【python技巧】文本处理-re库字符匹配
我们读取文件内容，肯定不是单纯为了输出或者重新写入，对于文本我们一定有一些查找、定位的需求。
在Python中，还有一个专门用于文本处理的库，那就是
re库。下面我会介绍re库涉及的正则表达式的基本知识。
参考课程
1. 正则表达式
正则表达式是用来进行字符串匹配的一个字符形式。
1.1 测试工具
常见的正则表达式测试工具有：
- regex101
- 代码编辑器搜索栏的正则表达式匹配
1.2 限定符
-
?
abc?表示字符c需要出现0次或者1次，或者换句话说，字符c至多出现一次。也就是说，abc?相当于abc和ab这两个字符串。
-
*
ab*c表示字符b需要出现0次或者多次，或者换句话说，字符b可以出现任意多次。也就是说，ab*c相当于ac、abc、abbc、ab……bc等多个字符串。
-
+
ab+c表示字符b需要出现1次或者多次，或者换句话说，字符b至少出现一次。也就是说，ab+c相当于abc、abbc、ab……bc等多个字符串。
注意ab*c和ab+c的细微区别。
-
{}
-
{num}
ab{3}c表示字符b需要出现3次，或者换句话说，字符b只能出现2次。也就是说，ab{2}c相当于abbc这一个字符串。
-
{num1,num2}
ab{2,5}c表示字符b需要出现2或3或4或5次，也就是说，ab{2,5}c相当于abbc、abbbc、abbbbc、abbbbbc这四个字符串。
-
{num,}
ab{2,}c表示字符b需要出现2次及以上，也就说，ab{2,}c相当于abbc、abbbc、abbbbc、ab……bc等无数个字符串。
1.3 字符集
在正常情况下，上述的限定符只会对其前面的一个字符起作用。如果想要某个字符串作为一个组合，可以使用字符集。
(ab)+c表示字符串ab需要出现1次或者多次，或者换句话说，字符串ab至少出现一次。也就是说，(ab)+c相当于abc、ababc、abababc、ab……abc等多个字符串。
1.4 运算符
-
|
a(b|d)c表示字符串b出现1次或者字符串d出现1次，也就是说，a(b|d)c相当于abc、adc这两个字符串。
a(boy|girl)c也同样适用，相当于aboyc或者agirlc这两个字符。
-
[]
[]表示匹配字符能选择的范围，成为字符类，例如,[abc]+只会匹配a\b\c这三个字母出现一次或多次的字符串，而一般更经常使用的是[a-zA-Z0-9]*表示由大小写字母和数字组成的字符串，[a-zA-Z0-9_]*表示由大小写字母、数字和下划线组成的字符串。
-
^
^表示取反字符类，也就是说，[^a-zA-Z0-9]*表示除了大小写字母、数字符号以外的其他字符出现一次或多次的字符串。
-
\
\.表示转置，把一些有特殊意义的字符转变为实际字符 -
\b
\b表示字符边界
1.5 元字符
\d数字字符\D非数字字符
\w单词字符，包括英文字母、数字、下划线\W非单词字符
\s空白字符，包括空格、制表符、换行符\S非空白字符
.任意字符，不包含换行符^匹配字符串的开头，例如^a匹配行首的a$匹配字符串的结尾，例如x$匹配行尾的x
1.6 懒惰匹配和贪婪匹配
- 贪婪匹配
默认匹配尽可能多的字符。 - 懒惰匹配
例子：<.+>匹配<和>之间的任意字符，而<.+?>则会使用懒惰匹配