一、正则表达式
（一）为什么使用正则？
字符串匹配就可以从文本中匹配出想要的字符，为什么要使用正则表达式？因为每一次匹配都要单独完成，不妨设立一个规则。
（二）正则表达式概念
（1）使用单个字符串来描述匹配一系列符合某个语法规则的字符串
（2）是对字符串处理的一种逻辑公式
（3）应用场景：处理文本和数据
（4）正则表达式过程：依次拿出表达式和文本的字符比较，如果每一个字符都能匹配成功，则匹配成功；否则失败。
一句话，正则表达式就是一套规则，而且是个字符串。
二、re模块
re模块是python中根据正则表达式规则写的一个功能或者模块。re模块！=正则表达式。正则表达式是一套规则，而re模块是根据该规则写的一个模块或者工具，通过这个工具来实现正则表达式的使用。
（一）re模块之方法
(1) match
re.match(pattern, string)
只匹配开头 。
得到一个match object.后面加group()才能打印出结果
如：
import re
a = "python" b = re.match("py", a).group() print(b)
(2) search
re.search(pattern, string, flags=0)
在一个字符串中查找匹配；
注意：只匹配一次（返回第一次成功匹配的结果）
得到一个match object.后面加group()才能打印出结果
如：
a = 'hpyt1848451thshhho577n'
b = re.search('d+', a).group()
print(b) #1848451 后面的577不匹配
(3) findall
re.findall(pattern, string, flags=0)
匹配所有，返回列表
如：
a = 'hpyt1848451thshhho577n'
b = re.findall('d+', a)
print(b) #["1848451", "577"]
(4)compile
re.compile(pattern, flags=0)
将正则表达式存到一个变量中，重复使用
如：
a = 'hpyt1848451thshhho577n'
res = re.compile('d+') #res可以多次使用
b = re.findall(res, a)
print(b) #["1848451", "577"]
(5)sub
re.sub(pattern, repl, string, count=0, flags=0)
将字符串中匹配正则表达式的部分值替换为其他值
如：
a = 'hpyt1848451thshhho577n'
res = re.compile('d+') #res可以多次使用
b = re.sub(res, '+', a)
print(b) #'hpyt+thshhho+n'
(6)split
re.split(pattern, string, maxsplit=0, flags=0)
根据匹配分割字符串，返回分割字符串组成的列表
如：
a = 'hpyt1848451thshhho577n'
res = re.compile('d+') #res可以多次使用
b = re.split(res, a)
print(b) #['hpyt', 'thshhho', 'n']
（二）re模块之元字符
. ^ $ []
* + ? {}
（1）“.” 通配符
. 匹配任意字符（除了 ）。
re.findall("y..o", "python") #["ytho"]
一个.代表一个位置
（2）^
^ 匹配字符串以..开头
re.findall("^p...o", "python") #["pytho"]
（3）$
$ 匹配字符串结尾
re.findall("^p(.*？)n$", "python") #["python"]
这里加(.*？)，是万能匹配，表示中间可以是任意内容。如果不加，直接写"^pn$"，那么匹配不成功，只能匹配成功pn
（4）重复功能（量词部分）
a. *
* 匹配前一个字符0次或者无限次
re.findall("d*", "daddy") #['d', '', 'dd', '', '']
re.findall("dd*", "daddy") #["d", "dd"]
匹配后，*前面的那个字符可以是空，也可以是多个字符。
b. +
+ 匹配前一个字符1次或者无限次
re.findall("d+", "daddy") #['d', 'dd']
re.findall("dd+", "daddy") #["dd"]
c. ?
？ 匹配前一个字符0次或者1次
re.findall("d？", "daddy") #['d', '', 'd', 'd', '', '']
re.findall("dd？", "daddy") #['d', 'dd']
d. {}
{}范围自己给定
{0，} == *
{1，} == +
{0， 1} == ？
{m}匹配前一个字符m次
{m,n}匹配前一个字符m-n次任意一种
re.findall("al{4}", "youallllll") #['allll']
e.补充
在* 和+后加？，即*？和+？，匹配模式变为非贪婪模式。，即尽可能少匹配字符。
贪婪与非贪婪 1.从语法角度看贪婪与非贪婪 被匹配优先量词修饰的子表达式，使用的是贪婪模式；被忽略优先量词修饰的子表达式，使用的是非贪婪模式。 匹配优先量词包括：“{m,n}”、“{m,}”、“?”、“*”和“+”。 忽略优先量词包括：“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”。 2.从应用角度看贪婪与非贪婪 贪婪与非贪婪模式影响的是被量词修饰的子表达式的匹配行为，贪婪模式在整个表达式匹配成功的前提下，尽可能多的匹配；而非贪婪模式在整个表达式匹配成功的前提下，尽可能少的匹配。非贪婪模式只被部分NFA引擎所支持。 3. 从匹配原理角度看贪婪与非贪婪 能达到同样匹配结果的贪婪与非贪婪模式，通常是贪婪模式的匹配效率较高。 所有的非贪婪模式，都可以通过修改量词修饰的子表达式，转换为贪婪模式。 贪婪模式可以与固化分组结合，提升匹配效率，而非贪婪模式却不可以。
如：
#.*默认为贪婪匹配
print(re.findall('a.*b','a1b22222222b')) #['a1b22222222b']
#.*?为非贪婪匹配：推荐使用
print(re.findall('a.*?b','a1b22222222b')) #['a1b']
re.findall("al*", "youallllll") #['allllll'] 贪婪模式
re.findall("al*？", "youallllll") #['a'] 非贪婪模式
（5）[] 字符集
a.起或的作用
print(re.findall('a[+*-]b','a+b a*b a-b')) #["a+b", "a*b", "a-b"]
[]内元字符不起作用.
b.[]内的^
[]内的^ 表示取反
print(re.findall('a[^+*-]b','a+b a*b a-b')) #["a+b", "a*b", "a-b"， "a=b"] #["a=b"]
匹配不是+*-任意一个符号的那个
c. -
-表示连续中的任意一个
print(re.findall('a[0-9]b','a1b a*b a-b a=b')) #["a1b"]
print(re.findall('a[a-z]b','a1b a*b a-b a=b aeb') #["aeb"]
print(re.findall('a[a-zA-Z]b','a1b a*b a-b a=b aeb aEb')) #["aeb", "aEb"]
（6）
反斜杆，能将元字符变为普通字符，将普通字符变为元字符。
a.d匹配任意十进制数
b.D匹配任意非数字字符
c.s 匹配空白字符
d.S 匹配非空白字符
e.w 匹配字母数字字符
f.W匹配非字母数字字符
（7）分组（）
print(re.findall('ab+','ababab123')) #['ab', 'ab', 'ab']
print(re.findall('(ab)+123','ababab123')) #['ab']，匹配到末尾的ab123中的ab
注意，findall的结果不是匹配的全部内容，而是组内的内容，因此是ab
print(re.findall('(?:ab)+123','ababab123')) #['ababab123']
:?让结果为匹配的全部内容。
print(re.findall('href="(.*?)"', '<a href="http://www.baidu.com">点击</a>')) #['http://www.baidu.com']
(.*?)代表任意一个内容，且最后得到的结果是（）内的内容。
print(re.findall('href="(?:.*?)"','<a href="http://www.baidu.com">点击</a>')) #['href="http://www.baidu.com"']
有名分组 （?P<名字>正则表达式）
print(re.search("(?P<name>[a-z]+)", "python32def").group()) #"python"
#可通过group和名字取值
print(re.search("(?P<name>[a-z]+)", "python32def").group(“name”)) #"python"