正则表达式

# 正则表达式

import re

a = "https://www.cnblogs.com/levia/p/14629386.html"

# 1 知道前后取中间. 取 14629386
htmlid = re.findall("/p/(.+?).html", a)
print(htmlid)   # ['14629386']

# 2 知道开始取到结尾 取 14629386.html
htmlpath = re.findall("/p/(.+?)$", a)
print(htmlpath[0]) # 14629386.html

# 3 知道结尾取前面 取 https
httpx = re.findall("^(.+?)://www.cnblogs.com", a)
print(httpx[0]) # https

# 需转义的特殊字符

# $     匹配输入字符串的结尾位置。 $ 也匹配 ‘\n' 或 ‘\r'。要匹配 $ 字符本身，请使用 \$

# ( )   标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配( 或 )字符， 使用\( 和 \)

# *     匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*

# +     匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+

# .     匹配除换行符 \n之外的任何单字符。要匹配.字符，请使用 \.

# []    标记一个中括号表达式的开始。要匹配[字符，请使用 \[

# ?     匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?

#  \    将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如，
        # ‘n' 匹配字符 ‘n'      '\n' 匹配 换行符
        # 序列 ‘\\' 匹配 “\”    ‘\('  匹配 “(”

# ^     匹配输入字符串的开始位置，在方括号表达式中使用时表示不接受该字符集合。要匹配 ^ 字符本身，请使用 \ ^

# {}    标记限定符表达式的开始。要匹配 {，请使用 \{

# |     指明两项之间的一个选择。要匹配 | ，请使用 \|



# 限定符
# 指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。

# *    匹配前面的子表达式零次或多次。
        # 例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。

# +    匹配前面的子表达式一次或多次。
        # 例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。

# ?    匹配前面的子表达式零次或一次。
        # 例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。

# {n}    n 是一个非负整数。匹配 确定 的 n次。
        # 例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。

# {n,}    n 是一个非负整数。至少 匹配n次。
        # 例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。

# {n,m}    m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。
        # 例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。


# 定位符
# 使您能够将正则表达式固定到行首或行尾。使您能够创建这样的正则表达式，这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。

# 定位符用来描述字符串或单词的边界
    # ^ 和 $ 分别指字符串的开始与结束，
    # \b 描述单词的前或后边界，
    # \B 表示非单词边界

# ^    匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \n 或 \r 之后的位置匹配。

# $    匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \n 或 \r 之前的位置匹配。

# \b    匹配一个单词边界，即字与空格间的位置。

# \B    非单词边界匹配。

# 注意：不能将限定符与定位符一起使用。由于在紧靠换行或者单词边界的前面或后面不能有一个以上位置，因此不允许诸如 ^* 之类的表达式。

# 若要匹配一行文本开始处的文本，请在正则表达式的开始使用 ^ 字符。不要将 ^ 的这种用法与中括号表达式内的用法混淆。

# 若要匹配一行文本的结束处的文本，请在正则表达式的结束处使用 $ 字符。