Python----Python高级（正则表达式：语法规则，re库）
一、正则表达式
1.1、概念
正则表达式，又称规则表达式,（Regular Expression，在代码中常简写为regex、 regexp或RE），是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特 殊字符（称为"元字符"）。
正则表达式使用单个字符串来描述、匹配一系列符合某个 句法规则的字符串，通常被用来检索、替换那些符合某个模式（规则）的文本。通俗 的说，正则表达式就是一种语法规则，用来匹配文本中的文本。
正则表达式非常强大，不仅在UNIX系统中应用广泛，近二十年来，在Windows系统 中也得到极大的发展，现如今主流的操作系统包括Linux、Unix、Windows和主流的 开发语言包括C/C++、Java、JavaScript、C#、Python、Go、PHP等。
1.2、特点
缺点：
正则表达式的语法可读性差
优点：
正则表达式通用行很强，能够适用于很多编程语言
二、语法规则
2.1、匹配什么字符
| 代码 | 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 | 匹配非特殊字符，即a-z、A-Z、0-9、_、汉字 |
| \W | 匹配特殊字符，即非字母、非数字、非汉字 |
2.2、匹配多少次
| 代码 | 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,n} | 匹配前一个字符出现从m到n次 |
| {n，} | 匹配前一个字符出现n次以上 |
2.3、在哪里匹配
| 代码 | 功能 |
|---|---|
| ^ | 匹配字符串开头 |
| $ | 匹配字符串结尾 |
| \b | 表示匹配单词边界。（比如\bword，可以匹配word、words，但不会匹配 sword） |
2.4、匹配指定格式的字符
1. 使用（）匹配指定格式的字符
(ab)：表示在文本中只匹配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。
2. 使用[]匹配指定类别的字符串
[abcd]：表示匹配a或匹配b或匹配c或匹配d
[a-d]：表示匹配a或匹配b或匹配c或匹配d
[a-zA-Z0-9]：表示匹配所有的大小写英文和数字
[^0-9]：表示匹配除了数字之外的所有字符
2.5、单行模式与多行模式
1. 单行模式：
在单行模式下，.可以匹配任何的字符，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$只能匹配到文本的开头和结尾。
2. 多行模式：
在多行模式下，.就不可以匹配换行符了，使用^和$可以匹配到每一行 的开始和结束。
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多地匹配字符。
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。
2.7、？的几种用法
1. ？作为限定符，表示其修饰对象只能出现0次或1次。
2. ？放在量词前，表示将匹配模式改为懒惰匹配模式。
3. （?=pattern）：表示匹配位置后面必须跟着pattern模式的字符，匹配结果并不 包括这个模式的字符串。
4. （?!pattern）：表示匹配位置后面不能跟着pattern模式的字符，匹配结果并不 包括这个模式的字符串。
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。
三、Python中的re库
3.1、re.match
该函数尝试从字符串的起始位置匹配，如果起始位置没有匹配成功的话，就返回 None，否则会返回一个匹配对象
re.match(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
应用场景
验证输入格式：检查用户输入是否符合特定的格式，例如电子邮件、电话号码、 日期等
提取信息：从字符串的开始位置提取符合正则表达式模式的字串，如提取文件名 等。
数据解析：在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。
import re
m = re.match('foo', 'food') # 返回匹配对象
print(m) # <re.Match object; span=(0, 3), match='foo'>
m = re.match('foo', 'fbar') # 不匹配,返回None
print(m) # None
3.2、re.search
从文本中获取第一个符合正则表达式模式的字符的位置，并返回一个匹配对 象，如果没有匹配到，就返回None。
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
应用场景
检查字符串是否包含子串：检查一个字符串是否包含某个特定的文本。
提取数据：从字符串中的任意位置提取信息，例如从一个文本段落中提取所有提 到的日期。
搜索文件：在某文件中查找特定的消息或事件。
import re
m = re.search('foo', 'hellofood')
print(m) # <re.Match object; span=(6, 9), match='foo'>
m = re.search('foo', 'hello')
print(m) # None
3.3、re.findall
数从文本中寻找所有与模式匹配的子串，并将所有的匹配结果存储到一个列表中 进行返回，如果没有匹配成功会返回一个空列表。
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
应用场景
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。
文本分析：在文本中，提取文本中特定的词汇、短语或模式。
import re
lst = re.findall('ab', 'abcdabcdabcd')
print(lst) # ['ab', 'ab', 'ab']
3.4、re.sub
将文本中与模式匹配的部分替换为其他的内容
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，就是将匹配到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、 设置多行匹配模式等，具体有哪些标志可参考下面的附录1表格。
应用场景
文本格式化：将文本中的特定模式的文本替换为另一种格式。
数据清洗：在处理数据时，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。
敏感信息脱敏：在显示或存储数据前，将敏感信息（比如身份证号、手机号）的 部分内容替换为星号。
import re
text = 'yeah, but no, but yeah, but no'
print(re.sub('but', 'AND', text))
# yeah, AND no, AND yeah, AND no
3.5、re.split
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
re.split(pattern，string，maxsplit，flags=0)
pattern：正则表达式的格式。
string：被匹配的文本。
maxsplit：表示最大分割次数。默认值为 0，表示分割所 有匹配项。
flags：标志位，用于控制正则表达式的匹配方式
import re
text = "apple, banana, orange, watermelon"
fruits = re.split(r',\s*', text)
print(fruits) #['apple', 'banana', 'orange', 'watermelon']3.6、re.compile
预先编译正则表达式要匹配的模式，并会返回一个正则表达式的对象，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。
re.compile(pattern, flags=0)
pattern：要匹配的正则表达式。
flags：标志位，用于控制正则表达式的匹配方式
常见的应用场景：
多次匹配：当你需要在一个较长的文本中多次应用同一个正则表达式时，使用 re.compile可以避免每次匹配时都重新编译表达式。
import re
# 编译一个正则表达式模式，用于匹配手机号
email_pattern = re.compile(r'[1]{1}[3589]{1}[0-9]{9}')
text = '''
1o23j0 rde0
13309876543
cvbnoikdjgv
10248895490-/*-+68-*8+
'''
emails = email_pattern.search(text)
print(emails)
# <re.Match object; span=(15, 26), match='13309876543'>四、思维导图
