10.正则表达式（一）

目录:
1.概述
2.元字符
3.次数匹配
4.单行与多行模式

1.概述

概述：

正则表达式，Regular Expression，缩写为regex、regexp、RE等,正则表达式是文本处理极为重要的技术，用它可以对字符串按照某种规则及逆行检索、
替换。1970年代，Unix之父Ken Thompson将正则表达式引入到Unix中文本编辑器ed和grep命令中，由此正则表达式普及开来。1980年后，perl语言
对Henry Spencer编写的库，扩展了很多新的特性。1997年开始，Philip Hazel开发了PCRE(Perl Compatible Regular Expression)，它被PHP和
HTTPD等工具采用。正则表达式应用极其广泛，shell中处理文本的命令，各级高级编程语言都支持正则表达式。

分类：

1.BRE
    基本正则表达式、grep、sed、vi等软件支持。vim有扩展
2.ERE
    扩展正则表达式，egrep (grep -E)、sed -r等
3.PCRE
    几乎所有高级语言都是PCRE的方言或者变种。Python从1.6开始使用SRE正则表达式引擎、可以认为是PCRE的子集，见模块re。

2.元字符

2.1 元字符 metacharacter

代码                  说明                                                              举例
.          匹配除换行符外任意一个字符                        
[abc]      字符集合，只能表示一个字符位置。匹配所包含的任意一个字符。                    [abc]匹配plain中的'a'
[^abc]     字符集合，只能表示一个字符位置。匹配除去集合内字符的任意一个字符        [^abc]可以匹配plain中'p','l','i'或者'n'
[a-z]      字符范围，也是个集合，表示一个字符位置匹配所包含的任意一个字符                常用[A-Z] [0-9]
\b         匹配单词的边界                                                       \bb在文本中找到单词中b开头的b字符
\B         不匹配单词的边界                                                t\B包含t的单词但是不以t结尾的t字符，例如write
                                                                          \Bb不以b开头的含有b的单词，例如able
\d         [0-9]匹配1位数字                                                             \d
\D         [^0-9]匹配1位非数字
\s         匹配1位空白字符，包括换行符、制表符、空格[\f\r\n\t\v]
\S         匹配1位非空白字符
\w         匹配[a-zA-Z0-9_]，包括中文的字                                                 \w
\W         匹配\w之外的字符

2.2 转义

凡是在正则表达式中有特殊意义的符号，如果想使用它的本意，请使用\转义。反斜杠自身，得使用\\
\r \n还是转义后代表回车，换行

3.次数匹配

3.1 次数匹配

代码                  说明                                          举例
*          表示前面的正则表达式会重复0次或多次            e\w*单词中e后面可以有非空白字符                        
+          表示前面的正则表达式重复至少1次                e\w+单词中e后面至少有一个非空白字符
?          表示前面的正则表达式会重复0次或1次             e\w?单词中e后面至多有一个非空白字符
{n}        重复固定的n次                                e\w{?}单词中e后面只能有一个非空白字符
{n,}       重复至少n次                                  e\w{1,}等价e\w+，e\w{0,}等价e\w*，e\w{0,1}等价e\w?
{n,m}      重复n到m次                                   e\w{1,10}单词中e后面至少1个，至多10个非空白字符
x|y        匹配x或者y                                   wood took foot food使用w|food或者(w|f)ood

3.2 捕获

代码                          说明                                                    举例
(pattern)       使用小括号指定一个子表达式，也叫分组，
                捕获后会自动分配组号从1开始，可以改变优先级                                
\数字           匹配对应的分组                                         (very) \1 匹配very very，但捕获的组group是very
(?:pattern)     如果仅仅为了改变优先级，就不需要捕获分组                 (?:w|f)ood，'industr(?:y|ies)等价'，'industry|industries'
(?exp)    分组捕获，但是可以通过name访问分组Python语法必须是(?Pexp)
(?'name'exp)

3.3 零宽断言

wood  took  foot  food
代码                          说明                                                  举例
(?=exp)      零宽度正预测先行断言，断言exp一定在匹配的右边出现，              f(?=oo) f后面一定有oo出现
             也就是说断言后面一定跟个exp

                                
(?<=exp)      零宽度正回顾后发断言，断言exp一定在匹配的左边出现，             (?<=f)ood、(?<=t)ook分别匹配ood、ook、ook前一定有t出现
              也就是说前面一定有个exp前缀

3.4 负向零宽断言

代码                          说明                                                  举例
(?!exp)      零宽度负预测先行断言，断言exp一定不会出现在右侧，         \d{3}(?!\d)匹配3位数字，断言3位数字后面一定不能是
             也就是说断言后面一定不是exp                             数字foo(?!d)foo后面一定不是d
(?

NOTE:
1.断言不占分组号，断言如同条件，只是要求匹配必须满足断言的条件
2.使用正则表达式时，能用简单表达式，就不要复杂的表达式

3.5 贪婪与非贪婪

默认是贪婪模式，也就是说尽量多匹配更长的字符串；
非贪婪实在重复的符号后面加上一个?号，就尽量少匹配了。

代码                    说明                                                
*?             匹配任意次，但尽可能少重复
+?             匹配至少1次，但尽可能少重复
??             匹配0次或1次，但尽可能少重复
{n,}?          匹配至少n次，但尽可能少重复
{n,m}?         匹配至少n次，至多m次，但尽可能少重复

4.单行与多行模式

4.1 单行模式

.   可以匹配所有字符，包括换行符
^   表示真个字符串的开头，$整个字符串的结尾

4.2 多行模式

.   可以匹配除了换行符之外的字符
^   表示行首，$行尾
^  表示整个字符串的开始，$表示整个字符串的结尾。
   开始指的是\n后紧接着下一个字符，结束指的是\n前的字符