正则表达式(1)：语法

1. 简介

正则表达式regular Expression是一种文本模式，包括普通字符和特殊字符(即元字符)
正则表达式使用单个字符串来描述、匹配一系列某个句法规则的字符串

作用：

• 测试字符串内的模式；如数据验证，输入是否符合电话号码模式
• 替换文本
• 基于模式匹配从字符串中提取子字符串

2. 语法

• 普通字符
  [abc] 匹配[]中所有字符
  [^abc]匹配除[]外其他所有字符
  [A-Z]表示一个区间，匹配所有大写字母，[a-z]表示所有小写字母
  . 匹配除换行符号\n \r之外的任何单个字符，相当于[^\n\r]
[\s\S]匹配所有。\s匹配所有空白符，包括换行；\S非空白符，不包括换行
  \w 匹配字母、数字、下划线，等价于[A-Za-z0-9_]

• 非打印字符

• 特殊字符
  ^ 匹配输入字符串的开始位置
  $ 匹配结尾；若匹配
  ()标记一个子表达式的开始和结束位置；若匹配(),则使用( )
  * 匹配前面的子表达式零次或多次
  + 匹配前面的子表达式一次或多次
  .匹配除换行符\n之外的任何单字符
  ？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
  \将下一个字符标记为特殊字符或原义字符、或向后引用、或八进制转义符
  |指两项之间的一个选择

• 限定符
  * 匹配前面子表达式零次或多次
  +匹配亲密子表达式一次或多次
  ？ 匹配前面子表达式零次或一次
  {n} n是非负整数。匹配确定的n次
  {n,} n是非负整数。至少匹配n次
  {n, m}n,m是非负整数,n<=m。最少匹配n次，且最多匹配m次

• 贪婪模式&非贪婪模式
  * +限定符，是贪婪的，即尽可能多的匹配文字
  ？，在贪婪模式后添加？，就可以实现非贪婪或最小匹配

• 定位符
  ^ 匹配输入字符串开始位置
  $ 匹配输入字符串结束位置
  \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：定位法与限定符不能一起使用；如^*

• 选择
  用圆括号()将所有选项括起来，相邻的选项之间用|分隔
  ()表示捕获分组，()会把每个分组里的匹配的值保存起来，多个匹配值可以通过数字n来查看(n从1开始)

• 反向引用

import re
s = "Abc123df1ac!\r@#$^&\n——_"
# patt = r"[0-9]+"  # 找出数字  # ['123', '1']
# patt = "[abc]"  # 匹配[]中所有字符  ['b', 'c', 'a', 'c']
# patt = '[^abc]'  # 匹配除[]外其他所有字符  ['A', '1', '2', '3', 'd', 'f', '1', '!', '\r', '@', '#', '$', '^', '&', '\n']
# patt = '[A-Z]'  # 匹配大写字母 ['A']
# patt = '.'  # 除\n和\r外的任何单一字符 ['A', 'b', 'c', '1', '2', '3', 'd', 'f', '1', 'a', 'c', '!', '@', '#', '$', '^', '&']
# patt = r"[\s\S]"  # 匹配所有
# patt = r"\w+"  # 匹配字母、数字、下划线  ['Abc123df1ac', '_']
# s = "13789001234"
# patt = r"^1[3-9]\d{9}$"  # 国内手机号码的正则校验

# ----贪婪模式&非贪婪模式
s = "<h1>RUNOOB-菜鸟教程</h1>"
patt = "<.*>"  # 贪婪模式：['<h1>RUNOOB-菜鸟教程</h1>']
patt = "<.*?>"  # 非贪婪模式：['<h1>', '</h1>']

# -----定位符
s = "How are you,Chapter ter?"
patt = r"\bCha*"  # ['Cha'] 匹配单词 Chapter 的开头三个字符
# patt = r"ter\b"  # ['ter', 'ter'] 匹配单词结尾的ter
# res = re.findall(patt, s)
# print(res)

# -----分组
s = "http://www.runoob.com:80/html/html-tutorial.html"
patt = r"(\w+):\/\/([^/:]+):(\d*)?([^# ]*)"
res = re.match(patt, s)
print(res)  # <re.Match object; span=(0, 48), match='http://www.runoob.com:80/html/html-tutorial.html'>
print(res.group(1))  # http 协议
print(res.group(2))  # www.runoob.com 表示域
print(res.group(3))  # 80 表示端口
print(res.group(4))  # /html/html-tutorial.html  表示页信息，或web地址指定路径

参考：https://www.runoob.com/regexp/regexp-tutorial.html