正则表达式

　　正则表达式的模式可以包含普通字符（包括转义字符）、字符类和预定义字符类、边界匹配符、重复限定复、选择分支、分组和引用等。

一、普通字符和转义字符

　　普通字符包括ASCII字符、Unicode字符和转义字符。

　　正则表达式中的元字符如果想要作为普通字符使用，则需要转义，例如  \$

二、预定义字符类

三、常用的元字符相关说明和分类

　　为了能够使用户更加灵活地定制模式内容，正则表达式提供了 专门的“元字符”。

　　所谓的元字符，就是指那些在正则表达式里具有特殊意义的专用字符串，可以用来规定其前导字符（即位于元字符前面的那些字符）在目标对象中出现的模式。

　　以下为常用的元字符及说明：

　　模式在方括号内的部分称为“字符类”。在一个字符类中仅有以下可用元字符：

四、边界匹配符

　　例如表达式^aaa在匹配xxx aaa xxx时，匹配结果是：失败。因为^要求在字符串开始的地方匹配。

　　表达式aaa$在匹配xxx aaa xxx时，匹配结果是：失败。因为$要求在字符串结束的地方匹配。

　　表达式.\b.在匹配@@@abc时，匹配结果是：成功；匹配到的内容是@a；匹配到的位置开始于2，结束于4。　

　　表达式\bend\b在匹配weekend,endfor,end时，匹配结果是：成功；匹配到的内容是end；匹配到的位置开始于15，结束于18。

 \b 详解请参考：https://www.cnblogs.com/litmmp/p/4925374.html

 本标题部分内容来自：https://www.liujiangblog.com/course/python/73

  部分来自书籍

五、重复限定符

　　修饰匹配次数的特殊符号{}，不用重复书写表达式就可以重复匹配。比如[abcd][abcd]可以写成[abcd]{2}。

　　　　　其中有些例子一定要注意！比如ab{1,3}中重复的是b而不是ab，(ab){1,3}这样重复的才是ab。表达式\^*b中重复的是\^而不是^，要从左往右读正则表达式，转义符号有更高的优先级，需要和后面的字符整体认读。

　　　　　表达式\d+\.?\d*在匹配It costs $12.5时，匹配的结果是：成功；匹配到的内容是12.5；匹配到的位置开始于10，结束于14。

     本标题内容来自：https://www.liujiangblog.com/course/python/73

六、匹配算法：贪婪和非贪婪（懒惰）模式

　　1.贪婪性匹配算法是指重复限定符会导致正则表达式引擎试图尽可能多地重复前导字符，只有当这种重复会引起整个正则表达式匹配失败时引擎才会进行回溯。

例如：

import re

str = ‘<book><title><td>python</td><td>java</td><td>php</td></title>/book>‘
res = re.findall("<.+>",str)
print(res)

##输出：[‘<book><title><td>python</td><td>java</td><td>php</td></title>/book>‘]

Python正则匹配算法针对重复限定符，默认采用贪婪匹配算法。所以返回结果并不是<book>

2.懒惰性匹配算法
　　贪婪性算法返回了最左边的最长匹配。如果在重复限定福后面加厚最“？”，则正则表达式引擎使用懒惰性匹配算法。

七、选择分支

            在正则表达式中‘|’表示选择，用于选择匹配的多个可能的正则表达式中的一个。选择符‘|’的优先级最低，如果需要可以使用圆括号来限制选择符的作业范围。

　　　　中国的电话号码一般为区号-电话号码，区号为3位或4位数字，电话号码位6位或8位数字。

re.findall(r"((0\d{2}|0\d{3})-(\d{8}|\d{6})","电话号码021-62232333")

八、分组和引用

1.分组缓存和引用

表达式在匹配时，表达式引擎会将小括号()包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。这是一个非常有用也非常重要的特性。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。比如前面的 <td>(.*?)</td>"。

其实，"小括号包含的表达式所匹配到的字符串"不仅是在匹配结束后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面"括号内的子匹配已经匹配到的字符串"。引用方法是\加上一个数字。\1引用第1对括号内匹配到的字符串，\2 引用第2对括号内匹配到的字符串……以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号"("在前，那这一对就先排序号。举例如下：

表达式(‘|")(.*?)(\1)在匹配‘Hello‘, "World"时，匹配结果是：成功；匹配到的内容是‘Hello‘。再次匹配下一个时，可以匹配到 "World"。这里的(\1)，动态的引用了(‘|")匹配到的结果。（单双引号）

表达式(\w)\1{4,}在匹配aa bbbb abcdefg ccccc 111121111 999999999时，匹配结果是：成功；匹配到的内容是ccccc。再次匹配下一个时，将得到999999999。这个表达式要求\w范围的字符至少重复5次，注意与\w{5,}之间的区别。

\0则引用整个被匹配的正则表达式本身。

表达式<(\w+)\s*(\w+(=(‘|").*?\4)?\s*)*>.*?</\1>在匹配<td id=‘td1‘ style="bgcolor:white"></td>时，匹配结果是成功。如果<td>与</td>不配对，则会匹配失败；如果改成其他配对，也可以匹配成功。这就是常用的HTML标签匹配方法。

2.分组命名和引用

　　在Python中对组可以进行如下命名并引用：

　　(?P< name > group) #组命名

　　(?P=name)          #引用命名组

 m = re.search(r"(?P<Area>\d+)-(?P<No>\d+)","电话号码：021-62232333")
 print(m.groupdict())

 ##输出 {‘Area‘: ‘021‘, ‘No‘: ‘62232333‘}

3.分组的扩展语法

 请参考：www.baidu.com。。。。。。。。。。。。。。。。。　

九、常用的正则表达式

校验数字的相关表达式：

校验字符的相关表达式：

特殊场景的表达式:

正则表达式

原文：https://www.cnblogs.com/self-ferry/p/13694156.html