向前向后查找
import re
key = r'<html><body><h1>hello world<h1></body></html>'#这段是你要匹配的文本
#上面的一句也可以利用以下的实现，因为我们一般处理数据都是对文件进行操作的
#with open('/Users/Mr.Long/Desktop/data.txt', 'r') as f:
# key = f.read()
p1 = r"(?<=<h1>).+?(?=<h1>)"#这是我们写的正则表达式规则，你现在可以不理解啥意思
pattern1 = re.compile(p1)#我们在编译这段正则表达式matcher1 = re.search(pattern1,key)#在源文本中搜索符合正则表达式的部分print (matcher1.group(0))
这其中的正则表达式就是
p1 = r"(?<=<h1>).+?(?=<h1>)"
其中?<=是向前匹配符，就该语句分析，你所要匹配的字符串必须以<h1>开头；同理，?=为向后匹配符，所匹配的语句必须以<h1>为结尾，否则在打印的那一条语句处会报错。
在此处顺便一提re.compile
这是面向对象用法：编译后多次操作
先使用compile()编译成正则表达式，之后再调用search、match、findall、split、sub、finditer方法。
没经过compile的字符串只是正则表达式的一种表现形式，经过compile后的才是正则表达式。
优点：一次编译可以多次使用该正则表达式进行匹配。
pat = compile(pattern,flags=0)
作用：
将一个正则表达式编译成一个正则表达式对象。
参数说明：
pattern：正则表达式字符串或原生字符串；
flags：正则表达式使用时的控制标记；
re库的match对象
re的search()、match()、finditer()返回的是一个match对象，search、match只返回匹配到的第一个字符串，需要返回全部匹配的字符串使用finditer，for循环全部打印出来。
match对象是：一次匹配的结果，它包含了很多匹配的相关信息。
match对象的属性
• .string 待匹配的的文本
• .re 匹配时使用的pattern对象（正则表达式）
• .pos 正则表达是搜索文本的开始位置
• .endpos 正则表达式搜索文本的结束位置
承接上面的代码：
matcher1.string
Out[52]: '<html><body><h1>hello world<h1></body></html>'
matcher1.re
Out[53]: re.compile(r'(?<=<h1>).+?(?=<h1>)', re.UNICODE)
matcher1.pos
Out[54]: 0
matcher1.endpos
Out[55]: 45
match对象的方法
• .group(0) 获得匹配后的字符串
• .start() 匹配字符串在原字符串的开始位置
• .end() 匹配字符串在原字符串的结束位置
• .span() 返回（.start(),.end()）元组结构
matcher1.start()
Out[57]: 16
matcher1.end()
Out[58]: 27
matcher1.span()
Out[59]: (16, 27)
matcher1.group(0)
Out[60]: 'hello world'
回溯引用
回溯引用是正则表达式内的一个“动态”的正则表达式，让你根据实际的情况变化进行匹配。
说白了，就是一个根据你的需要，动态变化的表达式。
举个栗子：
你原本要匹配<h1></h1>之间的内容，现在你知道HTML有多级标题，你想把每一级的标题内容都提取出来。你也许会这样写：
p = r"<h[1-6]>.*?</h[1-6]>"
这样一来，你就可以将HTML页面内所有的标题内容全部匹配出来。即<h1></h1>到<h6></h6>的内容都可以被提取出来。但是我们之前说过，写正则表达式困难的不是匹配到想要的内容，而是尽可能的不匹配到不想要的内容。在这个例子中，很有可能你就会被下面这样的用例玩坏。
比方说
<h1>hello world</h3>
发现后面的</h3>了吗？我们不管是怎么写出来这样的标题的，但实实在在的是我们的正则表达式同样会把这里面的hello world匹配出来。这时候就是回溯引用的重要作用。下面就是一个示例：
import re
key = r"<h1>hello world</h3>"
p1 = r"<h([1-6])>.*?</h\1>"
pattern1 = re.compile(p1)
m1 = re.search(pattern1,key)
print m1.group(0)#这里是会报错的，因为匹配不到，你如果将源字符串改成</h1>
#结尾就能看出效果
看到\1了吗？原本那个位置应该是[1-6]，但是我们写的是\1，我们之前说过，转义符\干的活就是把特殊的字符转成一般的字符，把一般的字符转成特殊字符。普普通通的数字1被转移成什么了呢？在这里1表示第一个子表达式，也就是说，它是动态的，是随着前面第一个子表达式的匹配到的东西而变化的。比方说前面的子表达式内是[1-6]，在实际字符串中找到了1，那么后面的\1就是1，如果前面的子表达式在实际字符串中找到了2，那么后面的\1就是2。
类似的，\2,\3,....就代表第二个第三个子表达式。
所以回溯引用是正则表达式内的一个“动态”的正则表达式，让你根据实际的情况变化进行匹配。
