正则表达式用来干嘛

• 正则表达式是用来匹配文本的一种语言。别被语言吓到，正则表达式其实非常简单，可能你花2个小时就能用起来，但是你一定会觉得非常强大，像非常厉害的数据爬取，网页爬虫，都要用到正则表达式！

什么是正则表达式

维基百科解释：

正则表达式（英语：Regular Expression，在代码中常简写为 regex、regexp 或 RE），又称正规表示式、正规表示法、正规运算式、规则运算式、常规表示法，是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些符合某个模式的文本。许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在 Perl 中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由 Unix 中的工具软件（例如 sed 和 grep）普及开的。

单位划分

• 正则表达式由操作符和原子构成（操作元），也就是操作符，和操作的对象！先上个例子1：

import re
txt1 = 'WWe111 Are22 Family3 !'
reg = "[A-Z]+[a-z]{2}[0-9]*?"
parttern = re.compile(reg)
content = re.findall(parttern,txt1)
print(content)

#output:['Are', 'Fam']

操作原子

本意原子

• 例1中[A-Z]的意思是匹配大写字母，且只匹配一个大写字母！如例2：

import re
txt1 = 'We111 Are22 Family3!'
reg = "[A-Z]"
parttern = re.compile(reg)
content = re.findall(parttern,txt1)
print(content)

#output:['W', 'A', 'F']

• 而[a-z]只匹配一个小写字母。如例3:

import re
txt1 = 'We111 Are22 Family3!'
reg = "[a-z]"
parttern = re.compile(reg)
content = re.findall(parttern,txt1)
print(content)

#output:['e', 'r', 'e', 'a', 'm', 'i', 'l', 'y']

• +加号表示匹配1个或者多个前面的操作元，默认情况是匹配尽可能多的字符，什么意思呢？如例4

import re
txt1 = 'WWe111 Are22 Family3 !'
reg = "[A-Z]+"
parttern = re.compile(reg)
content = re.findall(parttern,txt1)
print(content)

#output:['WW', 'A', 'F']

• 例4中结果匹配了两个WW，但是加一个问号？就表示尽可能少的匹配，也就是非贪婪模式。如例5:

import re
txt1 = 'WWe111 Are22 Family3 !'
reg = "[A-Z]+?"
parttern = re.compile(reg)
content = re.findall(parttern,txt1)
print(content)

#output:['W', 'W', 'A', 'F']

• *星号的意思是匹配0个或者多个，同样有贪婪模式和非贪婪模式。例子1中*星号后面有个问号？表示非贪婪模式，匹配数字0个数字，一般情况下就是不匹配数字的意思
• 注意正则匹配是拿整个表达式去匹配文本，得到的加入到列表中，然后从匹配到的字符下一个字符开始重新匹配，如此循环直到结束！
• 例1中A-Z,a-z,0-9是正则表达式的本意原子，表示的就是本身，没有其他意思
• 而加号+星号*？减号-等并不是表示表面上的的意思，如+加号并不是字符串拼接或者两个数字相加，同样的-减号并不是两个数字相减，[0-9]表示的是匹配0-9中的任意一个整数.
• 例1中的*号是数量操作符，表示匹配0个或者多个前面一个原子，类似的操作符还有+，?，*， {n, m}对照表格1.