本章介绍python文本提取之re正则表达式，主要函数和知识点有：re.findall()，re.sub()，re.match()，re.search()，各种正则符号，打组，贪婪与非贪婪等。
为了测试正则表达式，首先生成一段假信息用于测试，不懂可以看我的faker篇。
import faker
f = faker.Faker('zh_CN')
def data_line():
name = f.name()
phone = f.phone_number()
job = f.job()
address_yb = f.address()
address = address_yb.split(' ')[0]
bm = address_yb.split(' ')[1]
data = f'姓名：{name} 电话：{phone} 工作：{job} 地址：{address} 邮政编码：{bm} '
return data
data = ''
for i in range(5):
data = data + data_line()
print(data)
图1 用fake生成的假信息
关于正则表达式需要记住的一些符号，其实也不必特意去记，反而容易忘。多用，自然就记得了。为了方便，我把意义相反或者相近的写一块，用中文“，”隔开。
符号1，符号2 符号1解释。符号2解释
[]，[^]
字符种类，提取出现在[]中的任意字符。后者相反，都不提取
[0-9a-zA-Z]，[^0-9a-zA-Z]
所有0-9a-zA-Z元素。后者相反
\d，\D
\d所有的数字（相当于[0-9]）。
\D所有的非数字（相当于[^0-9]）
\w，\W
\w中文下划线数字英文（相当于[0-9a-zA-Z_]）。\W与\w相反，特殊字符，如 $、&、空格、\n、\t等
\s，\S
\s所有空白的字符（如 \t\n\r\f\v，相当于[ \t\n\r\f\v]）。\S相反，所有非空白字符
{min,max}、{num}
{min,max}只提取符合条件的连续min-max个元素。{num}只提取符合条件的连续num个元素
[]+，\d+
都为连续匹配，前者为连续匹配[]内任意字符，后者连续匹配所有数字
'excel*'，'excel+'，'excel?'
*前面的一个字符l匹配0次或者无限次。+前面的一个字符l匹配1次或者无限次。?前面的一个字符l匹配0次或者1次
^，$
指定从开头开始符合条件的数。指定结尾是符合条件的数（与第一个的区别是它只写在''的最前面或者最后面，而第一个是写在[]里的）
re.I
忽略大小写 IGNORECASE
.
.{num}
.*
.+
.取一个元素（全部取完 每个元素分开）。
.{num}取前num位（一个）。
后二皆整体取全
(?)
()打组，组内的?表示非贪婪模式
千言万语说不清，我们用re.findall()函数来实操一下。
1. re.findall(pattern, string, flags=0)
查找全部符合pattern条件的元素。
pattern：条件表达式
string：被提取的字符串
flags：控制正则表达式的匹配方式，如是否区分大小写，多行匹配等
（1）提取任意字符[]
import re
a = re.findall('[0-9]',data)
b = re.findall('[0-9]+',data)
print('输出a：\n',a)
print('输出b：\n',b)
图2 [0-9]与[0-9]+
这里先用re.findall()函数学习上面表格的内容，先学会条件表达式，再跟着学其他函数。（提醒鼠标滑得快的朋友，data在上面有定义过）
[]表示匹配[]里任意字符，这里[0-9]表示匹配0-9（包含0和9）中任意一个字符，说任意一个，即把匹配到的字符每一个作为列表的一个元素，如输出a。当在[]外面加上+后，表示连续匹配，遇到连续的0-9数字，它会作为一个整体去输出，如输出b。
不止0-9，如果想提取其他，也可以直接写在[]中，如想提取0-9、A-Z、a-z和省字：
a = re.findall('[0-9A-Za-z省]',data)
print(a) <
