python第十一天笔记

正则表达式：正则表达式也叫做匹配模式(Pattern)，它由一组具有特定含义的字符串组成，通常用于匹配和替换文本。 

正则表达式，是一个独立的技术，很多编程语言支持正则表达式处理。 
    
什么是正则表达式（Regular Expression）：
    
正则表达式历史:正则表达式的“鼻祖”或许可一直追溯到科学家对人类神经系统工作原理的早期研究。美国新泽西州的Warren McCulloch和出生在美国底特律的Walter Pitts这两位神经生理方面的科学家，研究出了一种用数学方式来描述神经网络的新方法，他们创新地将神经系统中的神经元描述成了小而简单的自动控制元，从而作出了一项伟大的工作革新。 在1956 年,出生在被马克·吐温（Mark Twain）称为“美国最美丽的城市之一的”哈特福德市的一位名叫Stephen Kleene的数学科学家，他在Warren McCulloch和Walter Pitts早期工作的基础之上，发表了一篇题目是《神经网事件的表示法》的论文，利用称之为正则集合的数学符号来描述此模型，引入了正则表达式的概念。正则表达式被作为用来描述其称之为“正则集的代数”的一种表达式，因而采用了“正则表达式”这个术语。 之后一段时间，人们发现可以将这一工作成果应用于其他方面。Ken Thompson就把这一成果应用于计算搜索算法的一些早期研究，Ken Thompson是 Unix的主要发明人，也就是大名鼎鼎的Unix之父。Unix之父将此符号系统引入编辑器QED，然后是Unix上的编辑器ed，并最终引入grep。Jeffrey Friedl 在其著作“Mastering Regular Expressions (2nd edition)”中对此作了进一步阐述讲解，如果你希望更多了解正则表达式理论和历史，推荐你看看这本书。 自此以后，正则表达式被广泛地应用到各种UNIX或类似于UNIX的工具中，如大家熟知的Perl。P
    
python如何使用正则：
    一般而言，不同的编程都会提供对正则的支持，如java中，字符串对象中，有些方法直接支持正则，也同时提供正则的对应类
    python也同样的道理，它为开发者提供了一个专门支持正则的模块 -- re

re模块：
    常见方法：
        compile()
        search()
        findall()
        finditer()
        sub()
        split()
        match("需要匹配的规则", 文本字符串)        # 表示从头匹配

 
    
元字符：
    
    .        # 匹配任意符号，除换行符之外（\n）
    \w        # 匹配有效符号（大小写字母、数字、_、各国的语言符号（python3）），不匹配特殊符号, 等价于：[a-zA-Z0-9_]
    \d        # 匹配数字0~9 十个数字，等价于 [0123456789]
    \s        # 匹配的空白位    常见的如：空格、\t、\n等符号

    [abcd]        # 该位置，必须是abcd中的某个来占位，列举
        |-- 匹配数字：[0123456789]、[0-9]
        |-- 匹配小写字母：[a-z]
        |-- 匹配大写字母：[A-Z]
        |-- 有效符号：[a-zA-Z0-9_]

    ^        # 以什么开头
    $        # 以什么结尾

            
反义符：
    \W        # 匹配特殊符号
    \D        # 匹配非数字
    \S        # 匹配非空白位
    [^abcd]        # 表示该位不能使用列举中的某个符号

转义符：
    在绝多数的编程语言中，字符串操作都是存在转义符， \x
    为什么在window系统的中，文件系统路径的分隔符是\\(本质最后是一个\)

    正则中呢？
    在正则中，反斜杠也存在转义的作用！！！

注意：在python中，如果出现路径等情况，建议使用r"regexp"，这种方式，减少转义符多次转义！！
    推荐：所有的正则表达式前面，都建议加上r!!!!!

重复(位数)：
    *        # 任意位（0到多位）
    +        # 1到多位
    ?        # 表示0或者1，也就是说：可以没有，也可以有，但是有的话，只能是一位
    {m}        # 表示m位，m是个正整数
    {m,}        # 表示至少m位，可以更多
    {m,n}        # 表示范围区间[m, n]    （m<=n）

        
课堂练习：
    匹配出openlab的邮箱地址，且@之前有4到20为字符，如59127_ljh@openlab.com
    [a-zA-Z0-9_]{4,20}@openlab\.com

分组：
    多个组合的列举：
        正则中，存在了一个|符号，表示的意思或者，多个中筛选
        [a-zA-Z0-9_]{4,20}@openlab\.(com|org|cn|io)

    括号除了在多个组合的列举作用外，还有一个非常重要的作用，就是分组

    在正则表达式进行匹配的时候，在匹配完成之后，可以做二次匹配！！！
    注意，分组是由括号完成的！！！

如何匹配一个标签：r"</?\w+>"

案例如下： 

贪婪与懒惰:
    正则表达式中，如果使用多位匹配，则存在了一个贪婪和非贪婪模式，
    贪婪模式：尽可能多的匹配
    非太贪婪模式:尽可能少的匹配

    贪婪模式 --> 懒惰模式，只需要在位数的后面加上?

 案例如下：