正則表達式

基本概念

正則表達式：字符串的處理方式，是通用的字符串方法。
字符組：同一位置上可能出現的各種字符，方括號之間列出所有可能出現的字符，例如：[0-9a-zA-Z]、[#.?]，注意是一位和一個數。其中字符出現順序和出現次數對字符組沒有影響。
字符組的範圍表示法：[ASCII碼小的-碼大的]

元字符：具有特殊意義的字母，比如-表示範圍。若想表達其本身含義，需用轉義字符\轉義。
排除型字符組：，在字符組方括號開始後加上^，寫成[^0-8]，表示當前位置上，匹配一個括號內沒有列出的字符，即匹配不是0-8的數字（9）。此外^可以用於正則表達式的開始處，表示起始位置；$可以用於正則表達式的結束處，表示結束位置。^[^0-9][0-9]$表示匹配以非數字開頭，數字結尾的兩位字符。

常用：
. ：任意字符
字符組[0-9]表示數字，[a-z]表示小寫字母，[A-Z]表示大寫字母
\d：表示數字 $\iff$[0-9]
\w：表示單詞 $\iff$[-0-9a-zA-Z]，單詞字符包括數字、字母、下劃線；
\s：表示空白字符 $\iff$ [ \t\n\v\r\f](第一個字符爲空格)，空白字符是一些特殊轉義字符，如\t製表符，\n換行符，\r回車符等等。
\D：表示非數字字符，
\W：表示非單詞字符，
\S：表示非空白字符。是對普通字符組簡記的互補，利用其互補特性，可以實現全集效果，如[\d\D]、[\w\W]、[\s\S]均可表示匹配任意字符。

量詞：
*：重複任意次（0次或多次）
+：重複1次或多次
？：重複0次或1次
{n}：重複n次
{n,}：重複n次或更多次
{n,m}：重複n到m次

貪婪匹配：在滿足匹配時，匹配儘可能長的字符串，默認情況下，採用貪婪匹配。.，*，+適用
後面加上？爲將貪婪匹配模式轉爲非貪婪匹配模式，會匹配儘量短的字符串

參考此博文：https://www.cnblogs.com/shenjianping/p/11647473.html

---

Python之re模塊

1.regex = re.compile(pattern)
將pattern編譯成可複用的正則表達式對象，一次編譯多次使用，有利於節約CPU週期，將相同的pattern應用到多個字符串上時。

2.regex.split(text) ：
將text按pattern分隔

text = "foo   bar\t baz  \tqux"
regex = re.compile('\s+')  # 該pattern匹配所有空白字符
regex.split(text)  # 將text按pattern分隔，['foo', 'bar', 'baz', 'qux']

3.newtext = regex.sub(‘new’,text)
將text中的所有匹配項替換爲‘new’

regex.sub(':',text)  # 將text中的所有匹配項替換爲‘：’，foo:bar:baz:qux

regex.subn() : 替換第n個出現的匹配串
使用\1,\2,…來引用替換字符串中的匹配組元素

4.regex.findall(text) ：查看text中所有能夠匹配到的模式
regex.search(text) ：返回text中第一個匹配項
regex.match(text) ：只在pattern出現在text起始位置時才匹配，沒有匹配到返回None

regex.findall(text)  # 查看text中所有能夠匹配到的模式：['   ', '\t ', '  \t']
regex.search(text)  # 返回text中第一個匹配項：match='   '
regex.match(text)   # 只在pattern出現在text起始位置時才匹配，沒有匹配到返回None