一.正则表达式
1.正则表达式 (Regular Expression) 又称 RegEx, 是用来匹配字符的一种工具. 在一大串字符中寻找你需要的内容.
2.正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配
3.re 模块使 Python 语言拥有全部的正则表达式功能
4.它常被用在很多方面, 比如网页爬虫, 文稿整理, 数据筛选等等.
二.简单的匹配
1 import re
2 # regular expression
3 pattern1 = "dog"
4 pattern2 = "cat"
5 pattern3 = "bird"
6 string = "dog runs to cat"
7
8 #如果匹配成功，返回一个匹配的对象，没找到则返回none
9 #re.span方法显示匹配的位置
10 #group(num) 或 groups() 来获取匹配表达式
11
12 #re.match:匹配string初始位置
13 #re.match(pattern, string, flags=0)
14 #pattern:匹配的正则表达式;string要匹配的字符串;flags标志位，用于控制正则表达式的匹配方式
15 print(re.match(pattern1, string))
16 print(re.match(pattern1, string).span())#span函数显示匹配的位置
17 print(re.match(pattern1, string).group())#groop方法获取正则表达式
18 print(re.match(pattern2, string))
19 print(re.match(pattern3, string))
20 print('*'*50)
21
22 # re.search(pattern,string, flags=0)匹配整个string：在string中查找pattern
23 print(re.search(pattern1, string)) # <_sre.SRE_Match object; span=(12, 15), match='cat'>
24 print(re.search(pattern2, string)) #
25 print(re.search(pattern2, string).span())
26 print(re.search(pattern2, string).group())
27 print('*'*50)
28
29 #findall(pattern, string, flags=0)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
30 # 注意： match 和 search 是匹配一次,匹配到结束，findall 匹配所有，匹配完结束
31 print(re.findall(r"ran", "run ran ran ran"))
32 print(re.search(r"ran", "run ran ran ran"))
33 print(re.findall(r"(run|ran)", "run ran ran ran")) # | : or
34 print(re.search(r"(run|ran)", "run ran ran ran"))
35 print('*'*50)
36
37 #finditer(pattern, string, flags=0) 和findall类似，在字符串中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
38 r=re.finditer(r"(run|ran)", "run ran ren ran")
39 print(r)
40 for i in r:
41 print(i.group())
42 -------------------------------------------------
43 <_sre.SRE_Match object; span=(0, 3), match='dog'>
44 (0, 3)
45 dog
46 None
47 None
48 **************************************************
49 <_sre.SRE_Match object; span=(0, 3), match='dog'>
50 <_sre.SRE_Match object; span=(12, 15), match='cat'>
51 (12, 15)
52 cat
53 **************************************************
54 ['ran', 'ran', 'ran']
55 <_sre.SRE_Match object; span=(4, 7), match='ran'>
56 ['run', 'ran', 'ran', 'ran']
57 <_sre.SRE_Match object; span=(0, 3), match='run'>
58 **************************************************
59 <callable_iterator object at 0x058E8470>
60 run
61 ran
62 ran
三.灵活匹配
import re
# multiple patterns 灵活匹配：匹配潜在的多个可能性文字，可用【】将可能的字符囊括起来
ptn = r"r[au]n" # ("run" or "ran")
#建立一个正则的规则:我们在 pattern 的 “” 前面需要加上一个 r 用来表示这是正则表达式, 而不是普通字符串.
print(re.search(ptn, "dog runs to cat"))# <_sre.SRE_Match object; span=(4, 7), match='run'>
#括号 [] 中还可以是以下这些或者是这些的组合. 比如 [A-Z] 表示的就是所有大写的英文字母. [0-9a-z] 表示可以是数字也可以是任何小写字母
print(re.search(r"r[A-Z]n", "dog runs to cat"))
print(re.search(r"r[a-z]n", "dog runs to cat"))
print(re.search(r"r[0-9]n", "dog r2ns to cat"))
print(re.search(r"r[0-9a-z]n", "dog runs to cat"))
-----------------------------
<_sre.SRE_Match object; span=(4, 7), match='run'>
None
<_sre.SRE_Match object; span=(4, 7), match='run'>
<_sre.SRE_Match object; span=(4, 7), match='r2n'>
<_sre.SRE_Match object; span=(4, 7), match='run'>
四.sub替换
1 import re
2
3 #re.sub(pattern, repl, string, count=0)通过正则表达式匹配上一些形式的字符串然后再替代掉这些字符串.
4 #repl : 替换的字符串，也可为一个函数。count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
5 print(re.sub(r"r[au]ns", "catches", "dog runs to cat"))
6
7 # repl可以是一个函数。将匹配的数字乘于 2
8 def double(matched):
9 value = int(matched.group('value'))
10 return str(value * 2)
11 s = 'A23G4HFD567'
12 print(re.sub('(?P<value>\d+)', double, s))
13 --------------------------------------------
14 dog catches to cat
15 A46G8HFD1134
五.compile编译正则表达式
1 import re
2 #compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供match()和search()这两个函数使用
3 #使用 compile 过后的正则, 来对这个正则重复使用
4 #先将正则表达式 compile为一个变量, 比如 compiled_re, 然后直接使用这个 变量compiled_re 来重复使用
5 compiled_re = re.compile(r"r[ua]n")
6 print(compiled_re.search("dog ran to cat"))
7 print(compiled_re.findall("run ran ran"))
8 ------------------------------------------------------
9 <_sre.SRE_Match object; span=(4, 7), match='ran'>
10 ['run', 'ran', 'ran']
六.split分割
1 import re
2 #split 方法按照能够匹配的子串将字符串分割后返回列表
3 #split(pattern, string, maxsplit=0, flags=0)
4 #maxsplit分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
5 #flags标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
6 print(re.split(r"[,;\.]", "a;b,c.d;e"))
7 print(re.split('\W+', ' runoob, runoob, runoob.', 1))
8 ------------------------------------------------------
9 ['a', 'b', 'c', 'd', 'e']
10 ['', 'runoob, runoob, runoob.']
七.正则表达式修饰符(flags)：正则表达式可以包含一些可选标志修饰符来控制匹配的模式。
多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志
例
八.正则表达式模式：
模式字符串使用特殊的语法来表示一个正则表达式：
1.字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。
2.多数字母和数字前加一个反斜杠时会拥有不同的含义。
3.标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。
4.反斜杠本身需要使用反斜杠转义。
实例：
