IT Xiao Ang Zai 2019年3月12号
版本：python3.7
编程软件：Pycharm,Sublime Text 3
这里要介绍的是python的re模块中正则表达式的语法，其他的暂时不介绍，有兴趣的朋友可以自行了解。
一：正则表达式简介
在编写处理字符串的程序的时候，经常需要查找某些复杂规则的字符串。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本字符串。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“字符串模式规则”，匹配这些模式规则对应的字符串。
二：re模块
在python中，用re模块实现正则表达式。re模块使python语言拥有全部的正则表达式功能。
如果需要重复使用正则表达式，可以先将其编译成模式对象，用compile()函数。它根据一个模式字符串和可选的标志参数生成一个正则表达式对象。生成的对象可以用一些方法进行正则表达式和匹配。
re模块也可以直接引用一些函数实现和正则表达式的方法相同的功能。下面会一一介绍一些常用的正则表达式的内容。
四：处理函数(常用)
1.re.search()函数
作用：在整个字符串中查找并返回第一个成功的匹配。
格式：re.search(pattern,string,flags=0)
参数说明：
| pattern | 匹配的正则模式 |
| string | 匹配的字符串 |
| flags | 编译标志位，用于控制正则表达式的匹配方式 |
返回值：匹配成功返回一个匹配的对象，否者返回None。
获取正则表达式：可以用group(num)或groups()匹配对象函数获取匹配表达式。
group(num)：一次可以输入多个组号，根据num匹配对应的值并生成元组,从1开始。
groups()：返回一个包含所有子组字符串的元组。
2.re.match()函数
作用：如果不是起始位置匹配成功的话，就返回None。
格式：re.match(pattern,string,flags=0)
参数说明：
| pattern | 匹配的正则模式 |
| string | 匹配的字符串 |
| flags | 编译标志位，用于控制正则表达式的匹配方式 |
返回值：匹配成功返回一个匹配的对象，否则返回None。
这里可以发现，它和search()函数类似。但还是有区别：
re.match只匹配开始，如果开始不符合正则模式，就匹配失败，函数返回None；而re.search匹配整个字符串，只要找到一个匹配符合就算成功。
3.正则表达式对象中的search(),match()方法和re.search(),re.match()的区别
先来看一下它们的原型：
import re
re.search(pattern,string,flags=0)
p.search(string[,pos[,endpos]])
re.match(pattern,string,flags=0)
p.match(string[,pos[,endpos]])其实可以看到，正则表达式对象就是把re.search()与re.match()其中的pattern和编译标志在用compile()函数生成正则表达式对象时就用了，这里直接写string参数把要匹配的字符串添加即可。
其他区别：
(1) re.search()与re.match()返回的是一个匹配的对象，需要使用group()或groups()才可以获得匹配的字符串。
(2)正则表达式对象对应的方法可以设置搜索的开始位置和结束位置。
(3)start(),end()和span()分别返回匹配的开始位置，结束位置以及匹配的范围。
实例：
import re
#re.search()与re.match()
a = "This is my best love thing."
print(re.search("is",a)) #不在开始位置匹配
print(re.search("is",a).span()) #不在开始位置匹配,用span()表示范围
print(re.search("my",a).group()) #不在开始位置匹配,用group()查找内容
print(re.match("my",a)) #不在开始位置匹配
print(re.match("This",a)) #在开始位置匹配
print(re.match("This",a).start()) #在开始位置匹配，用start()表示开始位置
print(re.match("This",a).end()) #在开始位置匹配，用end()表示结束位置
print(re.match("This",a).span()) #在开始位置匹配，用span()表示范围
print(re.match("This",a).group()) #在开始位置匹配，用group()查找内容
print(re.match("This",a).group(0)) #在开始位置匹配，用group()查找内容
k = re.compile("This is")
print(k.search(a).group()) #在开始位置匹配，用group()查找内容结果如下：
4.re.sub()函数
作用：替换字符串中的匹配项。
格式：re.sub(pattern,repl,string,count=0)
参数说明：
| pattern | 正则中的模式字符串 |
| repl | 替换的字符串，也可以为一个函数 |
| string | 要被替换的字符串 |
| count | 模式替换后的最大次数，默认0表示替换所有的匹配 |
返回值：替换后的字符串。
5.compile()函数
作用：编译正则表达式，生成一个正则表达式模式对象，配合search()和match()函数使用。
格式：re.compile(pattern[,flags])
参数说明：
| pattern | 字符串形式的正则表达式 |
| flags | 编译标志(匹配模式)，可以修改正则表达式的工作方式 |
flags具体参数为：
| 标志 | 含义 |
| ASCI,A(re.A) | 使得转义字符如 \w, \W, \b, \B, \d, \D, \s, \S只能匹配ASCII字符，仅对Unicode模式有意义 |
| DOTALL,S(re.S) | 使得点号(.)匹配任何符号，包括换行符 |
| IGNORECASE,I(re.I) | 匹配的时候不区分大小写 |
| LOCALE,L(re.L) | 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前语言(区域)设置，而不是Unicode数据库 |
| MULTLINE,M(re.M) | 多行匹配，影响^和$，使得^不仅匹配字符串的开头，还匹配每一行的行首；$不仅匹配字符串的结尾，还匹配每一行的行尾 |
| VERBOSE,X（for 'extended'）(re.X) | 启动详细的正则表达式，忽略空格和'#'后面的注释，可以使用注释'#'，除了'\#'，其它'#'都会被当作注释 |
其中re.compile()只是生成一个模式对象，该对象有很多实用方法：
比如search(),match(),sub(),group(),start(),end(),span(),用法和上面的相同。
还有下面几个方法：
(1)findall()方法
作用：在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
格式：findall(string[,pos[,endpos])
参数说明：
string 待匹配的字符串。
pos 可选参数，指定字符串的起始位置，默认为 0。
endpos 可选参数，指定字符串的结束位置，默认为字符串的长度。
(2)re.finditer()
作用：在找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。
格式：re.finditer(pattern,string,flags=0)
参数说明：
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串。 |
| flags | 编译标志位 |
(3)re.split()
作用：按照能够匹配的子串将字符串分割后返回列表。
格式：re.split(pattern,string[,maxsplit=0,flags=0])
参数说明：
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串。 |
| maxsplit | 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。 |
| flags | 编译标志位 |
三：简单匹配
1.通配符
正则表达式可以用一个点号(.)表示，可以匹配除了换行符之外的任何字符，如果用compile()生成的模式对象，还可以传入编译标志re.S，使其可以匹配所有字符。
2.反斜杠
反斜杠的用法有两种，既可以剥夺元字符的特殊能力，又可以让一些特殊字符拥有一些特殊能力，你如\d就可以匹配数字。
3.字符类
可以用中括号[]将任何内容包起来形成一个字符类，只要匹配这个字符类中的任何字符，就算匹配成功。对于字母来说，是区分大小写的，可以用编译标志re.I改变，或者修改一下。用小斜杠"-"表示范围。
4.重复匹配
用大括号这对元字符来实现重复匹配的功能，可以有个范围。
四：常用的元字符
由于正则表达式的元字符有很多，下面介绍几个实际上常用的元字符：
1.点号(.)
点号就是通配符，匹配除了换行符之外的任何字符，如果用compile()生成的模式对象，还可以传入编译标志re.S，使其可以匹配所有字符。
2.脱字符(^)
脱字符表示字符串的开始位置，只有字符串出现在开头才会匹配。
3.美元符($)
脱字符表示字符串的结束位置，只有字符串出现在末尾才会匹配。
4.重复符(*,+,?)
星号(*)相当于{0,}
加号(+)相当于{1,}
问号(?)相当于{0,1}
5.大括号{}
大括号{}用于重复次数。如果前面是一个子组，表示子组的重复次数。也可以表示范围。
6.中括号[]
中括号是一个字符集合，被其包含的元字符都失去了特殊的功能。可以看成普通的字符。除了一些符号，比如小斜杠(-)表示范围，反斜杠(\)转义，脱字符(^)取反。
7.管道符(|)
管道符和逻辑或的功能类似。
8.小括号()
小括号的功能是把里面的东西变成元组。
9.反斜杠(\)
除了上面说的功能以外，反斜杠如果跟数字在1-99，表示对应的子组所匹配的字符串；如果跟数字是0开头或三位数字，表示一个八进制数对应的ASCII字符。
五：特殊字符
就是反斜杠后面加一些东西后对应的模式字符，下面是常用的：
| \d | 匹配数字。 |
| \D | 匹配非数。 |
| \s | 匹配空白字符， |
| \S | 匹配非空白字符。 |
| \w | 匹配包括下划线的任何单词字符。 |
| \W | 匹配任何非单词字符。 |
上面就是正则表达式的基本内容，在之后的文章中就会配合爬虫进行他们的实例运用。