正则语法
对匹配类型
(1).：代表除换行外任意一个字符（除了换行符，但是如果开了编译标志DOTALL后就可以包括换行符了），举例：（search等正则相关方法具体用法参考后面）
>>> re.search(r's.a','where is abc in') <_sre.SRE_Match object; span=(7, 10), match='s a'>
所以这里.对应了一个空格，如果就要匹配.这个字符的话可以前面加\防止被转义，举例：\.，此时就是.了
(2)\d：代表任意一个数字，例如查找一个ip地址：
>>> re.search(r'\d\d\d.\d\d\d.\d\d\d.\d\d\d','192.168.134.253') <_sre.SRE_Match object; span=(0, 15), match='192.168.134.253'>
(3)\w：匹配字母、数字或下划线或汉字
(4)\s：匹配任意的空白符
(5)(匹配的字符)\1：就是要匹配的字符并且把括号里的内容匹配两次，举例：
>>> re.search(r'a(bc)\1','abcabcbc') <_sre.SRE_Match object; span=(3, 8), match='abcbc'>
（因为括号里的是bc，所以就把bc匹配了两次），也可以用r'a(bc){2}'替代，效果相同
(6)\ASCII值：对应ASCII表内容，例如八进制的60对应ASCII的0，则：
>>> re.search(r'abc\060','abcabc0') <_sre.SRE_Match object; span=(3, 7), match='abc0'>
(7)^：匹配字符串的开始，也就是只有这个字符串在开始位置才可以查到（\A默认情况下跟其一样），举例：
>>> re.search(r'^abc','abcde') <_sre.SRE_Match object; span=(0, 3), match='abc'>>>> re.search(r'^abc','fabcde') #没有结果，即None（因为abc不为开始符号）
(8)$：匹配字符串的结束，和上面的相反（\Z默认情况下跟其一样），举例：
>>> re.search(r'abc$','abscdeabc') <_sre.SRE_Match object; span=(6, 9), match='abc'>
(9)\b：匹配单词的边界，除了字母、_和数字以外都是边界（即\b可以替代这三种类型），举例：
>>> re.findall(r'\babc\b','abc.abc!abc3() abc_bbc') ['abc', 'abc']
只有前两个abc被找出，但是第三个后面有数字，第四个有下划线，所以abc3，abc_bbc都被看作一个单词——其实只要符合变量标准的都被看作一个单词，即字母数字下划线连在一起的
(10)\B：匹配非单词的边界，和上面那个相反，使用时只在非单词尾加，举例：
>>> re.findall(r'abc\B','abc.abc!abc3() abc_bbc') ['abc', 'abc'] #只有后两个被找出，因为前两个是单词
(11)\w：匹配所有字类字符和下划线，像空格、标点符号啥的不匹配，举例：
>>> re.findall(r'\w','abc.a!！你好_-お') ['a', 'b', 'c', 'a', '你', '好', '_', 'お'] #可以发现像!、.、-这些都没了
(12)\W：和上面的相反，举例：
>>> re.findall(r'\W','abc.a!！你好_-お') ['.', '!', '！', '-']
对匹配范围
(1)[存在的字符或者范围]：查找对应[]的一个字符
(2)[含有的字符]：可以放几个字符，但记住大小写敏感，举例：
>>> re.findall(r'[Wabcde]','www.baidu.com') ['b', 'a', 'd', 'c'] #W不匹配w
因为[]里面的字符都是看作普通字符看待，所以[.]也只是匹配.，而不是任意字符，比如：
>>> re.findall(r'[Wabcde.]','www.baidu.com!@#') ['.', 'b', 'a', 'd', '.', 'c'] #结果并没有匹配!、@、#
(3)[字符1-字符2]：左边的ASCII要比右边的小，可以匹配字符范围，举例1：
>>> re.findall(r'[a-z]','www.baidu.com') ['w', 'w', 'w', 'b', 'a', 'i', 'd', 'u', 'c', 'o', 'm']
因为里面字符是按ASCII码表排序的，所以比如a的A大，所以[A-a]可以，但[a-A]不可以，举例2：
>>> re.findall(r'[A-a]','www.baidu.com') ['a']>>> re.findall(r'[a-A]','www.baidu.com') sre_constants.error: bad character range a-A at position 1 #报错
但因为匹配的是一个字符，所以数字的范围只有[0-9]，一堆数字只会看作一个一个通配符，举例：
>>> re.findall(r'[0-3856]','ww32w.baidu.com') ['3', '2'] #匹配0到3还有8/5/6中的一个数，而不是匹配0到3856的数
(4)[^不含有的字符]：可以匹配不含有的字符，举例：
>>> re.findall(r'[^a-z.]','www.baidu.com!@#') ['!', '@', '#'] #不含所有小写字母和.
注：^得放在第一个才有效果，否则只是单纯的匹配^这个符号
对匹配长度
(1)匹配字符{匹配长度}：可以匹配字符的长度，{}前的一个字符是我们要匹配的字符，{}里可以是一个数字，代表有几个，也可以是两个数字（用逗号隔开），代表长度可取的范围（{1,5}代表至少1个最多5个，{1,}代表最少1个），比如前面ip地址我们就能更精准的匹配了：
>>> re.findall(r'[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}','192.168.134.253')
['192.168.134.253']但如果要更精准，要匹配0-255的数就可以：
for each in range(257):
q = re.findall(r'[1]\d{2}|2[0-4]\d|25[0-5]|\d{1,2}',str(each)) print(each,'-->',q)
部分结果：
0 --> ['0']
1 --> ['1']
2 --> ['2']
...
255 --> ['255']
256 --> ['25', '6']#可以发现只有0-255匹配成功#匹配法则：#1开头时，个位和十位数值随意#2开头，十位在0-4的个位随意，25开头的个位只能是0-5#还有两位数和一位数的#把以上几种或起来此时更精准的ip匹配就可以是：
>>> q = re.search(r'(([1]\d{2}|2[0-4]\d|25[0-5]|\d{1,2})\.){3}([1]\d{2}|2[0-4]\d|25[0-5]|\d{1,2})','192.168.1.1')>>> q.group()'192.168.1.1'#0-255加.重复3次，最后面再来个0-255但不加.#其中每个0-255用()括起来，前面重复3次的内容也用括号括起来，不然只会把.重复3次(2)匹配字符*：匹配前面的字符0次或多次，相当于{0,}，举例：
>>> re.findall(r'abc*','asfabccd') ['abcc']#此时c有2个所以都被匹配
(3)匹配字符+：匹配前面的字符1次或多次，相当于{1,}
(4)匹配字符?：匹配前面的字符0次或1次，相当于{0,1}
注：
(2)和(3)的匹配方法有种贪婪的特性，有时可能会把字符匹配多了，比如字符串str1 = '<html></html>'，我们只要匹配<html>，所以可能用：re.search('<.+>',str1)（以<开头，后面一个或多个任意字符，最后以>结尾），结果匹配的是：'<html></html>'，说明匹配东西多了（因为此时他会尽可能多的匹配，所以不会从左到右直到碰到第一个>就结束，其相当于从最右面开始找第一个>然后结束），所以为了避免这种情况，就会用到?（此时?不代表0或1次，而是代表非贪婪模式），即：re.search('<.+?>',str1)，这样就会从左到右当遇到第一个>时结束，所以此时结果就是'<html>'了
常用方法
（import re）
虽然像find()也能起到查找字符的功能，但re模块下的函数（比如search）可以使用正则表达式，具体如下：
1.search('要查找的字符', '从哪里查找')
结果返回这个查的字符在查找的哪些位置，举例：
>>> re.search(r'abc','where is abc in') #开头加`r`防止字符串转义等问题<_sre.SRE_Match object; span=(9, 12), match='abc'>#第一个分号前不用管，span代表位置，match代表匹配的字符，没有就返回none
注：
（1）如果要只获得查找到的字符结果可以用group()函数，举例：
>>> p = re.search(' (\w+) (\w+)','may i help you')#匹配第一位为空格，第二位是一直到非空格、符号位，接着空格，然后再一直到非空格、符号位的字符串>>> p.group()' i help'group()如果捕获的里面有子组，还可以分开看子组内容，例如对上面的：
>>> p.group(1)'i'>>> p.group(2)'help'
（2）如果要获得span里的参数，也就是匹配的是第几位到第几位，就可以用span，如果只要知道开头或结尾位置，那么可以用start和end，一个代表从第几位开始匹配，一个是第几位结束匹配，例如还是对上面的p：
>>> p.span() (3, 10)>>> p.start()3>>> p.end()10
注2：
内置函数find()也可以实现，会返回起始位置，举例：
>>> 'where is abc in'.find('abc')92.findall('要匹配的字符', '从哪里查找')
结果以一个列表形式返回所有匹配上的字符（都是单个字符），举例：
>>> re.findall('a.c','abc,acc,a5c')
['abc', 'acc', 'a5c']并且该函数有个十分智能的方法，就是可以只返回一个我们想要的内容序列，比如上面返回的都是a开始，c结束，中间一个任意字符的数组，现在我们只要中间的那个字符，就可以在我们想要的那个字符上加上括号，例如：re.findall('a(.)c','abc,acc,a5c')，此时结果就是我们想要的['b', 'c', '5']了（当然这是在返回的字符串有子组的前提下）
注：
因为有子组前提下有括号的地方都会被单独弄出来，假如要弄一个ip地址：
>>> re.findall(r'(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5])','192.31.123.112')
[('123.', '123', '112')]结果并不是我们想要的效果，其实是他自认为括号的3个地方是我们想要的，所以就把这3个地方分开组成一个元组给我们，为了避免这种情况发生，我们应该在不想被智能读取的括号开头加上个?:，还是刚才那个举例：
>>> re.findall(r'(?:(?:[01]?\d?\d|2[0-4]\d|25[0-5])\.){3}(?:[01]?\d?\d|2[0-4]\d|25[0-5])','192.31.123.112')
['192.31.123.112']3.compile('正则表达式')
这个是编译正则表达式的函数，可以提前把正则表达式存到一个类中，当需要重复使用某一个表达式规则时，使用这函数就比较方便，举例：
p = re.compile('[a-z]') #此时把该表达式存到p里，p变成存放该表达式的类p.findall('www.BaiDu.com') #不用再从re模块调用，直接调用p就可以使用该表达式规则结果为：
['w', 'w', 'w', 'a', 'i', 'u', 'c', 'o', 'm']#匹配所有小写字母4.sub('正则表达式', '替换成的内容', '字符串')
可以把符合正则的字符都替换成其他字符，举例：
>>> a = re.compile('\(.+?\)')>>> b = 'abc(fg)de'>>> re.sub(a, '\t', b) #把所有括号连同其包起来的内容去掉'abc\tde'5.编译标志
（使用方法：re.compile('正则表达式','re.编译标志')）
(1)DOTALL
此时.可以匹配包括换行符的任何符号（也就是所有符号），举例：
q = re.compile(r'a.b',re.DOTALL)
q.findall('a\nb,a b')
结果为：
['a\nb', 'a b']#可以发现'\n'现在也能匹配了(2)IGNORECASE：此时匹配时大小写不区分
(3)VERBOSE：启用详细的正则表达式，此时空格会被忽略，同一行的#后面是注释（当然如果还想空格就\，想#就\#），举例：
q = re.compile(r""" ( 0[0-7]+ #八进制 |[0-9]+ #十进制 |x[0-9a-fA-F]+ #十六进制 ) ; #结尾分号 """, re.VERBOSE)
如上所示，一个正则表达式的编译就美观多了
6.re.S
允许在多行内匹配，相当于匹配时加上\n
举例：
>>> x = """abc
de
fgh
""">>> re.findall('a(.*?)h', x)
[]>>> re.findall('a(.*?)h', x, re.S)
['bc\n\tde\n\tfg']可以看出原来无法匹配到换行的部分，但是加上re.S以后，就可以匹配上了
作者：dawsonenjoy
链接：https://www.jianshu.com/p/787c8e4a3652
随时随地看视频
