正則表示式和python的re模組
0 正則表示式
0.1 常見的元字元
.: 匹配除\r\n之外的任何單個字元
*: 匹配前面的子表示式任意次(0-無窮)，例如Zz*可以匹配Z，可以匹配Zz，也可以匹配Zzzzzzzzzz
+: 匹配前面的子表示式任意次(1-無窮)，例如hh+可以匹配hh，hhh，hhhhhhhhhhhhhhh
{n}: 匹配前面的子表示式n次，例如h{5}匹配hhhhhh
{n,}: 匹配前面的子表示式至少n次，例如h{5, } 匹配hhhhhh，hhhhhhhh，hhhhhhhhhhhhhhhhhh
{n,m}: 匹配前面的子表示式n到m次
?: 匹配前面的子表示式0次或1次，等價於{0,1}，如果跟在* + ? {n} {n,} {n,m}後面則代表非貪婪模式。例如hhhhh，用h+匹配得到一個結果hhhhh，用h+?則匹配到5個結果，5個都是h。
\: 轉義字元，例如\\n匹配\n，\n匹配換行符，\\匹配\，\(匹配(
^: 匹配字串的開頭，例如^hello匹配hello world
$:匹配字串的結尾，例如cut$:匹配字串的結尾，例如cut$匹配I am from cut
[...]: 字符集，匹配中括號內的任意字元，-代表範圍，^代表非，如果要表示[ ] - ^ 要在前面加上\ 或者把] - 放在首位，把^放到非首位，例如[^0-9]匹配非數字
|: 或，匹配左右表示式任意一個，如果左邊匹配成功，就不再匹配右邊的表示式，例如convex|function匹配convex或者匹配function
(...): 分組，作為一個整體被匹配，例如，(really ){5} 匹配really really really really really
(?P<name>...): 分組，同時起一個別名
(?P=name): 引用別名為name的分組匹配到的字串
\<number>: 引用編號為number的分組匹配到的字串
\d: 匹配數字，等價於[0-9]
\D: 匹配非數字，等價於[^0-9]
\s: 匹配不可見字元，等價於[\f\n\r\t\v]，\t是製表符\x09，\n是換行符\x0a，\v是垂直製表符\x0b，\f是換頁符\x0c，\r是回車符\x0d
\S: 匹配可見字元，等價於[^\s]
\w: 匹配包括下劃線的任何單詞字元（unicode字符集），類似但不等價於[A-Za-z0-9_]
\W: 匹配任何非單詞字元，等價於[^\w]
1 python中的正則
1.1 反斜槓
在程式語言中使用正則表示式，當我們要匹配\的時候需要用4個\來匹配，\\\\匹配\，因為第一次程式語言會把\\\\轉移成\\，然後第二次正則會把\\轉移成\。如果用python的原生字串r來寫正則，則可以少寫兩個\，即r'\\'匹配\，r'\\d'匹配'\d'，r‘\d’則匹配數字
1.2 re模組的使
# 首先將正則表示式編譯成Pattern物件
pattern = re.compile('keras')
# 可以用Pattern物件的match方法匹配文字，從頭開始但不要求完全的匹配，可在最後加入$則是完全匹配，返回Match物件或None
match = pattern.match('keras is a high-level neural networks API')
# 也可以用Pattern物件的search方法匹配文字，在文字中尋找子串的匹配，返回Match物件或None
match = pattern.search('keras is a high-level neural networks API')
# 用Match物件的方法輸出匹配結果
if match:
print match.group()
# 另外可以直接使用re的方法進行匹配，這樣省了編譯那一行，但是不能複用。
re.match('tensorflow', 'tensorflow is an open-source library for Machine Intelligence')
re.search('Machine Intelligence', 'tensorflow is an open-source library for Machine Intelligence')
1.3 re.compile(pattern, flags=0)
返回：Pattern物件
pattern: 字串形式的正則表示式，可利用上文的元字元和普通字元進行一系列組合得到
flags: 匹配模式，分為如下幾個（可用|使用多個，如re.I | re.
re.I或re.IGNORECASE：忽略大小寫
re.L或re.LOCALE：使用當地locale。（python中有個locale模組，locale代表不同的語言，地區和字符集）
re.U或re.UNICODE：使用unicode的locale
re.M或re.MULTILINE：使用^或$時會匹配每一行的行首或行尾
re.S或re.DOTALL：使用.時能匹配換行符
re.X或re.VERBOX：忽略空白字元，而且可以加入註釋
1.4 Pattern物件
Pattern物件代表一個正則表示式，包含如下幾個方法，這些方法在re都有對應的方法，引數略有不同，下面也一起給出
match(string, pos=0, endpos=-1) | re.match(pattern, string, flags=0): 從頭開始匹配，返回一個Match物件或None。
search(string, pos=0, endpos=-1) | re.search(pattern, string, flags=0): 尋找子串的匹配，返回一個Match物件或None
split(string, maxsplit=0) | re.split(pattern, string, maxsplit=0, flags=0): 按照pattern切割string，maxsplit表示最大切割次數
findall(string , pos=0, endpos=-1) | re.findall(pattern, string, flags=0): 搜尋返回全部能匹配的子串
finditer(string, pos=0, endpos=-1) | re.finditer(pattern, string, flags=0): 搜尋返回match物件的迭代器
sub(repl, string, count=0) | re.sub(pattern, repl, string, count=0, flags=0): 使用repl替換string中能匹配的每一個子串，返回替換後的子串，count指定最多替換次數。
subn(repl, string, count=0) | re.subn(pattern, repl, string, count=0, flags=0): 相比於sub，多返回了一個次數，組成tuple。
1.5 Match物件
Match物件代表匹配的結果，包含匹配的相關資訊。
包含如下屬性：string, re( 匹配時使用的Pattern物件）, pos, endpos, lastindex（最後一個匹配的分組的下標）, lastgroup（最後一個匹配的分組的別名）
包含如下方法：
group(group1, group2, group3,...):
返回一個或多個組匹配的子串，不填寫引數預設為group(0)，代表整個匹配的子串。
group1可以是編號，也可以是組的別名。
沒匹配到的組返回None，匹配到多個子串的組返回最後一個。
groups(default=None): 返所有組匹配的子串。當組沒有匹配到子串時候返回default。
groupdict(default=None): 返回字典，鍵為組的別名，值為該組匹配到的子串。沒有別名的組不返回。
start(groupNum=0): 返回指定組匹配的子串在string中的開始下標，沒有匹配則返回-1
end(groupNum=0): 返回指定組匹配的子串在string中的結束下標，沒有匹配則返回-1
span(group=0): 返回(start(group), end(group))
1.6 unicode編碼
python中re模組的正則最好統一使用unicode編碼，即u'...'的形式。
因為之前沒有使用unicode，在匹配中文的時候出現了匹配錯誤的結果。
猜測是re模組裡的方法預設使用unicode編碼來執行的。