正则表达式
当写一个脚本来自动获取最新的代理IP地址，目标URL：http://cn-proxy.com/
很难定位到IP及对应端口的位置，只有class = "sortable"是两个IP表格唯一的特性
产生需求，即通过IP地址特征（四段数字组成，每段数字范围0-255，分别由三个点号隔开）来寻找IP地址，正则表达式应运而生，其是描述这些复杂规则的工具
re模块
Python通过re模块来实现正则表达式
>>>import re
>>>re.search(r'Fish','I love Fish')
<_sre.SER_Match object;span=(7,12),match = 'Fish'>
分析：
search()方法用于在字符串中搜索正则表达式模式第一次出现的位置，结果为（7,12）
第一个参数是正则表达式模式，即描述的搜索规则，使用原始字符串来写
找到后返回的范围下标以0开始，找不到，则返回None
通配符
通配符即可表示任何字符，如所有Word类型的文件为*.docx
正则表达式的通配符用点号（.）来表示，可匹配除了换行符的任何字符
>>>re.search(r'.','I love Fish')
<_sre.SER_Match object;span=(0,1),match = 'I'>
>>>re.search(r'Fish','I love FishC')
<_sre.SER_Match object;span=(7,12),match = 'FishC'>
反斜杠
若想单单匹配点号，则加上反斜杠，表示消除元字符的特殊功能
>>>re.search(r'\.','I love Fish.com')
反斜杠也可以使普通字符拥有特殊能力，如（\d）表示匹配数字
>>>re.search(r'\d','123 I love Fish')
<_sre.SER_Match object;span=(0,1),match = '1'>
粗糙的匹配一个IP地址可以如下写法
>>>re.search(r'\d\d\d.\d\d\d.\d\d\d.\d\d\d','other 192.168.011.111other')
但上述不规范，因为IP数字范围是0-255，而不是000-999
字符类
字符类用来表述一个字符的范围，使用中括号将内容包起来就是字符类，含义是只要匹配到这个字符类的任何字符，结果算作匹配
如想要匹配元音字母，则
>>>>>>re.search(r'[aeiou]','I love Fish')
<_sre.SER_Match object;span=(3,4),match = 'o'>
因为正则表达式区分大小写，所以I虽然是元音字母，但是没有匹配
解决方法：
法一：关闭大小写敏感模式
法二：修改字符类
>>>>>>re.search(r'[aeiouAEIOU]','I love Fish')
在中括号内可使用小横杆来表示范围,包括数字和字母
>>>>>>re.search(r'[a-z]','I love Fish')
>>>>>>re.search(r'[0-2][0-5][0-5]','I love Fish')
[01]与[0-1]等价
重复匹配
用大括号对元字符实现重复匹配的功能
>>>re.search(r'ab{3}c','abbbc')
<_sre.SER_Match object;span=(0,5),match = 'abbbc'>
>>>re.search(r'ab{3}c','abbbbbc') #匹配不了
重复的次数取一个范围
>>>re.search(r'ab{3,5}c','abbbbbc')
<_sre.SER_Match object;span=(0,7),match = 'abbbbbc'>
>>>re.search(r'ab{3,5}c','abbbc')
>>>re.search(r'[0-255]','188')
>>>re.search(r'[0-2][0-5][0-5]','188')
正则表达式匹配的是字符串，所以数字对于字符来说只有0-9,123由‘1’，‘2’，‘3’三个字符构成，[0-255]字符类表示0-2还有两个5，所以匹配的是0125四个数字中任何一个
匹配0-255范围的数字，正确写法是
>>>re.search(r'[0-1]\d\d\|2[0-4]\d|25[0-5]','188') #000-199，200-249，250-255
<_sre.SER_Match object;span=(0,3),match = '188'>
匹配IP地址
>>>re.search(r'([0-1]\d\d|2[0-4]\d|25[0-5]\.){3}([01]\d\d|2[0-4]\d|25[0-5])',''other192.168.1.other')
{3}表示需要重复匹配三次才成功
上例忽视了1不会写出001这一点，忽略位数的影响，所以最终版为
re.search(r'(([01]{0,1}\d{0,1}\d|2[0-4]\d|25[0-5])\.){3}([01]{0,1}\d{0,1}\d|2[0-4]\d|25[0-5])',''other192.168.1.other')
[01]{0,1}\d{0,1}\d表示最后一位一定要有（没有的话还叫数字吗），但百位和十位可有可无
特殊符号及用法
正则表达式以字符串的形式描述，其强大之处在于特殊符号，特殊符号定义了字符集合，子组匹配，模式重复次数。
元字符
包括 . ^ $ * + ? {} [] \ | ()
（.）点号表示匹配除换行符外的任何字符
（|）管道符类似逻辑或操作
>>>re.search(r"Fish(C|D)","FishC")
<_sre.SER_Match object;span=(0,5),match = 'FishC'>
(^)表示匹配字符串的开始位置，即目标字符串出现在开头才会匹配
>>>re.search(r"^Fish","Fish.com")
<_sre.SER_Match object;span=(0,4),match = 'Fish'>
>>>re.search(r"^Fish","I love Fish.com") #None
($)表示匹配字符串的结束位置，即目标字符串出现在末尾才会匹配
>>>re.search(r"FishC$","love FishC")
<_sre.SER_Match object;span=(5,10),match = 'FishC'>
小括号本身是一对元字符，括号内的正则表达式称为一个子组，子组可当做一个整体，例如在后面对其引用
反斜杠
反斜杠若后面数字数1-99，则表示引用序号对应的子组的字符串，若后面数字是0开头或者是三位数字，则表示八进制数，表示的是八进制数所对应的ASCII码字符
>>>re.search(r"(FishC)\1","FishCFishC.com")
\1表示引用前边序号为1的子组（第一个子组），所以r"(FishC)\1"相当于r"FishCFishC",所以匹配的是要有连续两个FishC的内容，才能成功匹配
若\后面添加的是数字0开头或者三位数，则把这三位数当做一个八进制数
>>>re.search(r"\141FishC","aFishC.com")
八进制141对应的ASCII码为小写字母a
>>>re.search(r"(FishC)\060","FishC0.com")
八进制060对应的ASCII码为数字0
[]这对元字符
表明是生成字符类，实际是一个字符集合，其内部的元字符都失去特殊功能，如同反斜杠加上元字符一样
>>>re.search(r"[.]","FishC.com")
<_sre.SER_Match object;span=(5,6),match = '.'>
字符类内部的元字符都失去特殊功能，但也有几个特殊情况
1）小横杠表示范围
>>>re.findall(r"[a-z]","FishC.com")
['i','s','h','c','o','m']
>>>findall表示找出所有匹配内容，并将结果返回为一个列表
2）反斜杠，例如\n表示匹配换行符
3）脱字符（^）表示取反
>>>re.findall(r"[^a-z]","FishC.com")
['F','C','.']
大括号，表示重复次数
"FishC{3}"等价于"FishCCC"
（FishC）{3}"等价于"FishCFishCFishC"
（FishC）{1,3}表示重复的次数为一次或三次，注意{1,3}间不能有空格
正则表达式不能随便用空格，表示重复的元字符还有：*,+和？
*表示{0，}，+表示{1，}，问号表示{0,1}，同等情况推荐使用这些符号，简洁且效率比使用大括号高些