• 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。