# 正则表达式入门 笔记

# 第三周学习开始啦啦啦啦
# 正则表达式由 字符和操作符 组成

******************************  基本常用的正则表达式操作符  ****************************
. 表示任何单个字符
[] 字符集，对单个字符给出取值范围 例：[abc]表示a\b\c，[a-z]表示a到z单个字符
[^] 非字符集，对单个字符给出排除范围 例：[^abc]表示非a或b或c的单个字符
* 前一个字符0次或无限次扩展 例：abc*表示ab、abc、abcc、abccc等
+ 前一个字符1次或无限次扩展 例：abc+表示abc、abcc、abccc等
？ 前一个字符0次或1次扩展 例：abc?表示ab、abc
| 左右表达式任意一个 例：abc|def表示abc、def
{m} 扩展前一个字符m次 例：ab{2}c表示abbc
{m,n} 扩展前一个字符m至n次(含n) 例：ab{1,2}c表示abc、abbc
^ 匹配字符串开头 例：^abc表示abc且在一个字符串的开头
$ 匹配字符串结尾 例：^abc表示abc且在一个字符串的结尾
() 分组标记，内部只能使用|操作 例：(abc)表示abc，(abc|def)表示abc、def
\d 数字，等价于[0-9]
\w 单词字符，等价于[A-Za-z0-9_]

！！！当正则表达式包含<转义符>时，使用raw string

***********************************  re库的基本操作  ***********************************
1、re.search(pattern, string, flags=0)
    在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象。
    pattern：正则表达式的字符串或原生字符串表示
    string：带匹配字符串
    flags：正则表达式使用时的控制标记
        re.I(re.IGNORECASE)：忽略正则表达式的大小写，[A-Z]能够匹配小写字母
        re.M(re.MULTILINE)：正则表达式中的^操作能够将给定的字符串的每一行都当作匹配开始
        re.S(re.DOTALL)：正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符
    例：

        import re
        match = re.search(r'[1-9]\d{5}', 'BIT 100081')
        print(match.group(0))

       运行结果：100081
2、re.match(pattern, string, flags=0)
    从一个字符串的开始位置起匹配正则表达式，返回match对象。其他如上。
    例：

        import re
        match = re.match(r'[1-9]\d{5}', '100081 BIT')
        if match:
            print(match.group(0))

        运行结果：100081
3、re.findall(pattern, string, flags=0)
    搜索字符串，以列表类型返回全部能匹配的子串。其他如上。
    例：

         import re
         match = re.findall(r'[1-9]\d{5}', 'BIT 110002 3521812')
         if match:
             print(match)

        运行结果：['110002', '352181']
4、re.split(pattern, string, maxsplit=0, flags=0)
    将一个字符串按照正则表达式匹配结果进行分割，返回列表类型。
    maxsplit：最大分割数，剩余部分作为最后一个元素输出
    例：

        import re
        match = re.split(r'[1-9]\d{5}', 'BIT 1100020BAT3521812')
        if match:
            print(match)

        运行结果：['BIT ', '0BAT', '2']

        import re
        match = re.split(r'[1-9]\d{5}', 'BIT 1100020 BAT3521812',maxsplit=1)
        rint(match)

        运行结果：['BIT ', '0BAT3521812']
5、re.finditer(pattern, string, flags=0)
    搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象。
    例：

        import re
        for m in re.finditer(r'[1-9]\d{5}', 'BIT 1100020 BAT3521812'):
            print(m.group(0))

        运行结果：110002
                 352181
6、re.sub(pattern, repl, string, count=0, flags=0)
    在一个字符串中替代所有匹配正则表达式的子串，返回替代后的字符串。
    reql：替换匹配字符串的字符串
    count：匹配的最大替换次数
    例：

        import re
        m = re.sub(r'[1-9]\d{5}','哈哈哈', 'BIT 110002 BAT3521812')
        print(m)

        运行结果：BIT 哈哈哈 BAT哈哈哈2

*********************************  re库的另一种等价用法  *********************************
函数式用法：一次性操作
>>> rst = re.search(r'[1-9]\d{5}', 'BIT 100081')

面向对象用法：编译后的多次操作
>>> pat = re.compile(r'[1-9]\d{5}')
>>> rst = pat.search('BIT 100081')

**********************************  re库的 match对象  ***********************************
Match对象的方法：

    .group(0)：获得匹配后的字符串
    .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())

Match对象的属性：
    .string：带匹配的文本
    .re：匹配时使用的pattern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

注意：match对象只返回一次匹配对象

**********************************  re库的贪婪匹配  ***********************************
Re库默认采用贪婪匹配，即输出匹配最长的字符串
例：

    import re
    match = re.search(r'PY.*N', 'PYANBNCNDN')
    print(match.group(0))

    运行结果：PYANBNCNDN

最小匹配：
*?：前一个字符0次或无限次扩展，最小匹配
+?：前一个字符1次或无限次扩展，最小匹配
??：前一个字符0次或1次扩展，最小匹配
{m,n}?：扩展前一个字符m至n次(含n)，最小匹配

例：

    import re
    match = re.search(r'PY.*?N', 'PYANBNCNDN')
    print(match.group(0))

    运行结果：PYAN