正则表达式是一个特殊的字符序列,可以用来检查一个字符串是否与某种模式匹配。
正则表达式语言由两种基本字符类型组成：原义（正常）文本字符和元字符。元字符使正则表达式具有处理能力。所谓元字符就是指那些在正则表达式中具有特殊意的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。
在Python语言中通过引入re模块，即可使 Python 语言拥有全部的正则表达式功能。
元字符
Python中对元字符的定义如下：
- ^：表示开始，只有后面跟的字符串在开头，才能匹配上
- $：表示结尾，只有它前面的字符串在检测的字符串的最后，才能匹配上
- . ：匹配一个除了换行符任意一个字符
- *：匹配前面那个字符0到多次
- +：匹配前面那个字符1到多次
- ?：匹配前面那个字符0到1次，多个重复的也只匹配一个
- |：或，匹配其中之一即可，如“a|b”，只需匹配一个a或者b而非ab
- ()：把括号内字符作为一个整体去处理，一个括号是一个分组，第一个分组序号为1
- []：指定一个字符类别，即想匹配的一个字符集。元字符在类别里为普通符号，但有几个例外：
- [-]：可以用“-”号分隔的两个给定字符来表示一个字符区间，如[a-c]等价于[abc]
- [^]：匹配除了这个范围里的字符，(^在这里有 非 的意思)
- [\ ]：转义字符仍有意义，如[\d]等价于[0-9]
- {}：控制它前面一个字符的匹配个数，{10}匹配10次，{1,}匹配一次以上，{1,10}匹配一到十次，有区间的情况下默认按照多的匹配
- \：转义，后跟元字符去除特殊功能，后跟普通字符实现特殊功能，后跟数字即引用对应的分组所匹配的字符串 。 在开头加上 r 表示不转义。
- \d :匹配任何十进制数；它相当于类[0-9]
- \D :匹配任何非数字字符；它相当于类[^0-9]
- \s :匹配任何空白字符；它相当于类[ \t\n\r\f\v]
- \S :匹配任何非空白字符；它相当于类[^ \t\n\r\f\v]
- \w :匹配任何字母数字下划线字符；他相当于类[a-zA-Z0-9_]
- \W :匹配任何非字母数字下划线字符；它相当于类[^a-zA-Z0-9_]
- \b :匹配一个单词边界，也就是指单词和空格间的位置
贪婪模式和非贪婪模式
默认情况下，正则表达式匹配是贪婪模式，会尽可能多的匹配符合正则的文本
非贪婪模式，即使用元字符中的“?”，会尽可能多的给下一个匹配正则留出文本
.*?用在正则表达式末尾时，什么也匹配不上
#贪婪模式
content = "hello 12345 world"
reg = "^he.*(\d+).*"
r=re.match(reg,content)
print(r.group(1))
>>>
5
#非贪婪模式
content = "hello 12345 world"
reg = "^he.*?(\d+).*"
r=re.match(reg,content)
print(r.group(1))
>>>
12345
re常用函数
re.match(pattern,string,flags=0)
从字符串的起始位置匹配正则表达式，若成功，返回匹配结果——Match对象，否则返回None，一般用来判断文本格式是否合法
pattern -- 这是要匹配的正则表达式。
string -- 这是字符串，它将被搜索用于匹配字符串开头的模式。
flags -- 可以使用按位OR(|)指定不同的修饰符，修饰符在文末re.search(pattern, string, flags = 0):
扫描整个字符串，返回第一个匹配结果，若成功，返回匹配结果——Match对象，否则返回Nonere.findall(pattern, string, flags = 0):
扫描整个字符串，返回所有匹配的字符串，以列表形式返回re.finditer(pattern, string, flags=0):
扫描整个字符串，返回所有匹配的字符串，以Match对象的迭代器形式返回re.sub(pattern, repl, string, count=0, flags=0)：
使用repl替换所有出现在re模式的字符串，替换所有出现，除非提供max。此方法返回修改的字符串。
repl -- 即replacement，指被替换的字符串。但它也可以是函数。
count -- 表示进行替换次数re.subn(pattern, repl, string, count=0, flags=0)：
和sub作用相同，但最后返回的是有两个元素的元组，第一个元素为修改后的字符串，第二个元素为修改的次数
- re.split(pattern, string, maxsplit=0, flags=0)：
用正则表达式pattern分割字符串，返回分割后的列表
Match对象
Match对象是一次匹配的结果，包含匹配的很多信息，
Match对象的属性：
.string -- 待匹配的文本
.re -- 匹配时使用的patter对象（正则表达式）
.pos -- 正则表达式搜索文本的开始位置
.endpos -- 正则表达式搜索文本的结束位置
.lastindex -- 最后匹配的组索引
.lastgroup -- 最后匹配的组名内置方法如下：
.re.group(num = 0) -- group(0)或group()返回的是整个正则表达式的内容，group(n)返回的是第n个()分组中的内容，n从1开始
.groups() -- 所有分组的匹配结果，每个分组组成的结果以列表返回
.groupdict() -- 返回组名作为key，每个分组的匹配结果作为value的字典
.start() -- 匹配字符串在原始字符串的开始位置
.end() -- 匹配字符串在原始字符串的结束位置
.span() -- 返回(.start(), .end())
.expand(template) -- 使用组的匹配结果来替换template中的内容，并把替换后的字符串返回
修饰符
- re.I 使匹配对大小写不敏感
- re.L 做本地化识别（locale-aware）匹配
- re.M 多行匹配，影响 ^ 和 $
- re.S 使 . 匹配包括换行在内的所有字符
- re.U 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
- re.X 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。
