一篇文章学会正则表达式

作者在学正则表达式的时候多走了很多弯路，在网上也看了很多文章。这篇文章的目的就是让大家少走一些弯路，争取看完这篇文章就能对正则表达式有一个正确的认识，并且能够初步掌握正则表达式。当然那么多表达式是不可能一下就记下来的，因此这篇文章也相当于作者的一个笔记，以后需要的时候可以回来看看。

正则表达式

正则表达式是什么

在我们日常生活中，经常会遇到需要查找某些复杂字符串的情况，比如我们在一篇文章中查找所有的形如010-12345678的电话号码，这种字符串都是三位数字加上‘-’再加上八位数字的形式，这时候就需要用到正则表达式了。在我的简介中，正则表达式是一个模板，所有符合模板形式的字符串都会被它捕获。正则表达式中有一个很重要的定义叫做元字符，例如‘\b’，‘\w’等，在下面会介绍这些元字符使用来干什么的以及怎么使用。

元字符

字符	说明	实例
.	匹配除了换行符之外的任意字符	b.t可匹配bat，but等
\w	匹配字母或数字或汉子或下划线	b\wt可匹配bat，b1t等
\s	匹配空白符（空格、TAB、换行符）	b\st可匹配b t
\d	匹配数字	b\dt可匹配b1t等
\b	匹配单词的边界	\bgiao\b匹配单词giao
^	匹配字符串的开始	^The匹配The开始的字符串
$	匹配字符串的结束	ing$匹配以ing结尾的字符串

字符转义

因为“.” ，“\” ，“*”等元字符在正则表达式中都有自己独特的含义，因此我们如果查找它们就容易发生混淆，因此我们如果要查找它们就在它们前面加上一个转义符“\”。要查找‘.’你就写‘.’，以此类推。

重复

符号	说明
1.	重复零次或更多次
2.	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

下面我会用一些例子来使这易于理解。
如果我们想查找一个开头是ac，结尾是ing，中间任意几位字母或数字的字符串，我们的正则表达式应该是ac\w*ing
如果我们想匹配刚好6位的单词，我们的正则表达式应该是\b\w{6}\b
如果我们相想匹配QQ号（5到10位），我们的正则表达式应该是^\d{5,10}$
结合例子来看应该是很易于理解的

字符类

但是如果我们想查找一些没有预先定义的字符，比如我们既就要查找一串‘-=+*’的字符串，我们应该怎么办。很简单，直接用[-=+*]表示即可。
比如我们要查找形如（010）-12345678的字符串，我们的正则表达式应该是这样的(\w{3}[)-]\w{8}，这也是易于理解的

分支条件

有时候我们需要查找多种条件下的字符串，这时候我们的正则表达式就需要使用分支条件‘|’.其实很容易理解，我举个例子你就明白了
我们想要匹配两种号码，一种是三位区号加号码012-12345678，另一种是四位区号加号码0123-12345678，正则表达式应该是这样的
0\d{2}-\d{8}|0\d{3}-\d{8}。只需要在两个正则表达式中间加一个|即可

分组

在之前我们已经学会了令单个字符进行重复，但是我们如果想让多个字符进行重复，我们就需要使用到分组了。分组其实就是用‘（）’把一些字符括起来。
例子：**(\d{1,3}.){3}\d{1,3}**这个正则表达式表示的是一个简易的地址表示，它的结构是1-3位数字加英文句号重复三次，再加上1-3位数字

反义

之前我们会匹配数字了，用\d就行，但是如果我要你查找所有非数字，应该怎么做呢，这时候就需要用到反义。反义其实很简单，你想要谁的反义就将它的元字符大写，当然也有例外。

符号	说明
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

就像表格写的一样，意思很易于理解

后向引用

不咋好理解，只有几种用法记下来就行。
重复搜索前面某个分组内的文本，\1代表1分组，同理\2就代表2分组，
简单来说组号的分配就是从左向右扫一遍依次编号，但是实际上是扫两遍的，第一遍先扫未命名分组，第二遍再扫命名分组，所以命名分组的组号总是比未分组的组号高。

代码/语法	说明
(exp)	匹配exp,并捕获文本到自动命名的组里
(?exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name’exp)
(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号

接下来将对这三种情况一一进行解释

（1）还是从例子来说：\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。怎么理解这个表达式呢，首先\b(\w+)\b表示的是一个单词，括号中的东西也就被标记为了1分组，之后的\s+表示一个或多个空格，\1表示的自然就是1分组。这是没有命名的分组
（2）要指定一个子表达式的组名，请使用这样的语法：(?\w+)(或者把尖括号换成’也行：(?‘Word’\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k,所以上一个例子也可以写成这样：
\b(?\w+)\b\s+\k\b。
（3）(?:exp)不会改变正则表达式的处理方式，只是这样的组匹配的内容不会像前两种那样被捕获到某个组里面，也不会拥有组号。

零宽断言

代码	说明
(?=exp)	匹配exp前面的位置
(?<=exp)	匹配exp后面的位置

例子真是万金油。。。还是用例子来进行说明
(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I’m singing while you’re dancing.时，它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。

负向零宽断言

零断宽言是我们用来匹配“是某字符串exp”的，那么倘若我们想匹配“不是某字符exp”的，我们就要用到负向零宽断言了。

代码	说明
(?!exp)	匹配后面跟的不是exp的位置
(?<!exp)	匹配前面不是exp的位置

（?!exp）叫做零宽度负预测先行断言，是匹配断言位置后面包含exp的，例子：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字。
（?<!exp）叫做零宽度负回顾后发断言，跟上面那家伙相反。例如：(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

注释

一种语法：用“(?#comment)”来包含注释。例如：2[0-4]\d(?#200-249)|250-5|[01]?\d\d?(?#0-199)。括号里的东西也就被注释掉了。

贪婪匹配与懒惰匹配

我们要知道，如果我们的正则表达式是a.b，那么系统会匹配a和b中间最长的一个字符串，这也就是所说的贪婪匹配
但是有时候我们想要尽可能短的，那就需要让它懒惰下来，我们只需要在其后面加一个？就行，a.？b就会匹配尽可能短的字符串，这就是懒惰匹配

平衡组

鹅不会，自行百度，其实学到这你已经基本掌握了正则表达式的内容了。。。。

Python中使用正则表达式

Python提供了re模块来进行正则表达式的相关操作，下面是re模块的核心函数

函数	说明
compile(pattern, flags=0)	编译正则表达式返回正则表达式对象
match(pattern, string, flags=0)	用正则表达式匹配字符串 成功返回匹配对象 否则返回None
search(pattern, string, flags=0)	搜索字符串中第一次出现正则表达式的模式 成功返回匹配对象 否则返回None
split(pattern, string, maxsplit=0, flags=0)	用正则表达式指定的模式分隔符拆分字符串 返回列表
sub(pattern, repl, string, count=0, flags=0)	用指定的字符串替换原字符串中与正则表达式匹配的模式 可以用count指定替换的次数
fullmatch(pattern, string, flags=0)	match函数的完全匹配（从字符串开头到结尾）版本
findall(pattern, string, flags=0)	查找字符串所有与正则表达式匹配的模式 返回字符串的列表
finditer(pattern, string, flags=0)	查找字符串所有与正则表达式匹配的模式 返回一个迭代器
purge()	清除隐式编译的正则表达式的缓存
re.I / re.IGNORECASE	忽略大小写匹配标记
re.M / re.MULTILINE	多行匹配标记

下面给出一个例子，剩下的还需要多动手来进行参悟

"""
验证输入用户名和QQ号是否有效并给出对应的提示信息

要求：用户名必须由字母、数字或下划线构成且长度在6~20个字符之间，QQ号是5~12的数字且首位不能为0
"""
import re


def main():
    username = input('请输入用户名: ')
    qq = input('请输入QQ号: ')
    # match函数的第一个参数是正则表达式字符串或正则表达式对象
    # 第二个参数是要跟正则表达式做匹配的字符串对象
    m1 = re.match(r'^[0-9a-zA-Z_]{6,20}$', username)
    if not m1:
        print('请输入有效的用户名.')
    m2 = re.match(r'^[1-9]\d{4,11}$', qq)
    if not m2:
        print('请输入有效的QQ号.')
    if m1 and m2:
        print('你输入的信息是有效的!')


if __name__ == '__main__':
    main()
    例子来源自https://github.com/jackfrued/Python-100-Days/blob/master/Day01-15/12.%E5%AD%97%E7%AC%A6%E4%B8%B2%E5%92%8C%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F.md