目录

一，什么是正则表达式

二，分清字符串和字符

三，计算机中常见的字符

四，re模块的match函数

五，正则表达式的常用匹配符

1，字面量匹配符

2，.

3，[]

4，\w和\W

5，\d和\D

6，\s和\S

六，正则表达式的限定符

1，*，+，？

2，限定符使用案例

七，原生字符串(解决反斜杠\带来的烦恼)

八，边界字符

1，什么是边界？什么是边界字符？

2，^限定符

3，$限定符

4，\b和\B

5，^放在[]里面表示取反

九，择一符号|

十，分组

1，使用\num引用分组

2，给组取别名

3，分组注意点

十一，贪婪和非贪婪

十二，re模块中的函数

1，sub()&subn()方法

2，compile()

3，findall()

4，match和search的区别

5，finditer()

6，spilt()

---

一，什么是正则表达式

        正则表达式是一种匹配规则，专门用来匹配字符串。比如说QQ邮箱都具有特定的格式，都是以@qq.com结尾，假如现在我们在网上爬取了一大堆的QQ邮箱，就可以使用正则去提取所有的QQ邮箱，而不会把163邮箱提取出来。

        正则表达式本身就是一个字符串，如：正则表达式：'1[35789]\d\d\d\d\d\d\d\d\d'用来匹配国内的11位手机号码。

二，分清字符串和字符

三，计算机中常见的字符

        大写英文字母：A-Z；小写英文字母：a-z；数字：0-9；转义字符：\n，\t，\b等；特殊字符：！，@，#，_，<，>等。汉字字符：我，爱，你等。

四，re模块的match函数

五，正则表达式的常用匹配符

1，字面量匹配符

        形如一般字符串的正则表达式就是字面量，如："hello"就是表示去找在一个字符串中有没有hello这个字符。例子："hello123"字符串使用match，正则表达式为字面量'hello'，就会匹配到hello。

2，.

        符号.可以代替除\n外的所有字符。他只能代表一个字符，而不能代表多个。

import re
 
print(re.match('.', string="1"))
print(re.match('.', string="\n"))
print(re.match('.', string="A"))
print(re.match('.', string="a"))
print(re.match('.', string="!"))
print(re.match('.', string="我"))
# 
# None
# 
# 
# 
# 

3，[]

        表示匹配[]里面的元素。比如：'H[123456]'表示H1,H2,H3,H4,H5,H6等6种字符组合。常见的有：[A-Z]表示A-Z所有的大写字母；[a-z]表示a-z所有的小写字母；[0-9]表示0-0之间的数字；[A-Za-z0-9_]表示A-Z，a-z，0-9所有字符以及下划线；[^0-9]表示0-9之外的所有字符，^表示取反。

        同样的，[]只能代表一个字符，而不能代表多个字符。

import re
 
print(re.findall('H[123456]', string="H1,H2,H3,H4,H5,H6"))
# ['H1', 'H2', 'H3', 'H4', 'H5', 'H6']

4，\w和\W

        也就是：\w代表a-z，A-Z，0-9中的任意一个字符。\W表示a-z，A-Z，0-9之外的任意一个字符。注：\w与[A-Za-z0-9]等价。单个\w表示一个字符，两个\w\w表示两个字符，以此类推。

import re
 
print(re.match('\w', string="H1,H2,H3,H4,H5,H6"))
# 
print(re.match('\W', string="@H1,H2,H3,H4,H5,H6"))
# 
print(re.match('\w', string="@H1,H2,H3,H4,H5,H6"))
# None

5，\d和\D

6，\s和\S

        空白字符指的是：无法显示的字符，比如：空格，\n，\t，\b，\r等。

六，正则表达式的限定符

        限定的对象有：单个正则匹配符，字面字符。

1，*，+，？

2，限定符使用案例

七，原生字符串(解决反斜杠\带来的烦恼)

        正则表达式本身就是一个字符串，里面假如带有\n，\\等字符时会被转义，但是我们就想要双斜杠\\而不是转义后的\，就可以使用原生字符串。python中，在字符串前面加上r就表示原生字符串。

str1 = r"c:\\windows\\cmd"
print(str1)
# c:\\windows\\cmd

八，边界字符

1，什么是边界？什么是边界字符？

        下图蓝色框就是边界。也就是每个字符之间的空隙就是边界。最左边"与i之间也叫边界。t和r之间有一个空格，空格与t与r之间也叫边界。

        边界字符实际上也是限定符，他是一边界为位置进行限定。

2，^限定符

3，$限定符

4，\b和\B

        \b说明一个间隙两边的字符至少有一个不是字符，也就是至少有一个字符，不能同时都是字符，比如"ab"，ab之间存在间隙边界，但两边一个是a一个是b，所有"ab"不会被匹配到。

5，^放在[]里面表示取反

        [^0-9]表示0-9之外的字符。

九，择一符号|

        |表示同时写多个正则表达式去进行匹配。如：'aa|bb|cc'表示先拿aa去匹配再拿bb去匹配，最后拿cc去匹配。

十，分组

        这里的分组指的是对匹配的结果进行分组，而分组的依据就是正则表达式里面的括号。如果不加括号，则不会分组(但是默认存在一个组)。

1，使用\num引用分组

2，给组取别名

3，分组注意点

十一，贪婪和非贪婪

        +，*，？，{m,n}表示对一个字符进行重复，他们都是尽可能的匹配到最多的字符，比如：'123456789'，贪婪模式就是尽可能把9个数字都匹配到，那假如我们只需要匹配12345该怎么办？这个时候可以使用非贪婪模式。

十二，re模块中的函数

1，sub()&subn()方法

        sub函数和subn函数用于实现搜索和替换功能。这两个函数的功能几乎完全相同，都是将某个字符串中所有匹配正则表达式的部分替换成其他字符串。用来替换的部分可能是一个字符串，也可以是一个函数，该函数返回一个用来替换的字符串。sub函数返回替换后的结果，subn函数返回一个元组，元组的第1个元素是替换后的结果，第2个元素是替换的总数。语法格式如下:

2，compile()

3，findall()

4，match和search的区别

5，finditer()

6，spilt()