19. 正则表达式（二）

1. 正则表达式的应用场景

1.1 重复匹配

• 有时候我们需要对某个字段进行重复匹配，例如手机号码136 6666 6666，一般新手会写成\d\d\d\d\d\d\d\d,这不是一种恰当的表达方式，写着费劲，看着也不舒服，还不一定表达的恰当
• 这种情况下可以使用表达式加上修饰匹配次数的特殊符号 { }，不但重复表达式可以匹配，而且看着舒服，例如[abcd][abcd] 可以写成[abcd]{2}

表达式	匹配
{ n }	重复n次，比如\d{2},相当于\d\d,a{ 3 }相当于aaa
{ m, n}	表达式至少重复m次，最多重复n次，比如ab{1,3}相当于ab,abb,abbb这种
{m, }	表达式至少重复m次，没有最多上限次数
?	表达式匹配0或1次，相当于{ 0,1 },比如a[cd]? 可以匹配a,ac,ad
+	至少出现一次，相当于{1,},比如a+b可以匹配ab,aab,aaab
*	表达式出现0到任意次，相当于{ 0, }

1.2 重复匹配和非贪婪匹配

• 位置匹配
  有时候我们对匹配的位置有要求，开始，结束，单词之间等

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
$	在字符结束的位置匹配，符号本身不匹配任何字符
\b	匹配一个单词边界，就是单词之间空格位置，符号本身不匹配任何字符
\B	匹配非单词边界，左右两边都是\w范围或者左右两边都不是\w范围的字缝

• 贪婪和非贪婪模式
  在重复匹配的时候，表达式总是默认匹配更多字符，这就叫做贪婪模式。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之间所有的字符xxxdxxx.可见\w+匹配的时候尽可能多的匹配到了符合条件的字符。同理带有.*?和{m,n}的重复匹配表达式都是尽可能多的匹配

检验数字的匹配表达式

功能	表达式
数字	^ [ 0-9 ] *$
n位数的数字	^ \d{ n } $
至少n位的数字	^ \d{n, } $
零和非零开头的数字	^ ( 0 I [1-9] [0-9].*) $
有两位小数的正实数	^ [ 0-9 ] +( .[ 0-9 ]{2}) ?$
非零负实数	^-[1-9]\d*$

• 特殊场景表达式

功能	表达式
Email地址	^\w + ([-+.]\w+)@\w+([-.]\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] I 14 [ 5 I 7 ] I 15 [0 I 1 I 2 I 3 I 4 I 5 I 6 I 7 I 8 I 9 ] I 18 [ 0 I 1 I 2 I 3 I 4 I 5 I 6 I 7 I 8 I 9])\d{8}$
身份证号	^\d{ 15 } I \d{18}$(15/18位数)

2. re模块常用方法

方法	描述	返回值
compile(pattern[,flags])	根据包含正则表达式的字符串创建模式对象	re对象
search(pattern, string[, flags])	在字符串中查找	第一个匹配到的对象或none
match(pattern, string[,flags])	在字符串开始处匹配模式	在字符串开头匹配到的对象或none
split(pattern,string[, maxsplit=0,flags])	根据模式的匹配项来分割字符串	分割后的字符串列表
findall(pattern,string,flags)	列出字符串中所有模式的匹配项	所有匹配到的字符串列表
sub(pat,repl,string[],count=0,flags)	将字符串中所有pat的匹配项用repl替换	完成替换后的新字符串

• complie(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成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complie()完成一次转换后，再次使用该匹配模式时不进行转换。经过转换的正则表达式对象也能使用普通的re方法

flag匹配模式

匹配模式	描述
re.A	Ascll 字符模式
re.l	使匹配对大小写不敏感
re.L	做本地化识别匹配
re.M	多行匹配，影响^ and $
re.S	使.通配符匹配包括换行在内的字符，针对多行匹配
re.U	根据Unicode字符集解析字符，这个标识影响\w,\W,\b,\B
re.X	更灵活的方式匹配将正则表达式匹配的更加容易理解

• search(pattern,string,flags=0)
  在文本内查找，返回第一个匹配到的字符串，返回值类型与匹配方法与match()方法一样，区别是查找的位置不固定在文本的开头
• 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
• 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
• 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

3. 分组功能

• Python的re模块有一个分组功能，就是去已经匹配的内容里再筛选出需要的内容，相当于二次过滤
• 实现分组靠（），获取分组内容靠group()、groups()