正则表达式
| 正则表达式 |
正则表达式是一种用来匹配字符串的强有力武器。它的设计思想是用一种描述性的语言给字符串定义一个规则，凡是符合规则的字符串，就认为它匹配成功；否则，该字符串就是不合法的。
一、正则表达式常用符合
1.一般字符
正则表达式的一般字符有3个，如下表所示：
| 字符 | 含义 |
| . | 匹配任意当个字符（不包括换行符\n） |
| \ | 转义字符 |
| [...] | 字符集。对应字符集中的任意字符 |
（1）“.”字符为匹配任意单个字符。例如，a.b可以的匹配结果为abc、aic、a&c等，但不包括换行符。
（2）“\”字符为转义字符，可以把字符改变为原来的意思。例如“.”字符是匹配任意的单个字符，但有时不需要这个功能，只想让它表示一个点，这时就可以使用“\.”，就能匹配为“.”了。
（3）[...]为字符集，相当于在中括号中任选一个。例如a[bcd]，匹配的结果为ab、ac、ad。
2.预定义字符集
正则表达式预定义字符集有6个，如下表所示：
| 预定义字符集 | 含义 |
| \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] |
| \s | 匹配任何空白字符，包括空格、制表符、换行符等。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] |
| \w | 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]' |
| \W | 匹配任何非单词字符。等价于'[^A-Za-z0-9_]' |
3.数量词
正则表达式中的数量词如下表所示：
| 数量词 | 含义 |
| * | 匹配前一个字符0或无限次 |
| + | 匹配前一个字符1或无限次 |
| ? | 匹配前一个字符0或1次 |
| {m} | 匹配前一个字符m次 |
| {m,n} | 匹配前一个字符m至n次 |
（1）“*”数量词匹配前一个字符0或无限次。例如，ab*c匹配ac、abc、abbc等。
（2）“+”与“*”很类似，只是至少匹配前一个字符一次。例如，ab+c匹配abc、abbc等。但不能匹配到ac。
（3）“？”数量词匹配前一个字符0或1次。例如，ab？c匹配ac和abc。
（4）“｛m｝”数量词匹配前一个字符m次。例如，ab｛3｝c匹配abbbc。
（5）“｛m,n｝”数量词匹配前一个字符m至n次。例如，ab｛1，3｝c匹配abc、abbc、abbbc。
4.边界匹配
正则表达式的边界匹配的符号如下表所示：
| 边界匹配 | 含义 |
| ^ | 匹配字符串开头 |
| $ | 匹配字符串结尾 |
（1）“^”匹配字符串的开头。例如，^abc匹配abc开头的字符串。
（2）“$”匹配字符串的结尾。例如，abs$匹配abc结尾的字符串。
5.分组
正则表达式的分组的符合如下表所示：
| 分组 | 含义 |
| () | 分组 |
| (？P<name>) | 命名分组 |
二、re模块及其方法
re模块是Python语言拥有全部的正则表达式功能。
在Python中，想要使用正则表达式，第一步先需要引入re模块。re模块为Python中的内置模块，所以无须单独安装，直接导入即可，具体代码如下：
import re #引入re模块
在re模块中提供了一系列方法对文本进行匹配查找，下面进行详细的介绍。
1.search()方法
search()：用于在字符串内查找匹配，只要找到第一个匹配然后返回即可，如果字符串没有匹配，就返回None。代码如下所示：
import re print(re.search('\d+','one1two2three3'))
执行结果为：
<re.Match object; span=(3, 4), match='1'>
可以看出，search()方法返回的是正则表达式对象，通过正则表达式匹配到了“1”这个字符串，可以通过下面的代码返回匹配到的字符串：
import re print(re.search('\d+','one1two2three3').group())
2.findall()方法
findall()：用于遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表。代码如下所示：
import re print(re.findall('\d+','one1two2three3'))
执行结果为：
['1', '2', '3']
findall()方法是对于整个字符串进行匹配，最后将所有匹配成功项以列表形式进行返回输出['1','2','3'].
3.match()方法
match()：只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，返回None。代码如下所示：
import re print(re.match('\d+','one1two2three3')) print(re.match('\d+','1one2two3three')) print(re.match('\d+','1one2two3three').group())
执行结果为：
None <re.Match object; span=(0, 1), match='1'> 1
4.split()方法
split()：安照能够匹配的字符对字符串分割后返回列表。代码如下所示：
import re print(re.split('[\d]','one1two2three3')) print(re.split('[\d]','1one2two3three'))
执行结果为：
['one', 'two', 'three', ''] ['', 'one', 'two', 'three']
上述代码通过正则表达式对字符串进行分割，[\d]表示按照数字字符中的任意字符进行分割，当然也可以指定分割次数，默认全部分割。
5.sub()方法
sub()：使用re替换字符串中每一个匹配的字串返回替换后的字符串。代码如下所示：
import re print(re.sub('[\d]','a','one1two2three3'))
执行结果为：
oneatwoathreea
上述代码使用sub()方法将正则匹配成功的数字项替换为a。
6.compile()方法
compile()：返回的正则表达式对象所支持的方法。代码如下所示：
import re ret = re.compile('\d+') print(ret.findall('a1b22c3'))
执行结果为：
['1', '22', '3']
三、贪婪模式和惰性模式
贪婪模式，光听名字就知道是一个贪婪的家伙，就是尽可能多地匹配。而惰性匹配就是尽可能少的匹配。
在Python中，默认是贪婪模式。下面我们就对一段代码进行分析：
import re print(re.findall('\d+','a1b222c33'))
执行结果为：
['1', '222', '33']
有没有疑问输出结果为什么是['1','222','33']而不是['1','2','2','2','3','3']?这个是正则表达式中的贪婪模式，就是尽可能多地匹配。
如果不想要贪婪匹配，需要让“\d+”采用惰性匹配（尽可能少地匹配），在“\d+”后面加一个？即可，代码如下所示：
import re print(re.findall('\d+?','a1b222c33'))
执行结果为：
['1', '2', '2', '2', '3', '3']
这就完成了从贪婪到惰性的蜕变。
