为什么要学习正则表达式

因为爬虫需要！！！
一般来说爬虫需要四个主要步骤：

明确目标 (要知道你准备在哪个范围或者网站去搜索)
爬 (将所有的网站的内容全部爬下来)
取 (去掉对我们没用处的数据)
处理数据（按照我们想要的方式存储和使用）

一般情况我们拉取的网页数据庞大并且很混乱，其中很大一部分东西是我们不关心的，因此我们需要将其按要求过滤和匹配出来。
那么对于文本的过滤和指定规则的匹配，最强大的就是正则表达式，可以说正则表达式是Python爬虫世界里必不可少的神兵利器。

什么是正则表达式

        正则表达式，又称规则表达式，通常被用来检索、替换那些符合某个模式（规则）的文本。
正则表达式是处理字符串的强大工具，它有自己特定的语法结构，有了它，实现字符串的检索、替
换、匹配验证都不在话下。
        对于爬虫来说，有了正则表达式，再从 HTML 里提取想要的信息就非常方便了。
        给定一个正则表达式和目标字符串，我们可以达到如下的目的：

目标字符串是否符合正则表达式的过滤逻辑（“匹配”）；
通过正则表达式，从目标字符串中获取我们想要的特定部分（“过滤”）。

        正则表达式匹配能力非常的强大且实用，同时相对应的匹配规则也非常的丰富，要想学好用好正则表达式光靠看和记是不行的，最好的方法就是想办法去使用它，在使用的过程中强化对匹配规则的理解。

前面说了很多的概念，同学们对正则表达式到底是个什么，可能还是比较模糊，下面霸夫老师就用实例来带大家看一下正则表达式的用法。
        这里需要用到一个工具，地址是:http://tool.oschina.net/regex/ ​​​​http://tool.oschina.net/regex/，打开页面，输入待匹配的文本，然后选择常用的正则表达式，就可以得出相应的匹配结果了。
例如，这里输入待匹配的文本如下：
这段字符串中包含了一个电话号码和一个电子邮件，接下来就尝试用正则表达式提取出来，如下图所示：

同学们，晚上好, 欢迎来到拉拉老师的课堂，拉拉老师的电话是: 0000-88888888; email是:
888@666.com; 个人主页: http://www.happy.com.

 

        在网页右侧选择 “匹配网站地址URL”，就可以看到下方出现了文本中的 网址。如果选择 “Email”，就可以看到下方出现了文本中的 Email地址，是不是有点神奇。
        其实，这里就是用到了正则表达式匹配，也就是用一定的规则将特定的文本提取出来。比如，电子邮件开头是一段字符串，然后是一个 @符号，最后是某个域名，这是有特定的组成格式的。另外，对于URL，开头是协议类型，然后是冒号加双斜线，最后是域名加路径。
        对于 URL 来说，可以用下面的正则表达式匹配：

[a-zA-z]+://[^\s]*

        用这个正则表达式去匹配一个字符串，如果这个字符串中包含类似 URL 的文本，那就会被提取出来。
        这个正则表达式看上去是乱糟糟的一团，其实不然，这里面都是有特定的语法规则的。比如，a-z 代表匹配任意的小写字母，\\s 表示匹配任意的空白字符，: 就代表匹配前面的字符任意多个，这一长串的正则表达式就是这么多匹配规则的组合。
        写好正则表达式后，就可以拿它去一个长字符串里匹配查找了。不论这个字符串里面有什么，只要符合我们写的规则，统统可以找出来。对于网页来说，如果想找出网页源代码里有多少URL，用匹配 URL的正则表达式去匹配即可。

        上面我们列举了几个匹配规则，下表列出了一些较为常用的匹配语法规则。

常用的正则表达式匹配规则

        看完了之后，有没有点晕晕的吧。很正常，不过不用担心，后面我们会详细讲解一些常见规则的用法。
        其实正则表达式不是 Python 独有的，它也可以用在其他编程语言中。但是 Python 的 re 库提供了整个正则表达式的实现，利用这个库，可以在 Python 中使用正则表达式。在 Python 中写正则表达式几乎都用这个库，下面就来了解它的一些常用方法。

正则表达式Python模块

        在 Python 中，我们可以使用其内置的 re 模块来使用正则表达式，下面我来学习一下 re 模块里面一些实用的方法 。

match()

        这里首先介绍第一个常用的匹配方法 —— match() ，向它传入要匹配的字符串以及正则表达式，就可以检测这个正则表达式是否匹配字符串。
        match() 方法会尝试从字符串的起始位置匹配正则表达式，如果匹配，就返回匹配成功的结果；如果不匹配，就返回 None 。示例如下：

import re
content = 'Hi 123 4567 拉拉老师 一起来学习正则 match Demo'
print(len(content))
result = re.match(r'^Hi\s\d\d\d\s\d{4}\s\w{4}', content)
print(result)
print(result.group())
print(result.span())

运行结果如下:

35
<re.Match object; span=(0, 16), match='Hi 123 4567 拉拉老师'>
Hi 123 4567 拉拉老师
(0, 16)

这里首先声明了一个字符串，其中包含英文字母、空白字符、数字等。接下来，我们写一个正则表达

^Hi\s\d\d\d\s\d{4}\s\w{4}

        用它来匹配这个长字符串。开头的 ^ 是匹配字符串的开头，也就是以 Hi 开头;然后 八\s 匹配空白字符，用来匹配目标字符串的空格;\d 匹配数字，3 个\d 匹配 123;然后再写1个\s 匹配空格;后面还有 4567，我们其实可以依然用4个\d 来匹配，但是这么写比较烦琐，所以后面可以跟 {4}以代表匹配前面的规则 4次，也就是匹配4个数字;然后后面再紧接1个空白字符，最后\w{4} 匹配4个字母及下划线。我们注意到，这里其实并没有把目标字符串匹配完，不过这样依然可以进行匹配，只不过匹配结果短一点而已。
        而在 match()方法中，第一个参数传入了正则表达式，第二个参数传入了要匹配的字符串。

        打印输出结果，可以看到结果是 re.Match 对象，这证明成功匹配。该对象有两个方法:group()方法可以输出匹配到的内容，结果是 Hi 123 4567 拉拉老师 ，这恰好是正则表达式规则所匹配的内容;span()方法可以输出匹配的范围，结果是(0，16)，这就是四配到的结果字符串在原字符串中的位置范围。
        通过上面的例子，我们基本了解了如何在 Python 中使用正则表达式来匹配一段文本字符串。

匹配目标

        刚才我们用 match() 方法可以得到匹配到的字符串内容，但是如果想从字符串中提取一部分内容，
该怎么办呢？
        比如如何从文本 “同学们，晚上好, 晚上好, 欢迎来到拉拉老师的课堂，拉拉老师的电话是: 0000-88888888; email是:888@666.com; 个人主页: http://www.happy.com.” 中提取出邮件或电话号码等内容呢？
        这里可以使用 () 括号将想提取的子字符串括起来。 () 实际上标记了一个子表达式的开始和结束位置，被标记的每个子表达式会依次对应每一个分组，调用 group() 方法传入分组的索引即可获取提取的结果。示例如下：

import re

content = 'Hi 1234567 拉拉老师 一起来学习正则 match Demo'
result = re.match(r'^Hi\s(\d+)\s拉拉老师', content)

if result:
    print(result.group())  # 打印整个匹配的字符串
    print(result.group(1)) # 打印第一个捕获组中的内容
    print(result.span())   # 打印匹配的位置
else:
    print("No match found")

        可以看到，我们成功得到了 1234567。这里用的是 group(1)，它与 group()有所不同，后者会输出完整的匹配结果，而前者会输出第一个被()包围的匹配结果。假如正则表达式后面还有()包括的内容，那么可以依次用 group(2)、group(3)等来获取。

通用匹配

        刚才我们写的正则表达式其实比较繁琐，出现空白字符我们就写 \s 匹配，出现数字我们就用 \d 匹配，这样的工作量非常大。其实完全没必要这么做，因为还有一个万能匹配可以用，那就是 .* （点星）。其中 . （点）可以匹配任意字符（除换行符）， * （星）代表匹配前面的字符无限次，所以它们组合在一起就可以匹配任意字符了。有了它，我们就不用挨个字符地匹配了。
        接着上面的例子，我们可以改写一下正则表达式：

import re
content = 'Hi 1234567 拉拉老师 一起来学习正则 match Demo'
result = re.match('^Hi.*Demo$', content)
print(result)
print(result.group())
print(result.span())

这里我们将中间部分直接省略，全部用.*来代替，最后加一个结尾字符串就好了。运行结果如下:

        可以看到，group()方法输出了匹配的全部字符串，也就是说我们写的正则表达式匹配到了目标字符串的全部内容;span()方法输出(0，35)，这是整个字符串的长度。

        因此，我们可以使用.*简化正则表达式的书写。

贪婪与非贪婪

在使用上面的通用匹配 .* 时，需要注意一点，可能有时候匹配到的并不是我们想要的结果。
来看示例：

import re
content = 'Hi 1234567 拉拉老师 一起来学习正则 match Demo'
result = re.match('^Hi.*(\d+).*Demo$', content)
print(result)
print(result.group(1))

        这里我们依然想获取中间的数字，所以中间依然写的是(\d+)。而数字两侧由于内容比较杂乱，所以想省略来写，都写成 .*。最后，组成 Hi.*(\d+).*Demos，看样子并没有什么问题。我们看下运行结果:

        奇怪的事情发生了，我们只得到了7这个数字，这是怎么回事呢?
        这里就涉及一个贪婪匹配与非贪婪匹配的问题了。在贪婪匹配下，.。会匹配尽可能多的字符。正则表达式中.”后面是d+，也就是至少一个数字，并没有指定具体多少个数字，因此，.。就尽可能匹配多的字符，这里就把 123456 匹配了，给d+ 留下一个可满足条件的数字 7，最后得到的内容就只有数字7了。
        但这很明显会给我们带来很大的不便，有时候，四配结果会莫名其妙少了一部分内容。其实，这里只需要使用非贪婪匹配就好了。非贪婪匹配的写法是.*?，多了一个 ?，那么它可以达到怎样的效果?我们再用实例看一下:

import re
content = 'Hi 1234567 拉拉老师 一起来学习正则 match Demo'
result = re.match('^Hi.*?(\d+).*Demo$', content)
print(result)
print(result.group(1))

这里我们只是将第一个.”改成了.*?，转变为非贪婪匹配。结果如下!

        此时就可以成功获取 1234567 了。原因可想而知，贪婪匹配是尽可能匹配多的字符，非贪婪匹配就是尽可能匹配少的字符。当.*?四配到 Hi 后面的空白字符时，再往后的字符就是数字了，而\d+ 恰好可以匹配，那么这里.*?就不再进行匹配，交给\d+去匹配后面的数字。所以这样.*?匹配了尽可能少的字符，\d+ 的结果就是 1234567了。
        所以说，在做匹配的时候，字符串中间尽量使用非贪婪匹配，也就是用.?来代替.，以免出现匹配结果缺失的情况。
        但这里需要注意，如果匹配的结果在字符串结尾，."?就有可能匹配不到任何内容了，因为它会匹配尽可能少的字符。例如:

import re
content = 'http://weibo.com/comment/youbage'

result1 = re.match('http.*?comment/(.*?)', content)
result2 = re.match('http.*?comment/(.*)', content)

print('result1:', result1.group(1))
print('result2:', result2.group(1))

        可以观察到，.*?没有匹配到任何结果，而.则尽量匹配多的内容，成功得到了匹配结果，所以这里使用贪婪匹配

修饰符

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。我们
用实例来看一下：

import re

content = """Hi 1234567 拉拉老师
一起来学习正则 match Demo
"""

result = re.match('^Hi.*?(\d+).*?Demo$', content)

print(result.group(1))

和上面的例子相仿，我们在字符串中加了换行符，正则表达式还是一样的，用来匹配其中的数字。看一下运行结果: 

运行直接报错，也就是说正则表达式没有匹配到这个字符串，返回结果为 None，而我们又调用了group()方法导致 AttributeError 。
那么，为什么加了一个换行符，就匹配不到了呢?这是因为 ，四配的是除换行符之外的任意字符，当遇到换行符时，.*?就不能匹配了，所以导致匹配失败。这里只需加一个修饰符 re.s，即可修正这个错误:

result = re.match('^Hi.*?(\d+).*?Demo$', content, re.S)

这个修饰符的作用是使. 匹配包括换行符在内的所有字符。此时运行结果如下:

1234567

这个 re.s 在网页匹配中经常用到。因为 HTML 节点经常会有换行，加上它，就可以匹配节点与节点之间的换行了。
另外，还有一些修饰符，在必要的情况下也可以使用，如下表所示:

在网页匹配中，较为常用的有 re.S 和 re.I 。

import re
content = '(拉拉)www.buff.com'
result = re.match('\(拉拉\)www\.buff\.com', content)
print(result)

转义匹配

        我们知道正则表达式定义了许多匹配模式，如 . 匹配除换行符以外的任意字符，但是如果目标字符串里面就包含 . ，那该怎么办呢？
这里就需要用到转义匹配了，示例如下：

<re.Match object; span=(0, 16), match='(拉拉)www.buff.com'>

可以看到，这里成功匹配到了原字符串。
这些是写正则表达式常用的几个知识点，熟练掌握它们对后面写正则表达式匹配非常有帮助。

search()

        前面提到过， match() 方法是从字符串的开头开始匹配的，一旦开头不匹配，那么整个匹配就失败
了。我们看下面的例子：

import re
content = '加点头头 Hi 1234567 拉拉老师 一起来学习正则 search Demo 接点尾巴'
result = re.match('Hi.*?(\d+).*?Demo', content)
print(result)

       这里的字符串以 加点头头 开头，但是正则表达式以 Hi 开头，整个正则表达式是字符串的一部分，但是这样匹配是失败的。运行结果如下:

None

        因为 match()方法在使用时需要考虑到开头的内容，这在做匹配时并不方便。它更适合用来检测某个字符串是否符合某个正则表达式的规则。
        这里就有另外一个方法 search()，它在匹配时会扫描整个字符串，然后返回第一个成功匹配的结果。也就是说，正则表达式可以是字符串的一部分，在匹配时，search()方法会依次扫描字符串，直到找到第一个符合规则的字符串，然后返回匹配内容，如果搜索完了还没有找到，就返回 None。
        我们把上面代码中的 match()方法修改成 search()。

import re
content = '加点头头 Hi 1234567 拉拉老师 一起来学习正则 search Demo 接点尾巴'
result = re.search('Hi.*?(\d+).*?Demo', content)
print(result)
print(result[1])

再看下运行结果:

<re.Match object; span=(5, 40), match='Hi 1234567 拉拉老师 一起来学习正则 search
Demo'>
1234567

这时就得到了匹配结果。
因此，为了匹配方便，我们可以尽量使用 search()方法。下面再用几个实例来看看 search()方法的用法。首先，这里有一段待匹配的 HTML 文本，接下来写几个正则表达式实例来实现相应信息的提取:

html = '''<div id="songs-list">
    <h2 class="title">经典老歌</h2>
    <p class="introduction">
        经典老歌列表
    </p>
    <ul id="list" class="list-group">
        <li data-view="2">一路上有你</li>
        <li data-view="7">
            <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>
        <li data-view="4" class="active">
            <a href="/3.mp3" singer="齐秦">往事随风</a>
        </li>
        <li data-view="6"><a href="/4.mp3" singer="beyond">光辉岁月</a></li>
        <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
        <li data-view="5">
            <a href="/6.mp3" singer="邓丽君"><i class="fa fa-user"></i>但愿人长久</a>
        </li>
    </ul>
</div>'''

        可以观察到，u1 节点里有许多 1ì 节点，其中 1ì 节点中有的包含 a 节点，有的不包含 a 节点a 节点还有一些相应的属性 -- 超链接和歌手名。
        首先，我们尝试提取 class 为 active 的 1i 节点内部的超链接包含的歌手名和歌名，此时需要提取第三个 1i 节点下 a 节点的 singer 属性和文本。
        此时正则表达式可以以 1i开头，然后寻找一个标志符 active，中间的部分可以用.*?来匹配。接下来，要提取 singer 这个属性值，所以还需要写入 singer="(.*?)"，这里需要提取的部分用小括号括起来，以便用 group()方法提取出来，它的两侧边界是双引号。然后还需要匹配 a 节点的文本，其中它的左边界是>，右边界是 </a>。然后目标内容依然用(.*?)来匹配，所以最后的正则表达式就变成

<li.*?active.*?singer="(.*?)">(.*?)</a>

然后再调用 search()方法，它会搜索整个 HTML 文本，找到符合正则表达式的第一个内容返回。另外，由于代码有换行，所以这里第三个参数需要传入 re.s。整个匹配代码如下:

result = re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>', html, re.S)
if result:
    print(result.group(1), result.group(2))

 

由于需要获取的歌手和歌名都已经用小括号包围，所以可以用 group()方法获取。

运行结果如下:

齐秦 往事随风

可以看到，这正是 class 为 active 的 1i 节点内部的超链接包含的歌手名和歌名

result = re.search('<li.*?singer="(.*?)">(.*?)</a>', html, re.S)
if result:
print(result.group(1), result.group(2))

由于 search() 方法会返回第一个符合条件的匹配目标，这里结果就变了

任贤齐 沧海一声笑

        把 active 标签去掉后，从字符串开头开始搜索，此时符合条件的节点就变成了第二个 1i 节点，后面的就不再四配，所以运行结果就变成第二个1i节点中的内容。
        注意，在上面的两次匹配中，search()方法的第三个参数都加了 re.s，这使得.*?可以匹配换行，所以含有换行的 1i节点被四配到了。如果我们将其去掉，结果会是什么?代码如下:

result = re.search('<li.*?singer="(.*?)">(.*?)</a>', html)
if result:
print(result.group(1), result.group(2))

运行结果如下：

beyond 光辉岁月

        可以看到，结果变成了第四个 1ì 节点的内容。这是因为第二个和第三个 1i 节点都包含了换行符去掉 re.s 之后，.*?已经不能匹配换行符，所以正则表达式不会四配到第二个和第三个 ì 节点，而第四个 1i节点中不包含换行符，所以成功匹配。
        由于绝大部分的 HTML 文本都包含了换行符，所以尽量都需要加上 re.s 修饰符，以免出现匹配不到的问题。

findall()

        前面我们介绍了 search()方法的用法，它可以返回匹配正则表达式的第一个内容，但是如果想要获取匹配正则表达式的所有内容，那该怎么办呢?这时就要借助 finda11()方法了。该方法会搜索整个字符串，然后返回匹配正则表达式的所有内容。
        还是上面的 HTML 文本，如果想获取所有 a 节点的超链接、歌手和歌名，就可以将 search()方法换成 finda11()方法。如果有返回结果的话，就是列表类型，所以需要遍历一下来依次获取每组内容。代码如下:

results = re.findall('<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>', html, re.S)
print(results)
print(type(results))
for result in results:
print(result)
print(result[0], result[1], result[2])

运行结果如下：

        可以看到，返回的列表中的每个元素都是元组类型，我们用对应的索引依次取出即可。

        如果只是获取第一个内容，可以用 search()方法。当需要提取多个内容时，可以用 finda11()方法

sub()

        除了使用正则表达式提取信息外，有时候还需要借助它来修改文本。比如，想要把一串文本中的所有数字都去掉，如果只用字符串的 rep1ace()方法，那就太烦琐了，这时可以借助 sub()方法。示例如

import re
content = '54ff54sdfa5odfe324fd454ix5L2g'
content = re.sub('\d+', '', content)
print(content)

运行结果如下：

ffsdfaodfefdixLg

        这里只需要给第一个参数传入\d+ 来匹配所有的数字，第二个参数为替换成的字符串(如果去掉该参数的话，可以赋值为空)，第三个参数是原字符串。
        在上面的 HTML 文本中，如果想获取所有 1ì节点的歌名，直接用正则表达式来提取可能比较烦琐。比如，可以写成这样子:

import re
html = '''<div id="songs-list">
    <h2 class="title">经典老歌</h2>
    <p class="introduction">
        经典老歌列表
    </p>
    <ul id="list" class="list-group">
        <li data-view="2">一路上有你</li>
        <li data-view="7">
            <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>
        <li data-view="4" class="active">
            <a href="/3.mp3" singer="齐秦">往事随风</a>
        </li>
        <li data-view="6"><a href="/4.mp3" singer="beyond">光辉岁月</a></li>
        <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
        <li data-view="5">
            <a href="/6.mp3" singer="邓丽君"><i class="fa fa-user"></i>但愿人长久</a>
        </li>
    </ul>
</div>'''
results = re.findall('<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>', html, re.S)
for result in results:
    print(result[1])

运行结果如下：

一路上有你
沧海一声笑
往事随风
光辉岁月
记事本
但愿人长久

此时借助 sub()方法就比较简单了。可以先用 sub()方法将 a 节点去掉，只留下文本，然后再利用 finda11()提取就好了:

html = re.sub('<a.*?>|</a>', '', html)
print(html)
results = re.findall('<li.*?>(.*?)</li>', html, re.S)
for result in results:
print(result.strip())

运行结果如下：

<div id="songs-list">
        <h2 class="title">经典老歌</h2>
        <p class="introduction">
                经典老歌列表

        </p>
        <ul id="list" class="list-group">
                <li data-view="2">一路上有你</li>
                <li data-view="7">
                        沧海一声笑
                </li>
                <li data-view="4" class="active">
                        往事随风
                </li>
                <li data-view="6">光辉岁月</li>
                <li data-view="5">记事本</li>
                <li data-view="5">
                        但愿人长久
                </li>
        </ul>
</div>
一路上有你
沧海一声笑
往事随风
光辉岁月
记事本
但愿人长久

        可以看到，a 节点经过 sub()方法处理后就没有了，然后再通过 finda11()方法直接提取即可。
可以看到，在适当的时候，借助 sub()方法可以起到事半功倍的效果。

compile()

        前面所讲的方法都是用来处理字符串的方法，最后再介绍一下 compi1e()方法，这个方法可以将正则字符串编译成正则表达式对象，以便在后面的匹配中复用。示例代码如下:

import re
content1 = '2022-02-14 00:00'
content2 = '2022-02-28 12:55'
content3 = '2022-03-01 13:21'
pattern = re.compile('\d{2}:\d{2}')
result1 = re.sub(pattern, '', content1)
result2 = re.sub(pattern, '', content2)
result3 = re.sub(pattern, '', content3)
print(result1, result2, result3)

        例如，这里有3个日期，我们想分别将3个日期中的时间去掉，这时可以借助 sub()方法。该方法的第一个参数是正则表达式，但是这里没有必要重复写3个同样的正则表达式，此时可以借助 compi1e()方法将正则表达式编译成一个正则表达式对象，以便复用。
运行结果如下:

2022-02-142022-02-282022-03-01

        另外，compi1e()还可以传入修饰符，例如 re.s 等修饰符，这样在 search()、finda11()等方法中就不需要额外传了。所以，compi1e()方法可以说是给正则表达式做了一层封装，以便我们更好地复用。

匹配中文

        一些情况下，我们想匹配文本中的汉字，有一点需要注意，中文的 unicode 编码范围 主要在 [u4e00-u9fa5]，这里说主要是因为这个范围并不完整，比如没有包括全角（中文）标点，不过，在大部分情况下，应该是够用的。假设现在想把字符串 title = u’你好，hello，世界’ 中的中文提取出来，可以这么做：

import re
title = '你好，hello，世界'
pattern = re.compile(r'[\u4e00-\u9fa5]+')
result = pattern.findall(title)
print (result)

注意到，我们在正则表达式前面加上了两个前缀 r 和 u，其中 r 表示使用原始字符串，u 表示是unicode 字符串。
执行结果:

['你好', '世界']

        到此为止，正则表达式的基本用法就介绍完了，后面的爬虫课程会继续通过具体的实例来讲解正则表达式的用法。

课程总结

        作为爬虫的第一堂课，我们学习了爬虫世界里的神兵利器- 正则表达式，了解了什么是正则表达式通过示例看到了正则表达式的强大和方便，并继续学习了Python的正则表达式 re 模块，学习如何去匹配检索目标字符串中我们想要的信息，正则表达式的强大能够在爬虫中充分体现出来，但它的威力也不仅仅局限于爬虫世界中，在字符串处理的时候，灵活运用正则表达式，很多时候会有事半功倍的效果。

课后练习

编程题：
从下面字符串中找出所有的编程语言。
1Python2C3Java4C++5C#6VisualBasic7JavaScript8Assemblylanguage9SQL12PHP13ClassicVisualBasic14Groovy15Ruby10Swift11R18Perl16Delphi/ObjectPascal19Go17Fortran20MATLAB22(Visual)FoxPro21SAS25Prolog24Scratch23COBOL32Lua28PL/SQL29ObjectiveC27Rust31Lisp37Dart30Ada26Kotlin38D33Scala35Julia39ABAP40PowerShell46Haskell43LadderLogic34VBScript47LabVIEW41TypeScript45Apex36Logo42RPG44ML48Awk49Verilog50Tcl

附：正则表达式匹配规则