正则

• 正则的使用场景
  • 数据提取，数据清洗
  • 数据校验

• re模块的导入及使用

import re
ret = re.match("正则表达式"， “匹配的字符串”)
ret.group()

• 正则表达式匹配单个字符

  .  任意一个字符，换行除外
  [] 列举的字符
  \d 数字
  \D 非数字
  \s 空格
  \S 非空格
  \w 单词
  \W 非单词
  

• 匹配多个字符串

  {m}    前一个字符出现m次
  {m，n} 前一个字符出现m到n次之间
  *      0个或多个
  ？     0个或一个
  +      一个或多个
  

• 匹配开头和结尾

  ^    开头
  $   结尾
  

• 匹配分组的使用

  |      匹配左右任意一个表达式
  （）     将括号中的字符作为一个分组
  \num   引用分组num匹配到的字符串
  （？P<name>）  分组起别名
  （？=name）  引用别名为name分组匹配到的字符串
  

• re高级函数findal , sub, search的使用

  search()  查找，找到一个就返回
  findall() 查找所有，返回列表
  sub           查找替换
  split     分离字符串
  

• 贪婪和非贪婪

  默认是贪婪的
  *\ + \?\{m, n}   后面加？变成非贪婪
  

• 字符串前面添加r的作用

  解决反斜杆问题\
  在正则表达式前加r: 表示原生字符串
     ret=re.match(r"<(\w+)>.*</\\1>","<h1>dsafagd</h1>")
     ret=re.match(r"<(\w+)>.*</\1>","<h1>dsafagd</h1>")