一、笔记
一正则表达式
定义：记录文本规则的代码
近亲兄弟——通配符：在Windows系统中，通配符(wildcard)，也就是*和?。查找某个目录下的所有的Word文档的话，搜索*.doc。在这里，*会被解释成任意的字符串。
元字符，metacharacter
\b 单词的开头或结尾，也就是单词的分界，匹配字符位置
例：精确地查找hi这个单词，使用正则表达式：\bhi\b
hi后面不远处跟着一个Lucy，你应该用\bhi\b.*\bLucy\b
如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^\d{5,12}$
如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.
例如：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows
正则表达式里使用"\"作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\"，可使用原生字符“r’ ”
匹配一个数字的"\\d"可以写成r"\d"
分枝条件
如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。
\(0\d{2}\)[- ]?\d{8}|0\d{2}[- ]?\d{8}这个表达式匹配3位区号的电话号码，其中区号可以用小括号括起来，也可以不用，区号与本地号间可以用连字号或空格间隔，也可以没有间隔。
后向引用
用于重复搜索前面某个分组匹配的文本
\b(\w+)\b\s+\1\b可以用来匹配重复的单词，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)
(?
要反向引用这个分组捕获的内容，你可以使用\k
表4.常用分组语法
分类代码/语法说明
捕获(exp)匹配exp,并捕获文本到自动命名的组里
(?
(?:exp)匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言(?=exp)匹配exp前面的位置
(?<=exp)匹配exp后面的位置
(?!exp)匹配后面跟的不是exp的位置
(?
注释(?#comment)这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读
(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)
(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading
零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式exp。例如：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字；\b((?!abc)\w)+\b匹配不包含连续字符串abc的单词。
(?<=<(\w+)>).*(?=<\/\1>)匹配不包含属性的简单HTML标签内里的内容。(?<=<(\w+)>)指定了这样的前缀：被尖括号括起来的单词(比如可能是)，然后是.*(任意的字符串),最后是一个后缀(?=<\/\1>)。注意后缀里的\/，它用到了前面提过的字符转义；\1则是一个反向引用，引用的正是捕获的第一组，前面的(\w+)匹配的内容，这样如果前缀实际上是的话，后缀就是了。整个表达式匹配的是和之间的内容(再次提醒，不包括前缀和后缀本身)。
正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复
代码/语法说明
*?重复任意次，但尽可能少重复
+?重复1次或更多次，但尽可能少重复
??重复0次或1次，但尽可能少重复
{n,m}?重复n到m次，但尽可能少重复
{n,}?重复n次以上，但尽可能少重复
名称说明
IgnoreCase(忽略大小写)匹配时不区分大小写。
Multiline(多行模式)更改^和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.)
Singleline(单行模式)更改.的含义，使它与每一个字符匹配（包括换行符\n）。
IgnorePatternWhitespace(忽略空白)忽略表达式中的非转义空白并启用由#标记的注释。
ExplicitCapture(显式捕获)仅捕获已被显式命名的组。
Re的模块使用
re.compile(strPattern[, flag]): 将字符串形式的正则表达式编译为Pattern对象，比如re.compile('pattern',
re.I | re.M)，其中
[if !supportLists]· [endif]re.I(re.IGNORECASE):忽略大小写（括号内是完整写法，下同）
[if !supportLists]· [endif]M(MULTILINE): 多行模式，改变'^'和'$'的行为（参见上图）
[if !supportLists]· [endif]S(DOTALL): 点任意匹配模式，改变'.'的行为
[if !supportLists]· [endif]L(LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
[if !supportLists]· [endif]U(UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
[if !supportLists]· [endif]X(VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释。以下两个正则表达式是等价的：
Match
Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读属性或方法来获取这些信息。
属性：
[if !supportLists]1. [endif]string: 匹配时使用的文本。
[if !supportLists]2. [endif]re: 匹配时使用的Pattern对象。
[if !supportLists]3. [endif]pos: 文本中正则表达式开始搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
[if !supportLists]4. [endif]endpos: 文本中正则表达式结束搜索的索引。值与Pattern.match()和Pattern.seach()方法的同名参数相同。
[if !supportLists]5. [endif]lastindex: 最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
[if !supportLists]6. [endif]lastgroup: 最后一个被捕获的分组的别名。如果这个分组没有别名或者没有被捕获的分组，将为None。