简单的正则表达式

• 特殊字符
• ^ $ * ? + {2} {2,} {2,5} |
• [] [^] [a-z] .
• \s \S \w \W
• [\u4E00-\u9FA5] () \d

• 常用的6个re中的函数
  re.compile(pattern,flag)#根据正则匹配字符串以及附加条件，返回一个pattern对象
  re.search(pattern,string)#搜索整个字符串，直到发现符合正则表达式的字符串
  re.match(pattern,string)#从头开始检测字符串是否符合正则表达式，必须从字符串的第一个字符开始
  re.sub(pattern,replacement,string)#将字符串中根据正则匹配到的字符串用replacement替换
  re.split(pattern,string)#根据正则表达式分割字符串，将分割后的字符串放到list中返回
  re.findall(pattern,string)#根据正则表达式分割字符串，将找到的所有结果放到list中返回

• re.match()一些简单的Python示例

import re
line = 'bobby123'
regex_str = "^b.*"#以b开头的任意字符
if re.match(regex_str,line):
    print('yes')

import re
line = 'bobby123'
regex_str = "^b.*3$"#以b开头以3结尾的任意字符
if re.match(regex_str,line):
    print('yes')

import re
line = 'boooooooobby123'
#regex_str = ".*(b.*b).*"# bb  ()为提取字串即提取括号内的内容，其实为反向匹配，贪婪模式
regex_str = ".*?(b.*b).*"#boooooooobb 左面非贪婪模式，从左面开始匹配，后面为贪婪模式
regex_str = ".*?(b.*?b).*"#boooooooob
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#

import re
line = 'booobaaooooobbbaby123'
regex_str = ".*(b.+b).*"# +出现最少一次 bab 贪婪模式一直匹配到最后
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#

import re
line = 'booobaaooooobbbaaaaaaaaby123'
regex_str = ".*(b.{2,5}b).*"# {}前面字符出现的次数,在这里为任意字符出现最少2次最多5次
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#

import re
line = 'boobby123'
regex_str = '((bobby|boobby)123)'
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#boobby123

import re
line = 'boobby123'
regex_str = '([abcd]oobby123)'#[]为里面内容的任何一个
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#boobby123

import re
line = '14782902222'
#regex_str = '(1[48357][0-9]{9})'#[0-9]0-9的任意数字出现9次  14782902222
regex_str = '(1[48357][^1]{9})'#不等于1出现9次
# 区间  任选  [.*]内的字符不在代表特殊含义
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#14782902222

import re
line = '你ss好'
regex_str = '(你\S+好)'#匹配任意非空字符
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#14782902222

import re
line = 'study in 南京大学'
regex_str = '.*?([\u4E00-\u9FA5]+大学)'#提取汉字,不加问号为京大学
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#南京大学

import re
line = 'XXX出生于2001年9月9日'
#line = 'XXX出生于2001/9/9'
#line = 'XXX出生于2001-9-9'
#line = 'XXX出生于2001-09-09'
#line = 'XXX出生于2001-09'
regex_str = '.*出生于(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))'#
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#

• re.compile()简要说明

##查找以id为plist并以<div class="page clearfix">结尾的代码
#.*?是一个固定搭配，.和*可以匹配任意多个字符，加上?就是最小匹配，
#也就是我们上面说的非贪婪模式，直白的说就是匹配尽可能短的字符串
#flags定义包括：
#re.I：忽略大小写
#re.L：表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
#re.M：多行模式
#re.S：' . '并且包括换行符在内的任意字符（注意：' . '不包括换行符）
#re.U： 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
pattern1 = '<div id="plist".*?<div class="page clearfix">'
str1 = re.compile(pattern1,re.S).findall(html)#

• 正则表达式模式
  模式字符串使用特殊的语法来表示一个正则表达式：
  字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。
  多数字母和数字前加一个反斜杠时会拥有不同的含义。
  标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。
  反斜杠本身需要使用反斜杠转义。
  由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 '\t')匹配相应的特殊字符。
  下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾
*	前面的字符可以重复任意多次
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
[...]	用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符
re*	匹配0个或多个的表达式
re+	匹配1个或多个的表达式
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	前面字符出现的次数
re{ n,}	精确匹配n个前面表达式
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a	b	匹配a或b
(re)	G匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域
(?: re)	类似 (...), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#...)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 ... 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f]
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
\z	匹配字符串结束
\G	匹配最后匹配完成的位置
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'
\n, \t, 等.	匹配一个换行符。匹配一个制表符
\1...\9	匹配第n个分组的内容
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式