正則表達式：是字符串的規則，只是檢測字符串是否符合條件的規則而已
    1.檢測某一段字符串是否符合規則
    2.將符合規則的匹配出來
re模塊：是用來操作正則表達式的

2.正則表達式組成

字符組：[] 一個字符組描述的是一個位置上的字符規則,但是不能從大到小來規定範圍,字符組內所有的範圍都是ascii來排序的，字符組更靈活一點
　　[0-9] 匹配一個數字範圍
　　[a-z] 匹配一個小寫字母
　　[A-Z] 匹配一個大寫字母
　　[A-Za-z0-9] 匹配英文字母和大小寫 左邊必須是ascii最小的

　　註意:遇到在字符組當中的‘-‘是有特殊意義的，如果想取消‘
 
-‘的特殊意義，要轉義一下
    　　例如：[1-2] 是匹配不是1就是2的數據，但是我想匹配1，-，2那？需要轉義一下[1\-2]
            
元字符：匹配的一個字符的內容
　　\d: 使用\d表示匹配任意從0-9的數字，使用字符組能匹配到一個固定的範圍，但是\d表示的時從0-9太固定
   \w:匹配所有的數字字母下劃線，標識符
   -t:匹配tab制表符
   \n:匹配換行符
   \s:匹配所有的空格換行制表符  
   \b:表示一個單詞的邊界，要匹配以XX結尾的單詞
    反義詞：
    \W:除了數字字母下劃線的所有
    \D:除了數字之外的所有
    \S:除了空白之外的所有
    .:匹配換行符之外的所有字符

 非字符組：[
 
^123] 除了123的都匹配 ‘^’必須和[]組合才叫非字符組

 開始符‘^‘ 結束符‘$‘ 
　　一個字符串只有一個開始和一個結束，^永遠在一個規則的最前面，$永遠在一個字符串的最末尾
　　^hello$ -->匹配一個hello，規定了這個字符串的長度，在字符串檢測的時候通常加上^和$符號
　　[^123] ：匹配的是不以123開頭的

 | 或的意思，豎杠的左邊或右邊是一個規則,永遠把相對長的規則放在左邊
 分組：()--> www\.(baidu|oldboy)\.com

 量詞：表示的是匹配的次數，在量詞的範圍內盡可能的多的匹配，叫貪婪匹配　
 　　{n}  表示出現n次
　　 {n,} 表示出至少出現n次
　　 {n,m}表示存出現n
 
-m次
　　 ？：匹配額0次或1次
　　 +：匹配1次或多次
　　 *：匹配0次或多次
 　　?和+的範圍等於*的範圍

　　 匹配電話號碼：^1[3-9]\d{9}$:
 匹配整數：^[1-9]\d*|0&
 匹配小數：\d+\.\d+
 匹配整數或者小數:\d+(\.\d+)? -->裏面的()是分組的意思，?表示要不（）裏面的一起出現，不要就都不出現  \d+\.?\d*
 匹配15位身份證號碼：^[1-9]\d{14}$
 匹配18位身份證號碼：^[1-9]\d{16}[\dx]$
 #轉義字符：在字符串外部加上一個r來不轉義
 貪婪匹配：盡可能的多匹配 a.*x 回溯算法
 惰性匹配：盡可能的少匹配  .*? ,兩個量詞同時出現時表示非貪婪 a.*?x 從a開始匹配，遇到一個x就停止
　　　　　 就是量詞後面加上?就是惰性匹配，匹配到第一個就停止

re模塊

import re
s=‘kobe123jordan46‘

re.findall(pattern,string,flags=0)
　　ret = re.findall(‘\d+‘,s)
　　print()
　　查看所有，返回一個列表
　　註意:在正則條件不一樣的情況下返回的內容不一樣 ‘\d+‘是貪婪的匹配所有數字組成一個字符串

re.search(pattern,string,flags=0)
　　ret =re.search(‘\d+‘,s)
　　print(ret)
　　print(ret.group())
　　返回一個結果對象或結果集
　　通過group()取值只取到第一個，如果沒有符合條件的group就會報錯，一般用if判斷一下是否為空

re.match(pattern,string,flags=0)
　　ret = re.match(‘\s+‘,s)
　　print(ret)
　　返回一個結果對象或結果集
　　使用match的話，相當於在正則表達式前面加上^,在程序裏面匹配的是‘^\s‘，是找以字符串開頭的，沒有的話就返回None
　　使用search完全可以代替match,只要在search的表達式前面加上^就可以
　　re.search(‘^\s+‘,‘kobe123‘) == re.match(‘\s+‘,‘kobe123‘)

re.sub(pattern,repl,string,count=0)
　　ret = re.sub(‘\d+‘,‘sb‘,s,count=1)
　　print(ret)
　　count不寫的話默認替換所有,返回一個字符串
　　
re.subn(pattern,repl,string,count=0)
　　ret = re.sun(‘\d+‘,‘sb‘,s)
　　print(ret)
　　默認返回一個元組，並且返回被替換了多少次
re.split(pattern,string,maxsplit=1)
　　ret = re.split(‘\d+‘,s,maxsplit=1)
　　print(ret)
　　默認返回一個列表，不加maxsplit就全部分割

re.compile(pattern)
　　par = re.compile(‘\d+‘)
　　ret = par.findall(s)
　　print(ret)
　　對於一個經常重復使用的正則表達式，我們可以先進行一次編譯，之後只要在使用這個表達式就直接拿出來使用
　　就好了，這樣做節省時間和及其資源，減少解析時間個轉成機器碼的時間
　　re.compile()是一個優化函數，提升執行效率減少不必要的時間和性能的開銷

re.finditer(pattern,string)
　　par = re.compile(‘\d+‘)
　　ret = par.finditer(‘kob123kobe123kobe123kobe123‘*200) 
　　for item in ret:
　　　　print(item.group())
　　返回的是一個生成器結果集，通過group方法取出每一個數據
　　看到iter應該能想到是生成器原理，通過循環每次使生成器返回一個數據，這樣和使用生成器讀取大文件一樣，節省內存
　　能夠提前編譯一個正則表達式，當同一個正則表達式被多次使用時，可以直接使用節省時間


分組
　　s= """
　　　　<h1>哇哈哈哈<h1>
　　　　<h2>哈哈哈哈<h2>
　　　　<title>科比</title>
　　　"""
　　findall()和分組:分組在findall當中會默認的優先被顯示出來
　　　　ret = re.findall(‘>\w+<‘,r‘<title>科比<\title>‘)
　　　　print(ret[0].strip(‘<>‘))
　　　　分組在findall當中會默認的優先被顯示出來，如果不想優先顯示出來就在分組中添加(?:正則規則)表示取消這個正則的優先顯示
 　
        　　　　ret = re.findall(‘>\w+<‘,r‘<title>科比<\title>‘)
        　　　　print(ret[0].strip(‘<>‘))
        　　　　ret = re.findall(‘>(\w+)<‘,r‘<title>科比<\title>‘)
        　　　　print(ret)  # findall永遠優先顯示分組中的內容
        　　　　ret = re.findall(‘www\.(?:baidu|nba)\.com‘,r‘www.baidu.com‘)
        　　　　print(ret)
        　　　　ret = re.findall(‘\d+(?:\.\d+)?‘,r‘1.23+2.34‘)
        　　　　print(ret)
　　split()和分組:會保留被切掉的在分組中內容    
        　　　　ret = re.split(‘\d(\d)‘,‘alex84wusir73‘)
        　　　　print(ret)
　　search()和分組:不受到分組的影響
    
        　　　　ret = re.search(r‘<(\w+)>(\w+)<\\(\w+)>‘,r‘<title>科比<\title>‘)
        　　　　print(ret.group(0))  # 不受到分組的影響
        　　　　print(ret.group(1))
        　　　　print(ret.group(2))
分組命名
　　#分組命名就是把一個要匹配的東西取一個名字，在以後調用返回的時候回方便，直接使用名字就OK了
　　#如果有取值的有兩個相同的名字的話可以復制為(?P=a),必須要寫的分組裏面，不然的不能叫分組命名了
 　　　　ret = re.search(r‘<(?P<tab1>\w+)>(?P<content>\w+)<\\(\w+)>‘,r‘<title>科比<\title>‘)
        　　　　print(ret.group(0))  # 不受到分組的影響
        　　　　print(ret.group(‘tab1‘))  # 不受到分組的影響
        　　　　print(ret.group(‘content‘))  # 不受到分組的影響
　   　特殊的需求：把這個字符串全部匹配出來<h1>wahaha</h2></h1>
        　　　　par = ‘<\w+>.*?</\w+>‘
        　　　　ret = re.search(‘<(?P<tag>\w+)>.*</(?P=tag)>‘,‘<h1>wahaha</h2></h1></h3>‘)
        　　　　print(ret.group())
        　　　　par = ‘<\w+>.*?</\w+>‘
        　　　　ret = re.search(r‘<(\w+)>.*</\1>‘,‘<h1>wahaha</h2></h1></h3>‘)
        　　　　print(ret.group())
　　　　當我們要匹配的內容混在不想匹配的內容中
　　　　只能把不想要的也匹配出來,然後去掉不想要的就是想要的
　　　　下列我只想取整數部分
　　　　ret = re.findall(‘\d+\.\d+|(\d+)‘,‘1-2*(60+(-40.35/5)-(-4*3))‘) #取出來不包含40.35，但是包含""，因為findall遇到分組是優先匹配，所以匹配到小數就放棄，但是必須得返回一個元素，就返回""
　　　　ret = re.findall(‘\d+\.\d+|\d+‘,‘1-2*(60+(-40.35/5)-(-4*3))‘)  #取出來的包含40.35
　　　　ret.remove(‘‘)
　　　　print(ret)
遇見分組
　　　　findall 優先顯示分組中的內容
　　　　split   保留被切掉的分組內的內容
　　　　search  可以通過組的索引取值
　　　　取消分組的特殊行為(?:正則)
常見的使用正則解決問題的方式#
　　1.把整個結構描述下來,對想要的進行分組#
　　2.把不想要的也匹配出來,然後用手段刪掉

常見的正則表達式

1. 數字：^[0-9]*$
2. n位的數字：^\d{n}$
3. 至少n位的數字：^\d{n,}$
4. m-n位的數字：^\d{m,n}$
5. 零和非零開頭的數字：^(0|[1-9][0-9]*)$
6. 非零開頭的最多帶兩位小數的數字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
7. 帶1-2位小數的正數或負數：^(\-)?\d+(\.\d{1,2})?$
8. 正數、負數、和小數：^(\-|\+)?\d+(\.\d+)?$
9. 有兩位小數的正實數：^[0-9]+(.[0-9]{2})?$
10. 有1~3位小數的正實數：^[0-9]+(.[0-9]{1,3})?$
11. 非零的正整數：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12. 非零的負整數：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13. 非負整數：^\d+$ 或 ^[1-9]\d*|0$
14. 非正整數：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15. 非負浮點數：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16. 非正浮點數：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17. 正浮點數：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18. 負浮點數：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19. 浮點數：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
2.校驗字符的表達式
1. 漢字：^[\u4e00-\u9fa5]{0,}$
2. 英文和數字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3. 長度為3-20的所有字符：^.{3,20}$
4. 由26個英文字母組成的字符串：^[A-Za-z]+$
5. 由26個大寫英文字母組成的字符串：^[A-Z]+$
6. 由26個小寫英文字母組成的字符串：^[a-z]+$
7. 由數字和26個英文字母組成的字符串：^[A-Za-z0-9]+$
8. 由數字、26個英文字母或者下劃線組成的字符串：^\w+$ 或 ^\w{3,20}$
9. 中文、英文、數字包括下劃線：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10. 中文、英文、數字但不包括下劃線等符號：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11. 可以輸入含有^%&‘,;=?$\"等字符：[^%&‘,;=?$\x22]+
12. 禁止輸入含有~的字符：[^~\x22]+
3.特殊需求表達式
1. Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2. 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3. InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4. 手機號碼（可根據目前國內收集號擴展前兩位開頭號碼）：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5. 電話號碼("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6. 國內電話號碼(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7.15位身份證號：^[1-9]\d{5}\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{2}$
8.18位身份證號：^[1-9]\d{5}(18|19|([23]\d))\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]$
9. 帳號是否合法(字母開頭，允許5-16字節，允許字母數字下劃線)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10. 密碼(以字母開頭，長度在6~18之間，只能包含字母、數字和下劃線)：^[a-zA-Z]\w{5,17}$
11. 強密碼(必須包含大小寫字母和數字的組合，不能使用特殊字符，長度在8-10之間)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12. 日期格式：^\d{4}-\d{1,2}-\d{1,2}
13. 一年的12個月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14. 一個月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15. 錢的輸入格式：
（1）有四種錢的表示形式我們可以接受:"10000.00" 和 "10,000.00", 和沒有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
（2）這表示任意一個不以0開頭的數字,但是,這也意味著一個字符"0"不通過,所以我們采用下面的形式：^(0|[1-9][0-9]*)$
（3）一個0或者一個不以0開頭的數字.我們還可以允許開頭有一個負號：^(0|-?[1-9][0-9]*)$
（4）這表示一個0或者一個可能為負的開頭不為0的數字.讓用戶以0開頭好了.把負號的也去掉,因為錢總不能是負的吧.下面我們要加的是說明可能的小數部分：^[0-9]+(.[0-9]+)?$
（5）必須說明的是,小數點後面至少應該有1位數,所以"10."是不通過的,但是 "10" 和 "10.2" 是通過的：^[0-9]+(.[0-9]{2})?$
（6）這樣我們規定小數點後面必須有兩位,如果你認為太苛刻了,可以這樣：^[0-9]+(.[0-9]{1,2})?$
（7）這樣就允許用戶只寫一位小數.下面我們該考慮數字中的逗號了,我們可以這樣：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
（8）1到3個數字,後面跟著任意個 逗號+3個數字,逗號成為可選,而不是必須：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
備註：這就是最終結果了,別忘了"+"可以用"*"替代如果你覺得空字符串也可以接受的話(奇怪,為什麽?)最後,別忘了在用函數時去掉去掉那個反斜杠,一般的錯誤都在這裏
16. xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
17. 中文字符的正則表達式：[\u4e00-\u9fa5]
18. 雙字節字符：[^\x00-\xff] (包括漢字在內，可以用來計算字符串的長度(一個雙字節字符長度計2，ASCII字符計1))
19. 空白行的正則表達式：\n\s*\r (可以用來刪除空白行)
20. HTML標記的正則表達式：<(\S*?)[^>]*>.*?</\1>|<.*? /> (網上流傳的版本太糟糕，上面這個也僅僅能部分，對於復雜的嵌套標記依舊無能為力)
21. 首尾空白字符的正則表達式：^\s*|\s*$或(^\s*)|(\s*$) (可以用來刪除行首行尾的空白字符(包括空格、制表符、換頁符等等)，非常有用的表達式)
22. 騰訊QQ號：[1-9][0-9]{4,} (騰訊QQ號從10000開始)
23. 中國郵政編碼：[1-9]\d{5}(?!\d) (中國郵政編碼為6位數字)
24. IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址時有用)
25. IP地址：((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))

常見的正則表達式

python基礎之 正則表達式，re模塊