正则表达式
对文本内容的搜索，定位，提取是逻辑比较复杂的工作。
定义:
文本的高度匹配模式，其本质是由一系列字符和特殊符号构成号构成的字串，这个字串即正则表达式。
原理:
通过普通字符和有特殊含义的字符，来组成字符串，用以描述一定的字符串规则，比如：重复，位置等，来表达某类特定的字符串，进而匹配。
目标：
1. 熟练掌握元字符
2. 能够读懂常用正则表达式，编辑正则规则
3. 熟练使用re模块操作正则表达式
1. 单字匹配
- 元字符使用
- 普通字符，匹配其自身
元字符之外的字符，正则表达大python中也可以匹配中文- 或关系: 元字符：|
匹配规则： 匹配|两侧任意的正则表达即可 - 匹配单个字符: 元字符：.
匹配规则： 匹配除换行外的任意一个字符 - 匹配字符集: 元字符：[字符集]
匹配规则： 匹配字符集中的任意一个字符表达形式： [aeiou数据管理] 表示[]中的任意一个字符 [0-9],[a-z][A-Z] 表示区间内的任意一个字符 [#?0-9a-z] 混合书写，一般区间表达定在后面
- 匹配字符集反集: 元字符：字符集
匹配规则： 匹配除了字符集以外的任意一个字符2. 匹配重复元字符*:
匹配规则： 匹配前面的字符出现0次或多次
元字符+:
匹配规则： 匹配前面的字符出现1次或多次
元字符？:
匹配规则： 匹配前面的字符出现0次或1次
元字符{n}:
匹配规则： 匹配前面的字符出现n次
元字符{m,n}:
匹配规则： 匹配前面的字符出现m-n次3. 匹配位置匹配字符串开始位置:
元字符^:
匹配规则： 匹配目标字符串的开头位置
匹配字符串结束位置:
**元字符:** 匹配规则： 匹配目标字符串的结束位置 规则技巧：^和必须出现在正则表达的开头和结尾处。如果两者同时出现，则蹭的部分必须匹配整个目标字符串的全部内容4. 其它匹配任意(非)数字字符
元字符：\d 相当于[0-9] \D 相当于[^0-9]
匹配规则：\d匹配任意数字字符，\D匹配任意非数字字符
匹配任意(非)普通字符
说明：普通字符指数字、字母、下划线、汉字
元字符：\w \W
匹配规则：\w 匹配普通字符，\W 匹配非普通字符
匹配任意(非)空字符
说明：空字符指 空格\r \n \t \v \f 字符
元字符：\s \S
匹配规则：\s 匹配空字符，\S 匹配非空字符
匹配任意(非)单词的边界位置
说明：单词边界指数字字母(汉字)下划线与其他字符的交界位置
元字符：\b \B
匹配规则：\b 表示单词边界，\B 表示非单词边界5. 元字符分类类别元字符匹配字符. [...] [^...] \d \D \w匹配重复* + ? {n} {m,n}匹配位置^ $ \b \B其它| （） \6. 特殊字符匹配
- 目的：如果匹配的目标字符串中包含正则表达式特殊字符，则在表达式中元字符就想表示其本身含义时就需要进行\处理。
- 特殊字符 . * + ? ^ $ [] () {}
操作方法：在正则表达式元字符前加\则元字符就是去其特殊含义，就表示字符本身7. 贪婪模式和非贪婪模式
- 特殊字符 . * + ? ^ $ [] () {}
- 定义贪婪模式：默认情况下，匹配重复的元字符总是尽可能多的向后匹配内容。比如：* + ? {m,n}非贪婪模式(懒惰模式)：让匹配重复的元字符尽可能少的向匹配内容。
- 贪婪模式转换为非贪婪模式在对应的匹配重复的元字符后加"?"号即可
- 一定是符合规则的前提下。一般在左右配合时使用。8. 分组
- 定义在正则表达式中，以()建立正则表达的内部分组，子组是正则表达式的一部分，可以作为内部整体操作对象。
- 作用： 可以被作为整体操作，改变元字符的操作对象
- 捕获组 本质也是一个子组，只不过拥有一个名称用以表达该子组的意义，这种有名称的子组即为捕获组。格式：
(?Ppattern) - 注意：
- 一个正则表达式中可以包含多个子组
- 子组可以嵌套但是不宜结构过于复杂
- 子组序列号一般从外到内，从左到右计数
- 或关系: 元字符：|
- 正则表达式匹配原则
- 正确性，能够正确的匹配出目标字符串。
- 排他性，除了目标字符串之外尽可能少的匹配其它内容。
- 全面性，尽可能考虑到目标字符串的所有情况，不遗漏。
Python re模块使用
——————————————————————————
1. 基础函数
以下为Python正则表达式常用函数：
re.findall(pattern,string)
功能：根据正则表达式匹配目标字符串内容
参数：pattern 正则表达式
string 目标字符串
返回值： 匹配到的内容列表，如果正则表达式有子组则只能获得到子组对应的内容
re.split(pattern,string,max)
功能：使用正则表达式匹配内容，切割目标字符串
参数：pattern 正则表达式
string 目标字符串
max 最多切割几部分
返回值：切割后的内容列表
re.sub(pattern,replace,string,count)
功能：使用一个字符串替换正则表达匹配到的内容
参数： pattern 正则表达式
replace 替换的字符串
string 目标的字符串
count 最多替换几处，默认替换全部
返回值：替换后的字符串2. 生成match对象
re.finditer(pattern,string)
功能：根据正则表达式匹配目标字符串内容
参数：pattern 正则表达式
string 目标字符串
返回值：匹配结果的迭代器
re.match(pattern,string)
功能：匹配某个目标字符串开始位置
参数：pattern 正则
string 目标字符串
返回值：匹配内容match object
re.search(pattern,string)
功能：匹配目标字符串第一个符合内容
参数：pattern 正则
string 目标字符串
返回值：匹配内容match object
3. match对象使用
span()
功能：获取匹配内容的起止位置
group(n = 0)
功能：获取match对象匹配内容参数：默认为0表示获取整个match对象内容，如果是序列号或者组名则表示获取对应子组内容返回值：匹配字符串