不是Python独有的，是一套搜索引擎，用于做字符串的检索
起源于Unix---检索工具：awk，grep，egrep
一 正则表达式的基本概念
正则表达式是一种小型的，高度专业化的编程语言
1. 正则表达式被集成在了re模块中
2. 正则可以指定查找规则
运行原理：
先将正则字符串编译成字节码，然后由C编写的引擎进行执行
注意：
正则表达式不是万能的，是相对较小的，功能有限（不是任何字符串都可以用正则表达式处理）
二 re模块
集成了正则表达式的相关方法
1. findall（正则表达式，目标字符串）
从目标字符串中以正则表达式为要求，筛选出指定字符串
并打包成列表进行返回
2. finditer,match,search
3. sub(正则表达式，替换的字符串，目标字符串)
返回一个替换之后的字符串
4. subn(正则表达式，替换的字符串，目标字符串)
返回一个元组：（替换之后的字符串，替换的个数）
5. split(正则表达式，目标字符串)
通过正则进行切分，并把切分后的子串打包成列表进行返回
三 字符串的匹配
1. 普通字符串：
大多数数字和字母和字符都可以和自身匹配
2. 元字符串：
在正则表达式中具有特殊含义的字符串
四 元字符串
1. [] ：
1. 用于指定一个字符集
一个方括号只能代表一个字符串
例:
print(re.findall('a[bdc]c','abcadcacc'))
2. 元字符串在字符集中不起作用
3. 可以表示一个范围
2. ^ : 通常用于匹配行首 尖叫号如果在字符集中的第一位，表示取反 尖叫号如果在字符集中的其他位置，表示普通字符串’^‘
3. $ : 通常用于匹配行位
4. \：反斜杠
1. 转义元字符串，为普通字符串
2. 和特殊字符匹配，拥有特殊功能
\d:匹配任何十进制字符串：[0-9]
\D:匹配任何非数字字符串：[^0-9]
\s;匹配任何空白字符串：[\t \n]
\S:同上取反
\w:匹配任何字母数字字符：[a-zA-Z0-9]
\W:同上取反
5. {n}：重复
n：重复的次数
6. * ：重复
没有设置次数
表示星号之前的一个字符重复0到n次、
正则中默认匹配模式：贪婪匹配（尽可能多的匹配）
7. + ：重复
表示+号之前的字符重复1次到n次
8. ？ ：重复
1. 表示？号之前的字符重复1次或0次
2. 如果？号在重复之后，表示启用非贪婪模式
9. . :
匹配除了换行符以外的任何字符
10. {m，n}: 重复
范围重复
m：重复下限
n：重复上限
{,}:*
{1,}:+
{,1}:?
11. （）：分组
只显示括号内的字符串
12. | :或
同时用两个正则表达式进行匹配
import re
# s='abc'
# rule='a'
# result=re.findall(rule,s)
# print(result)
# print(re.findall('a','abc'))
# print(re.findall('a','abcabb'))
# print(re.findall('a[bd]c','abcadcacc'))
# print(re.findall('^abc','abcadbacc'))
# print(re.findall('a\^','a^bcadbacc'))
# print(re.findall('a[bd^]c','abcadcba^c'))
# print(re.findall('a[^bd]c','abcadcba^c'))
# print(re.findall('a[b][d][a]c','abcadc'))
# print(re.findall('a[a-zA-Z0-9]c','abcadcaccaAca7c'))
# print(re.findall('acc$','abcadbacc'))
# print(re.findall('010-\d\d\d\d\d\d\d\d','010-12345678'))
# print(re.findall('010-\w\w\w\w\w\w\w\w','010-12345678'))
# print(re.findall('010-\d{8}','010-12345678'))
# print(re.findall('010-\d{8}','010-123456789'))
# print(re.findall('010-\d*','010-'))
# print(re.findall('010-\d*','010-123'))
# print(re.findall('010-\w*','010-12345678'))
# print(re.findall('010-\d+','010-'))
# print(re.findall('010-\d+','010-12345678'))
# print(re.findall('010-\d?','010-12345678'))
# print(re.findall('010-\d?','010-'))
# print(re.findall('010-\d*?','010-12345678'))
# print(re.findall('010-\d{3}?','010-12345678'))
# print(re.findall('010-\d+?','010-12345678'))
# print(re.findall('010-\d??','010-12345678'))
# print(re.findall('.','abc\nabd#A\t'))
# print(re.findall('010-\d{2,5}?','010-12345678'))
# print(re.findall('010-\d{2,5}?','010-123'))
# print(re.findall('010-\d{2,5}','010-1'))
# print(re.findall('010-\d{,}','010-12345678'))
# print(re.findall('010-\d{,}','010-'))
五 正则表达式的使用
1. re模块提供一个正则表达式引擎的接口
2. 正则表达式有两种运行机制：
1. 直接解释运行：练习，极少量的匹配需求
2. 编译正则表达式：提高匹配效率
使用 re.compile方法,编译之后会生成一个正则对象
import re
target='010-123456789 010-12345678 010-123456'
rule='010-\d*'
# result=re.findall(rule,target)
# print(result)
rule_re=re.compile(rule) # 编译正则表达式
result=rule_re.findall(target)
print(result)
六 正则对象的方法
1. match（target）：
决定RE是否在字符串刚开始的位置匹配（匹配行首）
如果匹配到对应字符串，则返回一个Match对象
如果没有匹配到则返回None
2. search（target）：
返回匹配字符串的位置
如果匹配到对应字符串，则返回一个Match对象
如果没有匹配到则返回None
3. findall（target）：
返回一个列表，匹配到正则对应的字符串
4. finditer(target):
找到RE匹配的所有字符串，并打包成一个迭代器返回
每一个元素都是一个Mach对象
七 MatchObject实例
1. group()
返回RE匹配的字符串
2. start()
返回RE匹配的字符串的开始位置
3. end()
返回RE匹配的字符串的结束位置
4. span()
返回一个元组：（开始，结束）
target='010-123456789 010-123456789 010-123456789 '
re_obj=re.compile('010-\d*')
# print(re_obj.match(target))
# print(re_obj.search(target))
# print(re_obj.findall(target))
for i in re_obj.finditer(target): # i: 每一个Match
print(i.group(),i.start(),i.end(),i.span())
八 编译标志
正则表达式在执行的过程中，可以接收额外的参数：编译标志
import re
# print(re.findall('.*','abc123\n123\tabc',re.S))
# print(re.findall('.*','abc123\n123\tabc',re.DOTALL))
# print(re.findall('abc','abc ABC Abc aBc',re.IGNORECASE))
# print(re.findall('abc','abc ABC Abc aBc',re.I))
# s='''
# abc
# acc
# adc
# aqc
# '''
# print(re.findall('^a.c',s,re.MULTILINE))
rule=''' 010 - \d* '''
print(re.findall(rule,'010-123456789',re.VERBOSE))
print(re.findall(rule,'010-123456789',re.X))
