正则表达式

0 基本知识

0.1 匹配（match）

0.2 捕获（capture）

0.3 替换（replace）

• 获取特征对象
  　　pattern = re.compile("\\s+")
• 匹配目标字符串
  　　match = pattern.match("hello world")

1 贪婪模式和非贪婪模式

1.1 概念解释

在整个表达式匹配成功的前提下：
贪婪模式：尽可能多的匹配（.*）--（来者不拒）
非贪婪模式：尽可能少的匹配（.*?）--（见好就收）
Python中数量词默认是贪婪模式

1.2 代码示例

import re
s = "aaabc11123aaabc"
# print(s)

pattern_1 = re.compile('a.*?b')
match_1 = pattern_1.findall(s)
print(match_1)   # 结果为 ['aaab', 'aaab']

pattern_2 = re.compile('a.*b')
match_2 = pattern_2.findall(s)
print(match_2)    # 结果为 ['aaabc11123aaab']

（1）a.*?b，非贪婪模式
　　代表从a开始，碰到第一个b即为结束，下一匹配又是以a开始，以b结束的特征字串。所以匹配到两个结果；
（2）a.*b，贪婪模式
　　代表从a开始，一直往下匹配，直到最后一个b结束

2 不同括号，不同含义

• []----字符集
• {n}---数量，n次
• ()----分组，一个括号对代表一组
  如([a-z0-9]{3}) ([A-Z]+)，前一组为连续的三个小写字母或数字字符（可混），后一组为一个或多个连续的大写字母。注意，两组中间有个空格，说明这两组只能匹配两个字符串。

3 匹配中文

在Unicode字符集中，中文大多数位于[\\u4e00-\\u9fa5]，要匹配中文，注意将源字符串，（要查找的内容）为Unicode编码，如s = u"服了you"

一些小东西

1. compile(re.*）

• pattern = re.compile('\[a-z]+',re.I)
  （大写的 i），表示忽略大小写

• pattern = re.compile('\[a-z]+',re.S)
  表示将源字符串按一个整体进行匹配，而不是一次只匹配一行