python正则表达式学习记录
引入
正则表达式，说白了就是一个特殊字符串。其主要作用是作为一个模板来匹配目的字符串，从而操作字符串。
语法
正则表达式这个字符串是由字母、数字和符号组成，每个字符都表示独特的意义，而不同的字符拼在一起又可以表示不同的字符串，用法较为灵活。所以，正则表达式语言简单，如何灵活拼凑使用才是难点~
字母和数字：单纯的字母和数字表示自身，无特殊含义。
/字母：部分字母前加上反斜杠可以表示特殊的含义。
| /字母 | 含义 |
|---|---|
| \w | 表示数字、字母、下划线 |
| \W | 表示除 数字、字母、下划线 之外 |
| \s | 表示空白字符 |
| \S | 表示除 空白字符 之外 |
| \d | 表示数字 |
| \D | 表示除 数字 之外 |
| \A | 表示字符串开始，和^相同 |
| \Z | 表示字符串结束，和$相同 |
| \b | 表示单词边界，即单词和空格组成的位置 |
| \B | 表示除 单词边界 之外 |
| \n | 表示换行符 |
| \r | 表示回车符 |
| \t | 表示 tab 符 |
符号：正则表达式中的符号有着不同的含义。如果想要表示自身含义需要在符号前加转义字符，例如\*。
| 符号 | 含义 |
|---|---|
| \ | 转义字符 |
| . | 表示换行符外的任意字符 |
| * | 用来修饰其他表达式，表示0个或多个表达式，a* |
| + | 用来修饰其他表达式，表示1个或多个表达式，a+ |
| ？ | 用来修饰其他表达式，表示0个或1个表达式 ，a？ |
| [] | 表示 中括号内众多表达式其中一个 ,[abc]表示a或b或c |
| [^] | 表示除 中括号内众多表达式 之外 |
| {n} | 用来修饰其他表达式，表示n个表达式，a{3}表示 aaa |
| {n,} | 用来修饰其他表达式，表示大于等于n个表达式，a{3,}表示aaa，aaaa，aaaaa等等 |
| {n,m} | 用来修饰其他表达式，表示大于等于n，小于等于m个表达式 |
| | | 表示或，a|b |
| ^ | 表示字符串开始的位置 |
| $ | 表示字符串结尾的位置 |
| () | 表示一个子表达式（匹配项）,(abc) |
| (?=) | 表示在表达式开始处匹配字符串，表达式也就是你要查找的字符串的前面字符串 |
优先级：运算符优先级从高到低依次是：\(转义符) > (),(?=),[](括号) > ^,$,任何字符 > |(或)
贪婪与懒惰：
针对于字符串 ： Hello
贪婪的：正则表达式：r‘<.*>’。所匹配到的结果是：
Hello
懒惰的：正则表达式：r<.*?>。所匹配到的结果是：
从匹配结果我们可以看出：贪婪的会在满足条件下匹配最多的字符，而懒惰的会在满足条件下匹配最少的字符。*和+默认都是贪婪的，在他们后面加上一个？就可以变成懒惰的。
子表达式：我们可以用将部分字符放到()里，将部分字符当做一个整体，在用其他字符修饰这个整体。
针对于IP的匹配：255.255.255.0
方式一：r’\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}’
方式二：r’(\d{1,3}.){3}\d{1,3}’
对比这两种方式，方式二就是我们所说的子表达式：我们将\d{1,3}.（也就是255.）看做一个整体放到()里，匹配三次，然后不带.的（也就是0）再单独匹配一次。这样写不仅方便，貌似也提升了逼格。
向前向后查找：(?<=xxx)表示被匹配的字符串前必须有xxx，(?=ooo)表示被匹配字符串后必须有ooo。当我们想要匹配某个字符串时，我们可以使用前向和后向匹配：(?<=xxx)字符串(?=ooo)。
针对于字符串：
Hello
，匹配出 Hello表达式：r‘(?<=
).*?(?=
)’我们分别用前向匹配和后向匹配限定字符串的两侧，中间再匹配目的字符串。要说明的是前向和后向表达式可以根据需要选择其中一个。
回溯引用：我们可以通过“\数字”的方式来匹配第几个子表达式的内容。
需求：匹配
Hello
,Hello
,Hello
其中任何一个标签中的内容。表达式1：r’(?<=
我们使用向前向后查找；另外用
表达式2：r’(?<=
(?P
补充：细心的你可能会发现，我的每一个表达式都前面都加了一个r，r是防转义字符。当你想要匹配’\t’这个字符串时，如果前面不加r，则会解析为tab符。总之，在写正则表达式字符串时前面最好加一个r。
re模块
re模块是Python内置的模块，通过正则表达式来匹配字符串。别忘了使用前导入模块：
import re
re.match()方法：从目的字符串开始位置就匹配正则表达式，匹配成功返回SRE_Match对象，失败返回None，只匹配一个符合部分。该方法第一个参数是正则表达式字符串或正则表达式对象（下文有介绍）；第二个参数是目的字符串；第三个（可选）参数是标志位，常用的是re.I，代表不区分大小写。
荔枝：我们的正则表达式是Www，目的字符串是 www.baidu.com，不区分大小写。
result=re.match(r'Www','wwww.baidu.com',re.I)
print(result.group())
print(result.span())
结果如图：需要说明的是匹配对象调用group(num=0)方法返回的是匹配整个表达式的字符串，传入num参数则会返回对应的第几个子表达式的匹配内容，可以一次传入多个num；span()方法则会返回匹配的字符串在目的字符串的起止位置。
re.search()方法：在目的字符串中寻找匹配正则表达式的字符串，匹配成功返回SRE_Match对象，失败返回None，只匹配一个符合部分。该方法第一个参数是正则表达式字符串或正则表达式对象；第二个参数是目的字符串；第三个（可选）参数是标志位。
荔枝：我们的正则表达式是(?<=
).*?(?=
)，目的字符串是Hello
result=re.search(r'(?<=).*?(?=
)','Hello
',)
print(result.group())
结果如图：
需要说明的是：match方法和search方法都是从目的字符串中匹配正则表达式，不同点在于match方法是从目的字符串开始就进行匹配，而search则是在字符串中任意位置开始匹配上即可。
re.findall()方法：用来在目的字符串匹配出所有符合正则表达式的字符串，返回值是一个列表（即使是包含一个结果的列表或者是空列表）。第一个参数是正则表达式或正则表达式对象，第二个参数是目的字符串，第三个可选参数是匹配的起始位置，第四个可选参数是匹配的结束位置。
荔枝：正则表达式是\d+,匹配数字的意思；目的字符串是one12twothree34four；这里没有设置匹配的起止位置，默认是在目的字符串中任意位置匹配
print(re.findall(r'\d+','one12twothree34four'))
结果如图：
re.sub()方法：在目的字符串中匹配正则表达式，并将匹配部分替换成其他内容。第一个参数是正则表达式字符串或正则表达式对象；第二个参数是替换的新内容，可以是一个字符串也可以是一个函数；第三个参数是目的字符串；第四个可选参数是count，替换的最大次数，默认为0替换全部。
荔枝1：正则表达式是-，新内容是空字符串，目的字符串是1234-567-89
num=re.sub(r'-','','1234-567-89')
print(num)
结果如图：
荔枝2：将字符串中的数字乘以2。这里的传入的第二个参数也就是新内容就是一个函数，这个函数需要一个参数用来表示匹配上的字符串（名字任意），该参数先是将匹配上的字符串中叫value的子表达式转换成int类型，然后将int类型乘以2转为str类型返回；至于正则表达式，\d+不用多说表示数字，(?P
def double(matched):
value =int(matched.group('value'))
return str(value*2)
s='A23G4HFD567'
print(re.sub(r'(?P\d+)' ,double,s))
结果如图：
re.split()方法：将目的字符串按照匹配正则表达式的位置分割开，以列表的形式返回。第一个参数是正则表达式字符串或正则表达式对象；第二个参数是目的字符串；第三个可选参数maxsplit=0，表示最大的分割此时，默认0是不限次数；第四个参数flags是标志位。
荔枝：正则表达式\W+是匹配非字母；目的是字符串是 www.baidu.com ；没设置maxsplit，默认0。
print(re.split('\W+','www.baidu.com'))
结果如图：
re.compile()方法：用来根据正则表达式字符串生成一个正则表达式对象。第一个参数是正则表达式字符串；第二个可选参数是标志位。
荔枝：我们先根据\W+生成了正则表达式对象；然后既可以用正则表达式对象调用之前的学过方法，也可以用re来调用方法将正则表达式对象传入。
pe=re.compile('\W+')
print(pe.split('www.baidu.com'))
print(re.split(pe,'www.baidu.com'))
结果如图：
参考：
http://www.cnblogs.com/chuxiuhong/p/5907484.html（感谢作者）