[Regular Expression]Mastering Python Regular Expression基础通俗(1)

正则表达式能帮我们干什么活：

• 1：检测输入的字符串中，某一字符串是否满足特定格式，如字符中是否为合法的email邮箱格式

• 2：检测某一特定单词，是否在文本中出现过（只需要通常一次的scan)

• 3: 提取出文件中的特定格式字符串

• 4：使用新的字符串，代替特定格式的字符串

• 5：把大片的字符串，分成很多小的字符串，例如python中的split函数可以以逗号为分隔符，把大片字符串，分隔成多个子字符串

第一章：学习正则表达式 是如何工作的

History

• Ken Thompson:unix的设计编写者,首个在机器上使用regular expression 的人

• 第一个正则表示式： g/<regular expression>/p

  g:代表global (全局范围查找）
  p:代表print  (打印出来匹配的结果）

• 上面的正则表达式为了简化，写成grep (我们在linux上常用的查找命令)

• 后来Henry Spence写了一个正则表达式的库：regex,这样就可以在c/c++程序中使用
  正则表达式了。

• 接下来Larry Wall发明了支持正则表达式的Perl脚本语言，使正则表达式开始流行起来

• Perl语言对正则表达式进行了扩展，加入了自己的风格，称为Perl flavor

• 后来实现的regular expression都是Perl flavor的变种

• python中使用的是基于Perl flavor的正则

• how to leverage the standard re module in python

• 书中学习，如何利用python中标准的re 模块

正则表达式中的语法学习

语法是任何编程语言的必修课，语法说通俗点，就是规则，我们要在规定的规则内
做事情！

正则表达式中，会出现的各种规定性的内容：
* :一个或多个字符
? :一个字符 


file*.xml
file?.xml 
上面两个正则表达式中：都包含两个部分：
file  .xml部分：我们称为 literals （文字常量部分）
? * 部分： 我们称为 metacharacters (元字符部分）

• 对正则表达式定义的描述：字符串 表达式中，既包含 普通的字符串，也包含特殊的字符串，这个正则字符串，可以匹配出所有 满足metacharacters条件的 这一类字符串

例子学习：
g/a\w*/p    #同样g:global 全局查找，p:print出来

以a开头字符串，  \w* 这个就是metacharacters,   \w是对*的补充吗？只能是字母吗


g/xxx/p
g/a\w*/p   这个是非常简单的re,但包含了重要的概念

sed -n "/Music/p" a.txt  # 显示a.txt文件中包含Music这个单词的行

书中空格使用->表示 

\w是 匹配数字，字母，下划线字符 (metacharacters)

* 代表 前面描述特征字符的一个或多个重复

重要： 空格也是一般的iteral字符 （所以空格在re中，不需要转义表示）

对于正则表达式中，语法上面的问题实际上不多：分为三个部分

• g/re/p

• 第1部分：以g为代表

• 第2部分：以re部分：re这一部分又分为两部分:literal and metacharacters

• 第3部分：以p为代表

所以把上面的3个部分弄明白，正则就没有多神秘了！！！！
下面我们来各个击破！！！

下面我们首先从re部分的literal部分说起：

literal是正则中最简单的部分，只是简单的在字符串中寻找，是否有literal部分
以例子来说：
使用/fox/ 对"the quick brown fox jump over the lazy dog"字符串进行match时，
我们就可以找到一个match (因为在这句话中只有一个fox单词)

使用/be/ 对"To be or not to be ,that is a question",字符串进行match时，
我们就可以得到两个match的结果。

如果括号是metacharacters,但是我们想要对括号进行match,怎么办呢？

• 1：很容易对原来是metacharacters的字符进行转义就可以了！

• 2：在python中，使用re.escape 方法

• 3：把metacharacters,放到 Q E之间，如Q?E,这样问号就是匹配问号，不会有metacharacters的含义了。

上面的三种方法，都是做同样的事情，使metacharacters的符号 进行去metacharacters化。这样符号就能表示自己原本的意思了！

注意：第3种方法去metacharacters的方法，在pyhton中不适用

使用/\(this is inside\)/ 对"this is outside(this is inside)"字符串进行匹配时，match的结果才会是(this is inside)这个结果。
上面使用方法1对 括号进行去metacharacters化

escape:转义

在正则表达式中，有12个metacharacters 字符需要转义：(最好背着)

\   backslash
|   pipe symbol
+   plus
.   dot

^   caret
$   dollar


?   question mark
*   asterisk

() parenthesis
[] square parenthesis
{} curly parenthesis

上面的这些符号就是所谓的具有特殊意义的metacharacters

• 分个类：3对括号，? * , 美元，倒v, 点加树(.+ |)

(实用部分)对单个字符位置匹配一定范围字符的方法

1:Metacharacters 的一个表达 通常都是匹配一类情况

例如：我们如果想要找到一个 文本中 英式和美式英语中的licence 和license 单词

这里我们通过正则表达式就非常容易找出来了,两个单词就是到数第2个字母不一样
使用方括号，把上面所有情况包含起来即可，如下

g/licen[cs]e/p     

#这样就可以把文本中这两个单词都打印出来了

2:上面是最简单的情况，如果我们在单词的某一个字符位置，想匹配一定范围的字母，如下使用“-”这个符号即可搞定

举例： 想找出文本中 bag bbg bcg bdg  左边这四个单词

g/b[a-d]g/p  这样就搞定了，（所以匹配一定范围的字母或数字，使用 减号即可）

[a-z]  在某一个位置匹配全部字母
[0-9]  在某一个位置匹配全部数字 

3:如果在某一个位置既要匹配所有的字母，又要匹配所有的数字，怎么办呢？

有了上面的基础，应该知道怎么写了 :

[a-z0-9A-Z]    

注意：上面的例子只是对一个字符位置进行匹配

4：还有一种情况，也是非常有用的，比如在某一个字符位置，我们希望匹配除了0到9以外的所有其它情况

例如，我们需要匹配helloX   .其中X为非0到9的所有字符 （这个所有字符应该也是有定义的）

g/hello[^0-9]/p       

使用^符号，相当于取反的作用，
注意：上面的例子中hello后面必须有一个非数字的字符，单个hello这个单词是不会被匹配的