python 正则详解
正则表达式概述
正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。
Regular Expression的“Regular”一般被译为“正则”、“正规”、“常规”。此处的“Regular”即是“规则”、“规律”的意思，Regular Expression即“描述某种规则的表达式”之意。
re模块操作
1 # 导入re模块
2 import re
3
4 # 使用match方法进行匹配操作
5 result = re.match(正则表达式,要匹配的字符串)
6
7 # 如果上一步匹配到数据的话，可以使用group方法来提取数据
8 result.group()
re.match是用来进行正则匹配检查的方法，若字符串匹配正则表达式，则match方法返回匹配对象（Match Object），否则返回None（注意不是空字符串""）。
匹配对象Macth Object具有group方法，用来返回字符串的匹配部分。
如匹配以abc开始的字符：
1 import re
2 ret=re.match('abc','abckok')
3 print(ret.group())
4 #结果：
5 #abc
表示字符
| 字符 | 功能 |
| . | 匹配任意1个字符（除了\n） |
| [ ] | 匹配[ ]中列举的字符 |
| \d | 匹配数字，即0-9 |
| \D | 匹配非数字，即不是数字 |
| \s | 匹配空白，即 空格，tab键 |
| \S | 匹配非空白 |
| \w | 匹配单词字符，即a-z、A-Z、0-9、_ |
| \W | 匹配非单词字符 |
如：“a1d45d” 匹配出a1
1 import re
2 ret=re.match('\w\d','a1d45d')
3 print(ret.group())
4 #结果：
5 #a1
关于转义
在正则表达式中，有很多有特殊意义的是元字符，比如\d和\s等，如果要在正则中匹配正常的"\d"而不是"数字"就需要对"\"进行转义，变成'\\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\d",字符串中要写成'\\d'，那么正则里就要写成"\\\\d",这样就太麻烦了。这个时候我们就用到了r'\d'这个概念，此时的正则是r'\\d'就可以了。
如：
1 import re
2 ret=re.match(r'c:\\',"c:\\user\\")
3 print(ret.group())
4 #结果：
5 #c:\
表示数量
如果要匹配多个数字，用re.match(r'\d\d\d\d\d\d\d\d\d',"11111111111abc"),这种写法会把人折磨死，re模块对数量也有相应的规则
匹配多个字符的相关格式
| 字符 | 功能 |
| * | 匹配前一个字符出现0次或者无限次，即可有可无 |
| + | 匹配前一个字符出现1次或者无限次，即至少有1次 |
| ？ | 匹配前一个字符出现1次或者0次，即要么有1次，要么没有 |
| {m} | 匹配前一个字符出现m次 |
| {m,} | 匹配前一个字符至少出现m次 |
| {m,n} | 匹配前一个字符出现从m到n次 |
示例1：匹配出，一个字符串第一个字母为大写字母，后面都是小写字母并且这些小写字母可有可无
1 import re
2
3 ret=re.match(r'[A-Z][a-z]*',"Asdasdd12155")
4
5 print(ret.group())
6
7 #结果：
8
9 #Asdasdd
示例2：匹配出变量名是否有效
1 import re
2
3 ret=re.match(r'[A-Za-z_]+[\w]*',"_func")
4
5 print(ret.group())
6
7 #结果：
8
9 #_func
示例3：匹配出0-99间的数字
1 import re
2
3 ret=re.match(r'[1-9]?[0-9]?',"569565")
4
5 print(ret.group())
6
7 #结果：
8
9 #56
示例4：匹配出，8到20位的密码，可以是大小写英文字母、数字、下划线
1 import re
2
3 ret=re.match(r'[A-Za-z0-9_]{8,20}',"Adfsf465655f2s5a+")
4
5 print(ret.group())
6
7 #结果：
8
9 #Adfsf465655f2s5a
表示边界
| 字符 | 功能 |
| ^ | 匹配字符串开头 |
| $ | 匹配字符串结尾 |
| \b | 匹配一个单词的边界 |
| \B | 匹配非单词边界 |
示例1：匹配163.com的邮箱地址
1 import re
2
3 ret=re.match(r'\w{4,20}@163\.com$',"gmpzm@163.com")
4
5 print(ret.group())
6
7 #结果：
8
9 #gmpzm@163.com
错误情况
1 import re
2
3 ret=re.match(r'\w{4,20}@163\.com$',"gmpzm@163.comsda")
4
5 print(ret.group())
6
7 #结果：
8
9 #
10 #
11 #
12 # AttributeError: 'NoneType' object has no attribute 'group'
示例2：\b
1 import re
2
3 ret=re.match(r'.*pai\b',"gumupai")
4
5 print(ret.group())
6
7 #结果：
8
9 # gumupai
示例3：\B
1 import re
2
3 ret=re.match(r'.*\Bmupai',"gumupai")
4
5 print(ret.group())
6
7 #结果：
8
9 # gumupai
出错情况
1 import re
2
3 ret=re.match(r'.*\Bmupai',"gu mupai")
4
5 print(ret.group())
6
7 #结果：
8
9 # AttributeError: 'NoneType' object has no attribute 'group'
匹配分组
| 字符 | 功能 |
| | | 匹配左右任意一个表达式 |
| (ab) | 将括号中字符作为一个分组 |
| \num | 引用分组num匹配到的字符串 |
| (?P<name>) | 分组起别名 |
| (?P=name) | 引用别名为name分组匹配到的字符串 |
示例1：匹配1-100之间的数字
1 import re
2
3 ret = re.match("[1-9]?\d","8")
4 ret.group()
5
6 ret = re.match("[1-9]?\d","78")
7 ret.group()
8
9 # 不正确的情况
10 ret = re.match("[1-9]?\d","08")
11 ret.group()
12
13 # 修正之后的
14 ret = re.match("[1-9]?\d$","08")
15 ret.group()
16
17 # 添加|
18 ret = re.match("[1-9]?\d$|100","8")
19 ret.group()
20
21 ret = re.match("[1-9]?\d$|100","78")
22 ret.group()
23
24 ret = re.match("[1-9]?\d$|100","08")
25 ret.group()
26
27 ret = re.match("[1-9]?\d$|100","100")
28 ret.group()
示例2：匹配出163、126、qq邮箱之间的数字
1 import re
2
3 ret = re.match("\w{4,20}@163\.com", "test@163.com")
4 ret.group()
5
6 ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@126.com")
7 ret.group()
8
9 ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@qq.com")
10 ret.group()
11
12 ret = re.match("\w{4,20}@(163|126|qq)\.com", "test@gmail.com")
13 ret.group()
示例3：匹配出<html>古墓派掌门</html>
1 import re
2
3 ret=re.match(r'<([a-zA-Z]*)>\w+</\1>',"<html>古墓派掌门</html>")
4
5 print(ret.group())
6
7 #结果：
8
9 #<html>古墓派掌门</html>
示例4：匹配出<html><h1>古墓派掌门</h1></html>
1 import re
2
3 ret=re.match(r'<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>',"<html><h1>古墓派掌门</h1></html>")
4
5 print(ret.group())
6
7 #结果：
8
9 #<html><h1>古墓派掌门</h1></html>
tips：
注意：(?P<name>)和(?P=name)中的字母p大写
re模块常用方法
search
函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。
1 import re
2
3 ret = re.search(r"\d+", "阅读次数为 9999")
4 ret.group()
5 #结果9999
findall
返回所有满足匹配条件的结果,放在列表里
1 import re
2
3 ret=re.findall(r'\d+',"商品：辣条,数量：5,价格：5")
4
5 print(ret)
6
7 #结果：
8
9 #['5', '5']
findall的优先级查询：
1 import re
2
3 ret=re.findall(r'(数量：\d+),价格：\d+',"商品：辣条,数量：5,价格：5")
4
5 print(ret)
6
7 #结果：
8
9 #['数量：5']
10
11 #取消优先级
12 ret=re.findall(r'(?:数量：\d+),价格：\d+',"商品：辣条,数量：5,价格：5")
13 print(ret)
14
15 # 结果
16
17 # ['数量：5,价格：5']
split
split的优先级查询
1 import re
2 ret=re.split(r'\d+',"小米3小花4小松5")
3
4 print(ret)
5
6 #结果：
7 # ['小米', '小花', '小松', '']
8
9 ret=re.split(r'(\d+)',"小米3小花4小松5")
10
11 print(ret)
12
13 #结果：
14 # ['小米', '3', '小花', '4', '小松', '5', '']
15
16 #取消优先级
17 ret=re.split(r'(?:\d+)',"小米3小花4小松5")
18
19 print(ret)
20
21 # 结果
22
23 # ['小米', '小花', '小松', '']
python贪婪和非贪婪
Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；
非贪婪则相反，总是尝试匹配尽可能少的字符。
在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪。
1 >>> s="This is a number 234-235-22-423"
2 >>> r=re.match(".+(\d+-\d+-\d+-\d+)",s)
3 >>> r.group(1)
4 '4-235-22-423'
5 >>> r=re.match(".+?(\d+-\d+-\d+-\d+)",s)
6 >>> r.group(1)
7 '234-235-22-423'
8 >>>
正则表达式模式中使用到通配字，那它在从左到右的顺序求值时，会尽量“抓取”满足匹配最长字符串，在我们上面的例子里面，“.+”会从字符串的启始处抓取满足模式的最长字符，其中包括我们想得到的第一个整型字段的中的大部分，“\d+”只需一位字符就可以匹配，所以它匹配了数字“4”，而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。
解决方式：非贪婪操作符“？”，这个操作符可以用在"*","+","?"的后面，要求正则匹配的越少越好。
>>> re.match(r"aa(\d+)","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)","aa2343ddd").group(1)
'2'
>>> re.match(r"aa(\d+)ddd","aa2343ddd").group(1)
'2343'
>>> re.match(r"aa(\d+?)ddd","aa2343ddd").group(1)
'2343'
>>>
论贪心：
有人说贪心算法是最简单的算法，原因很简单：你我其实都很贪，根本不用学就知道怎么贪。有人说贪心算法是最复杂的算法，原因也很简单：这世上会贪的人太多了，那轮到你我的份？
