regular expression regex RE
正則表達式：是用來簡潔表達一組字符串的表達式（一行勝千言）。
正則表達式：
- 通用的字符串表達框架（就像數學規律題的公式）
- 簡潔表達一組字符串
- 針對字符串表達“簡潔”和“特徵”思想的工具
- 判斷某字符串的特徵歸屬
作用：
- 表達文本類型的特徵（病毒，入侵等）
- 查找或替換一組字符串
- 匹配字符串（主要作用）
使用：
編譯：將符合正則表達式語法的字符串轉換成正則表達式特徵
2、正則表達式的語法
正則表達式：有字符和操作符構成，eg:P(Y|YT|YTH|YTHO)?N
[^] #排除某個字符
*和+的區別 #有無0次擴展
| #或符號
匹配IP地址的正則表達式：（IP地址分4段，每段0-255）
\d+.\d+.\d+.\d+.
\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}.
但是以上都不精確
精確寫法：
0-99： [1-9]?\d
100-199：1\d{2}
200-249：2[0-4]\d
250-255：25[0-5]
(([1-9]?\d |1\d{2} |2[0-4]\d |25[0-5] ).){3}([1-9]?\d |1\d{2} |2[0-4]\d |25[0-5]
)
3、Re庫的基本使用
Re庫是Pyhton的標準庫，主要用於字符串匹配
Re庫是採用raw string 類型的正則表達式，其形式爲 r'*****' #紅色部分填入正則表達式
例如：
我國郵編： r'[1-9]\d{5}'
注意： raw string 是不包含轉義字符的的字符串
Re庫的主要功能函數
re.search(pattern,string,flags = 0) #在一個字符串中搜索匹配正則表達式的第一個位置，返回match對象
pattern: 正則表達式的字符串或原生字符串表示
string： 待匹配字符串
flag： 正則表達式使用時的控制標記
eg：
import re
match = re.search(r'[1-9]\d{5}', 'yangpu 200433')
if match:
print(match.group(0))
結果輸出：
200433
re.match(pattern,string,flags = 0) #從一個字符串的開始位置起匹配正則表達式，返回match對象
參數解釋同上
eg：
import re
#注意，match，從頭開始匹配，如若'yangpu 200433'，匹配結果應該爲空
match = re.match(r'[1-9]\d{5}', '200433 yangpu')
if match:
print(match.group(0))
結果輸出：
200433
re.findall(pattern,string,flags = 0) #搜索字符串，以列表類型返回全部能匹配的子串
參數解釋同上
eg：
import re
list = re.findall(r'[1-9]\d{5}', '200433 yangpu 510006 gzdxc')
print(list)
結果輸出：
['200433', '510006']
re.split(pattern,string,maxsplit = 0,flags = 0) #將一個字符串按照正則表達式匹配結果進行分割，返回列表類型
maxsplit： 最大分割數，剩餘部分作爲最後一個元素輸出
其他參數解釋同上
eg：
import re
list = re.split(r'[1-9]\d{5}', 'yangpu 200433 gzdxc 510006')
list2 = re.split(r'[1-9]\d{5}', 'yangpu 200433 gzdxc 510006',maxsplit=1)
print(list,'\n',list2)
結果輸出：
['yangpu ', ' gzdxc ', '']
['yangpu ', ' gzdxc 510006']
re.finditer
(pattern,string,flags = 0) #搜索字符串，返回一個匹配結果的迭代類型，每個迭代元素是match對象
參數解釋同上
eg：
import re
for m in re.finditer(r'[1-9]\d{5}', 'yangpu 200433 gzdxc 510006'):
if m:
print(m.group(0))
結果輸出：
200433
510006
re.sub(pattern,repl,string,count = 0,flags = 0) #在一個字符串中替換所匹配正則表達式的子串，返回替換後的字符串
repl： 替換匹配字符串的字符串
count： 匹配替換的最大次數
其他參數解釋同上
eg：
import re
chg = re.sub(r'[1-9]\d{5}','zipcode','yangpu 200433 gzdxc 510006')
print(chg)
結果輸出：
yangpu zipcode gzdxc zipcode
Re庫的另一種等價用法：
上述爲函數式用法：rst = re.search(r'[1-9]\d{5}','yangpu 200433')
等價於
面向對象用法：
pat = re.compile(r'[1-9]\d{5}' )
rst = pat.search('yangpu 200433' )
#這樣會使得代碼更加簡潔，不用每次都要寫上正則表達式
re.compile(pattern,flags = 0) #將正則表達式的字符串形式編譯成正則表達式對象
pattern: 正則表達式的字符串或原生字符串表示
flag： 正則表達式使用時的控制標記
regex = re.compile(pattern,flags = 0)
那麼regex正則表達式對象就可以使用以下6種方法/函數，此時，不需要給出pattern參數，將該參數去掉即可
4、Re庫的match對象
match對象： 一次匹配的結果，其包含很多相關信息
import re
chg = re.search(r'[1-9]\d{5}','yangpu 200433 gzdxc 510006')
if chg:
print(chg)
結果：
<_sre.SRE_Match object; span=(7, 13), match='200433'>
match對象的屬性
match對象的方法
5、Re庫的貪婪匹配和最小匹配
貪婪匹配：返回匹配中的最長子串；Re庫默認貪婪匹配
eg：
import re
chg = re.search(r'PP.*N','PPANBNCNDNENFNGN')
if chg:
print(chg.group(0))
結果爲：
PPANBNCNDNENFNGN
那麼要獲得最小匹配，也就是匹配中的最短子串，則需加個？ #前一個字符0或1次擴展
import re
chg = re.search(r'PP.*?N','PPANBNCNDNENFNGN')
if chg:
print(chg.group(0))
結果爲：
PPAN
也就是說，要獲得最小匹配，只要將正則表達式稍微修改一下，加個？
