十分钟python入门 正则表达式
正则常见的三种功能，它们分别是：校验数据的有效性、查找符合要求的文本以及对文本进行切割和替换等操作。
1.元字符
所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符
元字符大致分成这几类：表示单个特殊字符的，表示空白符的，表示某个范围的，表示次数的量词，另外还有表示断言的
1.1特殊单字符
英文的点（.）表示换行以外的任意单个字符，d 表示任意单个数字，w 表示任意单个数字或字母或下划线，s 表示任意单个空白符。另外，还有与之对应的三个 D、W 和 S，分别表示着和原来相反的意思
import re
#匹配所有数字
txt = "123d5sdf23"
result = re.findall('d', txt)
print(result)
#输出：['1', '2', '3', '5', '2', '3']#匹配所有的数字、字母和下划线
txt = 'sdfw234_sdf12'
result = re.findall('w', txt)
print(result)
#输出：['s', 'd', 'f', 'w', '2', '3', '4', '_', 's', 'd', 'f', '1', '2']1.2. 空白符
不同的系统在每行文本结束位置默认的“换行”会有区别。比如在 Windows 里是 rn，在 Linux 和 MacOS 中是 n
r 回车符
n 换行符
f 换页符
t 制表符
v 垂直制表符
s 任意空白字符
#获取每一行的开头
f = open('hello.txt', 'r', encoding='utf-8')
txt = f.read()
print(txt)
#输出：
#小明
#小红
#小月
result = re.findall('nw*', txt)
print(result)
#输入：['n小红', 'n小月']1.3. 量词
在正则中，英文的星号（*）代表出现 0 到多次，加号（+）代表 1 到多次，问号（?）代表 0 到 1 次，{m,n}代表 m 到 n 次
* ：0到多次
+ ：1到多次
?：0到1次
{m}：出现m次
{m,} ：出现至少m次
{m,n} ：m到n次
#寻找3个数字组合
txt = '123 1 sfd 2342 aa 23g 342'
result = re.findall('d{3}s', txt)
print(result)
#输出：['123 ', '342 ']4. 范围
| ：或，如ab|bc 代表ab或者bc
[...] ：多选一，括号中任意单个元素
[a-z]：匹配a-z之间任意单个元素
[^...] ：取反，不能包括括号中的任意单个元素
#某个资源可能以 http:// 开头，或者 https:// 开头，也可能以 ftp:// 开头
txt = 'http://www.baidu.com'
result = re.match('(https?|ftp)://', txt)
print(result.span())
#输出：(0, 7)2.量词与贪婪
2.1 贪婪模式
在正则中，表示次数的量词默认是贪婪的，在贪婪模式下，会尝试尽可能最大长度去匹配
#贪婪匹配
txt = 'aaabb'
result = re.findall(r'a*', txt)
print(result)
#输出：['aaa', '', '', '']a* 在匹配开头的 a 时，会尝试尽量匹配更多的 a，直到第一个字母 b 不满足要求为止，匹配上三个 a，后面每次匹配时都得到了空字符串。
贪婪模式的特点就是尽可能进行最大长度匹配。
2.2 非贪婪模式
量词后面加上英文的问号 (?)，正则就变成了 a*?，这就是非贪婪模式
#非贪婪匹配
txt = 'aaabb'
result = re.findall(r'a*?', txt)
print(result)
#输出：['', 'a', '', 'a', '', 'a', '', '', '']非贪婪模式会尽可能短地去匹配
3.函数
3.1findall() 函数
findall() 函数返回包含所有匹配项的列表。
#findall() 这个列表以被找到的顺序包含匹配项
txt = "China is a great country"
x = re.findall("China", txt)
print(x)
#输出：['China']3.2 search() 函数
search() 函数搜索字符串中的匹配项，如果存在匹配则返回 Match 对象。
如果有多个匹配，则仅返回首个匹配项，如果未找到匹配，则返回值 None
#search() 函数搜索字符串中的匹配项，如果存在匹配则返回 Match 对象
txt = "China is a great country"
x = re.search(r"s", txt)
print("第一个空格位置", x.start())
#输出：第一个空格位置 53.3 split() 函数
split() 函数返回一个列表，其中字符串在每次匹配时被拆分：
#spilt 分割
txt = "China is a great country"
x = re.split(r"s", txt)
print(x)
#输出：['China', 'is', 'a', 'great', 'country']通过指定 maxsplit 参数来控制出现次数：
#通过指定 maxsplit 参数来控制出现次数：
txt = "China is a great country"
x = re.split(r"s", txt, 2)
print(x)
['China', 'is', 'a great country']3.4 sub() 函数
sub() 函数把匹配替换为您选择的文本：
#sub() 函数把匹配替换为您选择的文本：
txt = "China is a great country"
x = re.sub("is", "IS", txt)
print(x)
#输出：China IS a great country3.5 Match 对象
Match 对象是包含有关搜索和结果信息的对象。
注释：如果没有匹配，则返回值 None，而不是 Match 对象。
Match 对象提供了用于取回有关搜索及结果信息的属性和方法：
-
span()返回的元组包含了匹配的开始和结束位置 -
.string返回传入函数的字符串 -
group()返回匹配的字符串部分
#正则表达式查找以大写 "C" 开头的任何单词
txt = "China is a great country"
x = re.search(r"bCw+", txt)
print(x.span())
#输出：(0, 5)
#打印匹配的字符串部分
print(x.group())
#输出：China