (0I[1-9][0-9]*)$
有两位小数的正实数	^ [0-9]+(.[0-9]{2})?$
非零的负整数	^-[1-9]\d*$
非负浮点数	^\d+(\d+)?$
浮点数	^ (-?\d+)(.\d+)?$

特殊场景的表达式:

功能	表达式
Email地址	^\w+([-+.]\w+)*@\w+
域名	[a-zA-z0-9] [-a-zA-z0-9]{0,62}(/.[a-zA-z0-9][-a-zA-z0-9]{0,62})+/.
手机号码	^(13[0-9]I14[5 I 7]I15[0I1I2I3I5I6I7I8I9]I18[0I1I2I3I5I6I7I8I9])\d{8}$
身份证号	^\d{15}I\d{18}$（15位、18位数字）
日期格式	^\d{4}-\d{1,2}-
空白行的正则表达式	\n\s*\r（可以用来删除空白行）
IP地址提取	\d+.\d+.\d+.\d+

3. re模块常用方法

compile(pattern, flags=0)
这个⽅法是re模块的工厂法，⽤于将字符串形式的正则表达式编译为Pattern模式对象，可以实现更加效率的匹配。第二个参数flag是匹配模式 使用compile()完成一次转换后，再次使用该匹配模式的时候就不能进行转换了。经过compile()转换的正则表达式对象也能使用普通的re⽅法

import re
pattern = re.compile(r'\d+')  # 用于匹配至少一个数字
g = pattern.match('abc123efghi678')  # 查找头部，没有匹配
print (g) # None
h = pattern.match('abc123efghi678', 2, 10) 
# 从'c'的位置开始匹配，没有匹配
print( h) # None
m = pattern.match('abc123efghi678', 3, 10)
 # 从'1'的位置开始匹配，正好匹配
print (m)     # 返回一个 Match 对象
#<_sre.SRE_Match object; span=(3, 6), match='123'>
a = m.group(0)   # 可省略 0
print(a) # '123'
b = m.start(0)  
print(b) # '3'
m.end(0)   
print(c) # '6'
m.span(0)    
print(d) # 

flag匹配模式

匹配模式	描述
re.A	ASCII字符模式
re.I	使匹配对大小写不敏感，也就是不区分大小写的模式
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配影响^和$

search(pattern, string, flags=0)
在文本内查找，返回第一个匹配到的字符串。它的返回值类型和使用方法与match()是一样的，唯一的区别就是查找的位置不用固定在文本的开头

import re
 
line = "Balana is sweeter than Orange ~ ";
 
matchObj = re.match( r'Orange', line, re.M|re.I)
if matchObj:
   print "匹配成功 :  ", matchObj.group()
else:
   print "匹配不成功!!"
 
matchObj = re.search( r'Orange', line, re.M|re.I)
if matchObj:
   print "匹配成功 : ", matchObj.group()
else:
   print "匹配不成功!!"

## 匹配不成功
## 匹配成功 ： Orange

findall(pattern, string, flags=0)
作为re模块的三大搜索函数之一，findall()和match()、search()的不同之处在于，前两者都是单值匹配，找到一个就忽略后面，直接返回不再查找了。而findall是全文查找，它的返回值是一个匹配到的字符串的列表。这个列表没有group()方法，没有start、end、span，更不是一个匹配对象，仅仅是个列表！如果一项都没有匹配到那么返回一个空列表

import re
 
pattern = re.compile(r'\d+')   # 查找数字
result1 = pattern.findall('pengzhang  123 lalal 456')
result2 = pattern.findall('peng66la123lal99', 0, 10)
 
print(result1) # ['123', '456']
print(result2) # ['66', '12']

split(pattern, string, maxsplit=0, flags=0)
re模块的split()方法和字符串的split()方法很相似，都是利用特定的字符去分割字符串。但是re模块的split()可以使用正则表达式，因此更灵活，更强大
split有个参数maxsplit，用于指定分割的次数

import re


a = re.split(r'\+\*\/','8+7*5+6/3')

b = re.split(r'[\+\*\/]','8+7*5+6/3')

c = re.split(r'[\+\*\/]','8+7*5+6/3',maxsplit=2)

print(a) # ['8+7*5+6/3']

print(b) # ['8', '7', '5', '6', '3']

print(c) # ['8', '7', '5+6/3']

sub(pattern, repl, string, count=0, flags=0)
sub()方法类似字符串的replace()方法，用指定的内容替换匹配到的字符，可以指定替换次数

import re
s = 'i am Wenry , i really like Python, Can i study with you ?'

a = re.sub('i','I',s)

print(a) #I am Wenry , I really lIke Python, Can I study wIth you ?

4. 分组功能

Python的re模块有一个分组功能。所谓的分组就是去已经匹配到的内容再筛选出需要的内容，相当于二次过滤。实现分组靠圆括号()，而获取分组的内容靠的是group()、groups()，其实前面我们已经展示过。re模块里的积个重要方法在分组上，有不同的表现形式，需要区别对待

import re
# 需求是匹配到 $88  $55
text = 'apple price is $88,orange price is $55'

r = re.search('.+(\$\d+).+(\$\d+)',text)

print(r.group(0)) # apple price is $88,orange price is $55
print(r.groups()) # ('$88', '$55')
result = r.groups()  
print(type(result)) #<class 'tuple'>
# group()/groups() 匹配分组
# group(1):匹配的是第一个分组
# group(2):匹配的是第二个分组
# groups():获取所有的分组