动机
【1】 文本处理已经成为计算机常见工作之一
【2】对文本内容的搜索，定位，提取是逻辑比较复杂的工作
【3】为了快速方便的解决上述问题，产生了正则表达式技术
简介
1. 定义
即文本的高级匹配模式，提供搜索，替换等功能。其本质是由一系列字符和特殊符号构成的字串，这个字串即正则表式。
2. 原理
通过普通字符和有特定含义的字符，来组成字符串，用以描述一定的字符串规则，比如：重复，位置等，来表达某类特定的字符串，进而匹配。
元字符使用
普通字符
匹配规则：每个普通字符匹配其对应的字符
In : re.findall('ab',"abcdefabcd")
Out: ['ab', 'ab']
注意事项：正则表达式在python中也可以匹配中文
或关系
元字符: |
匹配规则: 匹配 | 两侧任意的正则表达式即可
In : re.findall('com|cn',"www.baidu.com/www.tmooc.cn")
Out: ['com', 'cn']
匹配单个字符
元字符： .
匹配规则：匹配除换行外的任意一个字符
In : re.findall('张.丰',"张三丰,张四丰,张五丰")
Out: ['张三丰', '张四丰', '张五丰']
匹配字符集
元字符： [字符集]
匹配规则: 匹配字符集中的任意一个字符
表达形式:
[abc#!好] 表示 [] 中的任意一个字符
[0-9],[a-z],[A-Z] 表示区间内的任意一个字符
[_#?0-9a-z] 混合书写，一般区间表达写在后面
In : re.findall('[aeiou]',"How are you!")
Out: ['o', 'a', 'e', 'o', 'u']
匹配字符集反集
元字符：[^字符集]
匹配规则：匹配除了字符集以外的任意一个字符
In : re.findall('[^0-9]',"Use 007 port")
Out: ['U', 's', 'e', ' ', ' ', 'p', 'o', 'r', 't']
匹配字符串开始位置
元字符: ^
匹配规则：匹配目标字符串的开头位置
In : re.findall('^Jame',"Jame,hello")
Out: ['Jame']
匹配字符串的结束位置
元字符: $
匹配规则: 匹配目标字符串的结尾位置
In : re.findall('Jame$',"Hi,Jame")
Out: ['Jame']
规则技巧: ^ 和 $必然出现在正则表达式的开头和结尾处。如果两者同时出现，则中间的部分必须匹配整个目标字符串的全部内容。
匹配字符重复
元字符: *
匹配规则：匹配前面的字符出现0次或多次
In : re.findall('wo*',"wooooo~~w!")
Out: ['wooooo', 'w']
元字符：+
匹配规则： 匹配前面的字符出现1次或多次
In : re.findall('[A-Z][a-z]+',"Hello World")
Out: ['Hello', 'World']
元字符：?
匹配规则： 匹配前面的字符出现0次或1次
In [28]: re.findall('-?[0-9]+',"Jame,age:18, -26")
Out[28]: ['18', '-26']
元字符：{n}
匹配规则： 匹配前面的字符出现n次
In : re.findall('1[0-9]{10}',"Jame:13886495728")
Out: ['13886495728']
元字符：{m,n}
匹配规则： 匹配前面的字符出现m-n次
In : re.findall('[1-9][0-9]{5,10}',"Baron:1259296994")
Out: ['1259296994']
匹配任意（非）数字字符
元字符： \d \D
匹配规则：\d 匹配任意数字字符，\D 匹配任意非数字字符
In : re.findall('\d{1,5}',"Mysql: 3306, http:80")
Out: ['3306', '80']
匹配任意（非）普通字符
元字符： \w \W
匹配规则: \w 匹配普通字符，\W 匹配非普通字符
说明: 普通字符指数字，字母，下划线，汉字。
In : re.findall('\w+',"server_port = 8888")
Out: ['server_port', '8888']
匹配任意（非）空字符
元字符： \s \S
匹配规则: \s 匹配空字符，\S 匹配非空字符
说明：空字符指 空格 \r \n \t \v \f 字符
In : re.findall('\w+\s+\w+',"hello world")
Out: ['hello world']
匹配开头结尾位置
元字符： \A \Z
匹配规则： \A 表示开头位置，\Z 表示结尾位置
匹配（非）单词的边界位置
元字符： \b \B
匹配规则： \b 表示单词边界，\B 表示非单词边界
说明：单词边界指数字字母(汉字)下划线与其他字符的交界位置。
In : re.findall(r'\bis\b',"This is a test.")
Out: ['is']
总结分类
正则表达式的转义
1. 如果使用正则表达式匹配特殊字符则需要加 \ 表示转义。
特殊字符: . * + ? ^ $ [] () {} | \
匹配特殊字符 . 时使用 \ 表示本身含义
In : re.findall('-?\d+\.?\d*',"123,-123,1.23,-1.23")
Out: ['123', '-123', '1.23', '-1.23']
2. 在编程语言中，常使用原生字符串书写正则表达式避免多重转义的麻烦。
python字符串 --> 正则 --> 目标字符串
"\\$\\d+" 解析为 \$\d+ 匹配 "$100"
"\\$\\d+" 等同于 r"\$\d+"
贪婪模式和非贪婪模式
1. 定义
贪婪模式: 默认情况下，匹配重复的元字符总是尽可能多的向后匹配内容。比如: * + ? {m,n}
非贪婪模式(懒惰模式): 让匹配重复的元字符尽可能少的向后匹配内容。
2. 贪婪模式转换为非贪婪模式
在匹配重复元字符后加 '?' 号即可
* : *?
+ : +?
? : ??
{m,n} : {m,n}?
In : re.findall(r'\(.+?\)',"(abcd)efgh(higk)")
Out: ['(abcd)', '(higk)']
正则表达式分组
1. 定义
在正则表达式中，以()建立正则表达式的内部分组，子组是正则表达式的一部分，可以作为内部整体操作对象。
2. 作用
可以被作为整体操作，改变元字符的操作对象
示例：改变 +号 重复的对象
In : re.search(r'(ab)+',"ababababab").group()
Out: 'ababababab'
示例：改变 |号 操作对象
In : re.search(r'(王|李)\w{1,3}',"王者荣耀").group()
Out: '王者荣耀'
3. 捕获组
可以给正则表达式的子组起一个名字，表达该子组的意义。这种有名称的子组即为捕获组。
格式： (?P<组名>pattern)
示例：给子组命名为 "pig"
In : re.search(r'(?P<pig>ab)+',"ababababab").group('pig')
Out: 'ab'
4. 注意事项
一个正则表达式中可以包含多个子组
子组可以嵌套，但是不要重叠或者嵌套结构复杂
子组序列号一般从外到内，从左到右计数
正则表达式匹配原则
【1】正确性,能够正确的匹配出目标字符串.
【2】排他性,除了目标字符串之外尽可能少的匹配其他内容.
【3】全面性,尽可能考虑到目标字符串的所有情况,不遗漏.
