python爬虫慕课整理https://www.cnblogs.com/beiyin/p/9129443.html
正则表达式 regular expression regex RE
正则表达式是用来简洁表达一组字符串的表达式
'PN' 'PYN' 'PYTHN' 'PYTHON' 正则表达式 P(Y|YT|YTH|YTHO)?N
优势：简洁，一行胜千言
示例：
(1)'PY' 'PYY' 'PYYY' 'PYYYYY' …………
(2)'PY'开头，后续存在不多于10个字符，后续字符不能是'P' 或 'Y' 用正则表达式表示 PY[^PY]{0,10}
1、概念
通用的字符串表达框架
简洁表达一组字符串的表达式
针对字符串表达“简洁”和“特征”思想的工具
判断某字符串的特征归属
2、作用
表达文本类型的特征（病毒、入侵等）
查找或替换一组字符串
匹配字符串的全部或部分
3、使用
编译：将符合正则表达式语法的字符串转换成正则表达式特征
4、语法
P(Y|YT|YTH|YTHO)?N
正则表达式由字符和操作符构成
https://blog.csdn.net/Goallow/article/details/82250442
https://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html
P(Y|YT|YTH|YTHO)?N 'PN' 'PYN' 'PYTH' 'PYTHON'
PYTHON+ 'PYTHON' 'PYTHONN' 'PYTHONNN' ....
PY[TH]ON 'PYTON' 'PYHON'
PY[^TH]?ON 'PYON' 'PYaON' 'PYbON' 'PYcON' .....
^[A-Za-Z]+$ 由26个字母组成的字符串
^[A-Za-z0-9]+$ 由26个字母和数字组成的字符串
^-?\d+$ 整数形式的字符串
[1-9]\d{5} 中国境内邮政编码，6位
[\u4e00-\u9fa5] 匹配中文字符
\d{3}-\d{8}|\d{4}-\d{7} 国内电话号码 010-12345678 010-1234-5678
匹配ip地址的正则表达式（ip地址分4段，每段0-255）
\d+.\d+.\d+.\d+
\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
精确写法 0-99： [1-9]?\d 100-199:1\d{2}
200-249:2[0-4]\d 250-255:25[0-5]
(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])
5、re库介绍
re库是python标准库，主要用于字符串的匹配
import re
raw string 类型（原生字符串类型）
re库采用raw string类型表示正则表达式，表示为r'text' r'[1-9]\d{5}'
正则表达式的表达类型
raw string类型（原生字符串类型）
string类型，更繁琐
6、re库主要功能函数
https://www.cnblogs.com/beiyin/p/9129604.html
re.search(pattern,string,flag=0) 在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
-pattern：正则表达式的字符串或原生字符串表示
-string：待匹配字符串
-flags：正则表达式使用时的控制标记
flags：正则表达式使用时的控制标记
常用标记
re.I 忽略正则表达式的大小写，[A-Z]能够匹配小写字符
re.M （异或）正则表达式中的^操作符能够将给定字符串的每行当作匹配开始
re.S 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符
re.match(pattern,string,flags=0)
从一个字符串的开始位置起匹配正则表达式，返回match对象
import re
match=re.match(r'[0-9]\d{5}','100081 bit')
if match:
print(match.group(0))
re.findall(pattern,string,flags=0)
搜索字符串，以列表类型返回全部能匹配的子串
-pattern：正则表达式的字符串或原生字符串表示
-string：待匹配字符串
-flags：正则表达式使用时的控制标记
import re
ls=re.findall(r'[1-9]\d{5}','bit100081 tsu 100084')
print(ls)
re.split(pattern,string,maxsplit=0,flags=0)
将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
-pattern：正则表达式的字符串或原生字符串表示
-string：待匹配字符串
-maxsplit：最大分割数，剩余部分作为最后预感元素输出
-flags：正则表达式使用时的控制标记
import re
ls=re.split(r'[0-9]\d{5}','bit100081 stu100081',maxsplit=1)
print(ls)
re.finditer(pattern,string,flags=0)
搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match
-pattern：正则表达式的字符串或原生字符串表示
-string：待匹配字符串
-flags：正则表达式使用时的控制标记
import re
for m in re.finditer(r'[0-9]\d{5}','bit100081 stu100081'):
if m:
print(m.group())
re.finditer(pattern,string,flags=0)
在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串
-pattern：正则表达式的字符串或原生字符串表示
-repl：替换匹配字符串的字符串
-string：待匹配字符串
-flags：正则表达式使用时的控制标记
import re
a=re.sub(r'[0-9]\d{5}',':zipcode','bit100081 stu100081')
print(a)
regex=re.compile(pattern,flags=0)
将正则表达式的字符串形式编译成正则表达式对象
-pattern：正则表达式的字符串或原生字符串表示
-flags：正则表达式使用时的控制标记
regex=re.compile(r'[0-9]\d{5}')
plt=regex.match('bit100081 stu100084')
7、re中的match对象
https://blog.csdn.net/wjhsg/article/details/81072134
https://blog.csdn.net/mycar001/article/details/78433947
match对象的属性
.string 待匹配的文本
.re 匹配时使用的pattern对象（正则表达式）
.pos 正则表达式搜索文本的开始位置
.endpos 正则表达式搜索文本的结束位置
import re
m=re.search(r'[0-9]\d{5}','BIT100081 TSU100084')
print(m.string)
print(m.re)
print(m.pos)
print(m.endpos)
print(m.group(0))
print(m.start())
print(m.end())
8、Re库的贪婪匹配和最小匹配
match=re.search(r'PY.*N','PYANBNCNDN')
match.group(0)
贪婪匹配：re库默认采用贪婪匹配，即输出匹配最长的子串
最小匹配
输出最短的子串match=re.search(r'PY.*?N','PYANBNCNDN')
https://blog.csdn.net/paleyellow/article/details/81506265