正则表达式
1.1定义：
又叫规则表达式，是一种文本模式，针对字符串，实际就是一种语法规则，用来匹配文本中的文本（可以灵活解决寻找到匹配的内容）
1.2语法规则
1.2.1匹配什么字符
- .小数点 ：匹配任意的字符（换行符除外）
- \d匹配数字字符
- \D匹配非数字字符
- \w匹配单词字符
- \s匹配空白符（包括换行符、Tab键、空格）
- \S匹配非空白字符
- \ .匹配小数点 需要加反斜杠转义
1.2.2匹配多少次
注意格式 匹配字符 限定符跟在匹配字符后面
1.* 匹配0次或多次
2.+ 出现1次或多次
3.？出现0次或1次（如果出现多次就被拆成1个出现，为了保证出现0或1次）
4.{ n } 出现n次
- {n,m}出现 n-m次 指定范围
6.{n, }出现n次以上
1.2.3在哪里匹配
1.^行首匹配（格式：位置在匹配字符前面）
2.$行尾匹配（格式：位置在匹配字符后面）
3.\b表示匹配单词边界（比如\bword,可以匹配word\words,但不会匹配sword）（格式：位置在匹配字符q前面或后面）
1.2.4匹配指定格式的字符
1.使用（）圆括号匹配指定格式的字符
（ab）:表示在文本只匹配ab这两个字符，且必须相邻
(a|b):表示在文本中匹配a或者b这两个字符，不一定相邻
注意：圆括号（）会把匹配到的内容保存在内存上，开发者可以使用\n来代表一个匹配模式中第n个（）中匹配到的内容。
2.使用[]匹配指定类别的字符串，比如：
[abcd]:表示匹配a/b/c/d
[a-d]；表示匹配a/b/c/d（或者）
[a-zA-z0-9]:表示匹配所有大小写英文和数字
[^0-9]:表示匹配除了数字之外的所有字符
1.2.5单行模式与多行模式
1.单行模式：小数点.可以匹配任何字符，包括换行符，并且整个文本会被认为是一个完整的文本，使用^和$只能匹配到文本的开头和结尾
import re
text ="""
1344566890
dddddggggh
q2435656qq
"""
# 设置为单行模式
res = re.findall(r'.', text,re.S)
print(res)
# 结果会出现个换行符
#['\n', ' ', ' ', ' ', '1', '3', '4', '4', '5', '6', '6', '8', '9', '0', '\n', ' ', ' ', ' ', 'd', 'd', 'd', 'd', 'd', 'g', 'g', 'g', 'g', 'h', '\n', ' ', ' ', ' ', 'q', '2', '4', '3', '5', '6', '5', '6', 'q', 'q', '\n']
2.多行模式：就不可以匹配换行符，使用^和$可以匹配到每一行的开始和结束
1.2.6贪婪匹配与懒惰匹配
1.贪婪模式：指在正则表达式中的量词会尽可能的多的匹配字符
2.懒惰模式：指在正则表达式中的量词会尽可能少地匹配字符
补（易错）:在python的re模块中可以通过在量词后面加一个问号来设置非贪婪（懒惰）模式，不加默认为贪婪模式
1.2.7？问号的几种用法
1.？作为限定符，表示其修饰对象只能出现0或者1次
2.？放在量词前，表示将匹配模式改为懒惰匹配模式
3.完整格式（？=pattern）：表示匹配位置后必须要跟着pattern模式的字符，匹配结果并不包括这个模式的字符串
4.（？！=pattern）：表示匹配位置后不能跟着pattern模式的字符，匹配结果并不包括这个模式的字符串
5.（？<=pattern）：表示匹配位置前面必须跟着pattern模式的字符，匹配结果并不包括这个模式的字符串
6.（？<！pattern）：表示匹配位置前面不能跟着pattern模式的字符，匹配结果并不包括这个模式的字符串
7.（？：pattern）:表示将pattern包含在一个分组中，但不把这个分组的匹配结果保存到分组编号中。
1.3python中的re库
1.3.1re.match
该函数是从字符串的开始位置进行匹配，如果起始位置没有匹配成功，就返回None,否则返回一个匹配对象，匹配对象的方法
参考附录2
函数原型：re.match(pattern,string,flags=0)
pattern:正则表达式的格式
string:匹配的文本
flags:标志位，用于孔子正则表达式的匹配方式，如是否区分大小写，设置多行匹配模式等，具体标志位参考附录1
使用场景：
1.验证输入格式;如电子邮件，电话号码，日期等
2.提取信息：从字符串的开始位置提前符合正则表达式模式的字串，如提取文件名
3.数据解析;处理日志文件或配置文件时，可以用来解析每行的开始部分，获取关键信息
1.3.2re.search
该函数是从文本中获取第一个符合正则表达式模式的位置，并返回一个匹配对象。如果没有匹配到，就返回None
函数原型：re.search(pattern,string,flags=0)
pattern:正则表达式的格式
string:被匹配的文本
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，设置多行匹配模式，具体的标志位可参考下面的附录1
适应场景：
1.检查字符串是否包含子串
2.提取数据：从字符串中的任意位置提取信息，例如一个文本段落中提取所有提到的日期
3.搜索文件：在某文件中查找特定的消息或事件
1.3.3 re.findall
该函数是从文本中寻找与所有模式匹配的子串，并将所有的匹配结果存储到一个列表进行返回，如果没有匹配成功会返回一个空列表
函数原型：re.findall(pattern,string,flags=0)
pattern :正则表达式的格式
string:被匹配的文本
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，设置多行匹配模式，具体的标志位可参考下面的附录1
适应场景：
1.提取多个子串：当你需要在字符串中找到所有匹配特定模式的字串时
2.文本分析：在文本中，提取文本中特定的词汇，短语或模式
1.3.4re.sub
该函数的作用就是将文本中与模式匹配的部分替换为其他的内容
函数原型：re.sub(pattern,repl,string,count,flags=0)
pattern:正则表达式的格式
repl:这是替换文本或一个函数，如果是文本，就是将匹配的内容替换为该文本，如果是函数，会在函数中进行文本处理的操作
string:被匹配的文本
count:这是可选参数，表示替换的最大次数，默认值为0，表示替换所有匹配项
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，设置多行匹配模式，具体的标志位可参考下面的附录1
使用场景有：
1.文本格式化
2.数据清洗：在处理数据是，移除或替换无效或不需要的字符，比如在一系列文本中删除非数字字符以清理电话号码
3.敏感信息脱敏：在显示或存储数据前，将敏感信息（如身份证号码，手机号）的部分内容替换为星号。
1.3.5re.split
该函数的作用就是将某文本根据匹配模式进行分割，并将分割后的结果放入列表中返回
函数原型：re.split(pattern,string,maxsplit,flags=0)
maxsplit:可选参数，表示最大分割次数，默认值为0，表示分割所有匹配项
1.3.6re.compile
该函数会预先编译正则表达式要匹配的模式，并返回一个正则表达式的对象在使用对象去调用这些函数，该对象与re.match返回的对象不同，该对象可以调用上面的函数
函数原型：re.compile(pattern,flags=0)
场景：
多次匹配：当你需要在一个较长文本中多次应用同一个正则表达式时，使用re.complie可以避免每次匹配时都重新编译表达式
附录1标志位
| flags | 说明 |
|---|---|
| re.IGNORECASE或re.l | 使匹配大小写不敏感 |
| re.LOCALE或re.l | 做本地haul识别的匹配，会影响\w,\W、\b、\B |
| re.MULTILINE或re.M | 多行匹配，使^和$能够匹配每一行的行首和行尾 |
| re.DOTALL或re.S | 单行匹配，使特殊字符能够匹配任何字符，包括换行符 |
| re.VERBOSE或re.X | 允许你编写更易于阅读的正则表达式，忽略空白字符和注释 |
| re.ASCII或re.A | 使得\w,\W、\b、\B和大小写字母的匹配只基于ASCII字符集，而不是Unicode |
附录2函数方法
| 方法 | 说明 |
|---|---|
| group() | 返回被匹配的字符串 |
| start() | 返回匹配开始的位置 |
| end() | 返回匹配结束的位置 |
| span() | 返回一个元组包含开始和结束的位置 |
浙公网安备 33010602011771号