正则表达式（1）
一.基本概念
1.概念：
正则表达式（Regular Expression，简称为regex）是由字符和特殊符号组成的字符串，该字符串描述一个可以识别各种字符串的模式，于是正则表达式能按照某种模式匹配一系列有相似特征的字符串（即匹配多个字符串）。
Python 通过标准库中的 re 模块来支持正则表达式。
2.正则表达式字母表：
对于通用文本，用于正则表达式的字母表是所有大小写字母及数字的集合。可能也存在一些特殊字母；例如，指仅包含字符“0”和“1”的字母表。该字母表可以表示所有二进制字符串的集合，即“0”、“1”、“00”、“01”、“10”、“11”、“100”等。
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| Python | Python |
该正则表达式模式是“Python”。该模式没有使用任何特殊符号去匹配其他符号，
而只匹配所描述的内容，所以，能够匹配这个模式的只有包含“Python”的字符串。正则表达式的强大之处在于引入特殊字符来定义字符集、匹配子组和重复模式。正是由于这些特殊符号，使得正则表达式可以匹配字符串集合，而不仅仅只是某单个字符串。
3.特殊符号和字符
下表是常用正则表达式符号和特殊字符：
（1）使用择一匹配符号匹配多个正则表达式模式
择一匹配符号：“ | ”（即键盘上的竖线），表示一个“从多个模式中选择其一”的操作，用于分割不同的正则表达式。择一匹配有时候也称作并（union）或者逻辑或（logical OR）。
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| a|b | a,b |
（2）匹配任意单个字符
任意匹配字符：点号或者句点“ . ”，匹配除了换行符\n 以外的任何一个字符。（Python 正则表达式有一个编译标记[S 或者DOTALL]，该标记能够推翻这个限制，使点号能够匹配换行符）。
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| s.b | 匹配在字符“s”和字符“b”之间的任意一个字符，例如sab,sbb |
| 。。（其实是两个英文句点，但打两个句点死活显示三个！！） | 任意两个字符 |
| .gg | 匹配在字符串gg之前的任意一个字符，例如egg |
注意：如要匹配句点（dot）或者句号（period）字符，必须使用反斜线转义句点符号的功能，例如“.”。
（3）定位符
| 字符 | 描述 |
|---|---|
| ^，\A | 匹配输入字符串开始的位置。后者主要用于那些没有脱字符的键盘。 |
| $，\Z | 匹配输入字符串结尾的位置。 |
| \b | 匹配一个单词边界，即字与空格间的位置。 |
| \B | 非单词边界匹配。 |
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| subject | 任何包含subject的字符串 |
| ^begin | 匹配所有以begin开头的字符串 |
| end$ | 匹配所有以end结尾的字符串 |
| ^subject$ | 任何由单独的字符串subject构成的字符串，如subjectsubject |
| \ban | 匹配任意以an开头的单词，例如匹配单词angle中的字符串an |
| gle\b | 匹配任意以gle结尾的单词，例如匹配单词angle中的字符串gle |
| \Bed | 匹配单词appered,但是不匹配单词edge |
注意：
（1）\b 字符的位置是非常重要的。如果它位于要匹配的字符串的开始，它在单词的开始处查找匹配项。如果它位于字符串的结尾，它在单词的结尾处查找匹配项。
（2）对于 \B 非单词边界运算符，位置并不重要，因为匹配不关心究竟是单词的开头还是结尾。
（4）创建字符集
使用方括号“ [ ] ”匹配某些特定的字符，方括号有表达逻辑或的功能，ru [abc]表达a或b或c。可通过该字符创建一个字符集
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| b[aeiu]t | bat,bet,bit,but |
| [rd][ek][ds] | 一个包含四个字符的字符串，第一是“r”或“d”，二是“e”或“k”，三是“d”或“s”，例如red,dks。 |
（5）限定范围和否定
方括号中两个符号中间用连字符“ - ”连接，用于指定一个字符的范围；例如，A-Z、a-z 或者0-9 分别用于表示大写字母、小写字母和数值数字。
如果脱字符“ ^ ”紧跟在左方括号后面，这个符号就表示不匹配给定字符集中的任何一个字符。
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| [A-Z][0-9] | 匹配满足第一个字符为大写A到Z中任意一个字符，第二个字符为0到9中任意一个字符 |
| [^aeiou] | 一个不是不是元音字母的字符 |
（6）使用闭包操作符实现存在性和频数匹配
| 字符 | 描述 |
|---|---|
| * | 匹配前面的子表达式出现零次或多次。要匹配 * 字符，请使用 *。 |
| + | 匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 +。 |
| ？ | 匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，使用 ?。 |
| {N}，{N,M} | 里面或者是单个值或者是一对由逗号分隔的值，用于精确匹配前面的表达式N次，或者N~M次 |
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| [nm]o? | 匹配n,no,m,mo |
| [nm]o* | 匹配第一个字符为n或m，接下来为若干个o，也可以没有o |
| [nm]o+ | 匹配第一个字符为n或m，接下来为若干个o，至少一个o |
| [0-9]{12,16} | 匹配12 至16 个数字 |
（7）表示字符集的特殊字符
| 字符 | 描述 |
|---|---|
| \d | 匹配一个数字字符。等价于 [0-9]。 |
| \D | 匹配一个非数字字符。等价于 [^0-9]。 |
| \w | 匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’。 |
| \W | 匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。 |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
| \S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| \w+\d | 首先是一串由字母、数字、下划线组成的字符串，最后是一个数字。 |
（8）使用圆括号指定分组
当使用正则表达式时，一对圆括号可以实现以下任意一个（或者两个）功能：
• 对正则表达式进行分组；
• 匹配子组。
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| \d+(.\d*)? | 表示简单浮点数的字符串；即任何十进制数字，后面可以接一个小数点和零个或者多个十进制数字，例如“0.004”、“2”、“75.”等。 |
（9）扩展表示法
用于实现一个前视（或者后视）匹配，或者条件检查。
| 字符 | 描述 |
|---|---|
| (pattern) | 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到。要匹配圆括号字符，请使用 ‘(’ 或 ‘)’。 |
| (?:pattern) | 匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 “或” 字符 ( |
| (?=pattern) | 正向肯定预查（look ahead positive assert），在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。 |
| (?!pattern) | 正向否定预查(negative assert)，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。 |
| (?<=pattern) | 反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。 |
| (?<!pattern) | 反向否定预查，与正向否定预查类似，只是方向相反。 |
| (?#patterm) | 表示注释，所有内容都被忽略 |
例如：
| 正则表达式模式 | 匹配的字符串 |
|---|---|
| (?:.com) | 匹配但最后不获取以.com结尾的字符穿 |
| (?=.com) | 如果一个字符串后面跟着.com才进行匹配 |
| (?!.com) | 如果一个字符串后面不是跟着.com才进行匹配 |
| (?<=www) | 如果一个字符串之前是www才进行匹配） |
| (?<!www) | 如果一个字符串之前不是www才进行匹配 |
