Python正则表达式概述

r囧r小猫 2022-03-30 12:58 202阅读 0赞

一、正则表达式为高级的文本模式匹配、抽取、与/或文本形式的搜索和替换功能提供了基础。简单地说，正则表达式regex是一些字符和特殊符号组成的字符串，它们描述了模式的重复或者表述多个字符，于是正则表达式能按照某种模式匹配一系列有相似特征的字符串。

二、特殊符号和字符

<table>  常见表达式符号和特殊字符  
 <tbody> 
  <tr> 
   <td>literal</td> 
   <td>匹配文本字符串的字面值literal</td> 
   <td>foo</td> 
  </tr> 
  <tr> 
   <td>re1|re2</td> 
   <td>匹配正则表达式re1或者re2</td> 
   <td>foo|bar</td> 
  </tr> 
  <tr> 
   <td>.</td> 
   <td>匹配任何字符（除了\n之外）</td> 
   <td>b.b</td> 
  </tr> 
  <tr> 
   <td>^</td> 
   <td>匹配字符串起始部分</td> 
   <td>^Dear</td> 
  </tr> 
  <tr> 
   <td>$</td> 
   <td>匹配字符串终止部分</td> 
   <td>/bin/*sh$</td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td>匹配0次或者多次前面出现的正则表达式</td> 
   <td>[A-Za-z0-9]*</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>匹配1次或者多次前面出现的正则表达式</td> 
   <td>[a-z]+\.com</td> 
  </tr> 
  <tr> 
   <td>?</td> 
   <td>匹配0次或者1次前面出现的正则表达式</td> 
   <td>goo?</td> 
  </tr> 
  <tr> 
   <td>{N}</td> 
   <td>匹配N次前面出现的正则表达式</td> 
   <td>[0-9]{3}</td> 
  </tr> 
  <tr> 
   <td>{M,N}</td> 
   <td>匹配M~N次前面出现的正则表达式</td> 
   <td>[0-9]{5,9}</td> 
  </tr> 
  <tr> 
   <td>[...]</td> 
   <td>匹配来自字符集的任意单一字符</td> 
   <td>[aeiou]</td> 
  </tr> 
  <tr> 
   <td>[..x-y..]</td> 
   <td>匹配x~y范围中的任意单一字符</td> 
   <td>[0-9],[A-Za-z]</td> 
  </tr> 
  <tr> 
   <td>[^...]</td> 
   <td>不匹配此字符集中出现的任何一个字符，包括某一范围的字符（如果在此字符集中出现）</td> 
   <td>[^aeiou],[^A-Za-z0-9]</td> 
  </tr> 
  <tr> 
   <td>(*|+|?|{})?</td> 
   <td>用于匹配上面频繁出现/重复出现符号的非贪婪版本（*, +, ?, {}）</td> 
   <td>.*?[a-z]</td> 
  </tr> 
  <tr> 
   <td>(...)</td> 
   <td>匹配封闭的正则表达式，然后另存为子组</td> 
   <td>([0-9]{3})?,f(oo|u)bar</td> 
  </tr> 
 </tbody> 
</table>

<table>  特殊字符  
 <tbody> 
  <tr> 
   <td>\d</td> 
   <td>匹配任何十进制数字，与[0-9]一致（\D和\d相反，不匹配任何非数值型的数字）</td> 
   <td>data\d+.txt</td> 
  </tr> 
  <tr> 
   <td>\w</td> 
   <td>匹配任何字母数字字符，与[A-Za-z0-9_]相同（\W与之相反）</td> 
   <td>[A-Za-z_]\w+</td> 
  </tr> 
  <tr> 
   <td>\b</td> 
   <td>匹配任何单词边界（\B与之相反）</td> 
   <td>\bThe\b</td> 
  </tr> 
  <tr> 
   <td>\N</td> 
   <td>匹配已保存的子组N</td> 
   <td>price:\16</td> 
  </tr> 
  <tr> 
   <td>\s</td> 
   <td>匹配任何空格字符，与[\n\t\r\v\f]相同（\S与之相反）</td> 
   <td>of\sthe</td> 
  </tr> 
  <tr> 
   <td>\c</td> 
   <td>逐字匹配任何特殊字符，即仅按照字面意义匹配，不匹配特殊含义</td> 
   <td>\.,\\, \*</td> 
  </tr> 
  <tr> 
   <td>\A(\Z)</td> 
   <td>匹配字符串的起始（结束）</td> 
   <td>\ADear</td> 
  </tr> 
 </tbody> 
</table>

三、正则表达式示例

1、以字符串起始或者结尾或者单词边界匹配（匹配任何以美元符号结尾的字符串，可用.\*\\$$）

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td>^From</td> 
   <td>任何以From作为起始的字符串</td> 
  </tr> 
  <tr> 
   <td>/bin/tcsh$</td> 
   <td>任何以/bin/tcsh作为结尾的字符串</td> 
  </tr> 
  <tr> 
   <td>^Subject:hi$</td> 
   <td> <p>任何由单独的字符串Subject:hi构成的字符串</p> </td> 
  </tr> 
 </tbody> 
</table>

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td>the</td> 
   <td>任何包含the的字符串</td> 
  </tr> 
  <tr> 
   <td>\bthe</td> 
   <td>任何以the开始的字符串</td> 
  </tr> 
  <tr> 
   <td>\bthe\b</td> 
   <td>仅仅匹配单词the</td> 
  </tr> 
  <tr> 
   <td>\Bthe</td> 
   <td>任何包含但并不以the作为起始的字符串</td> 
  </tr> 
 </tbody> 
</table>

2、创建字符集

<table style="width:600px;"> 
 <tbody> 
  <tr> 
   <td>b[aeiu]t</td> 
   <td>bat，bet，bit，but</td> 
  </tr> 
  <tr> 
   <td>[cr][23][dp][o2]</td> 
   <td>一个包含四个字符的字符串，第一个字符是c或者r，然后2或者3</td> 
  </tr> 
 </tbody> 
</table>

3、限定范围和否定

<table style="width:700px;"> 
 <tbody> 
  <tr> 
   <td>z.[0-9]</td> 
   <td>字母‘z’后面跟着任何一个字符，然后跟着一个数字</td> 
  </tr> 
  <tr> 
   <td>[r-u][env-y][us]</td> 
   <td>字母r、s、t或者u后面跟着envwx或者y，然后跟着u或者s</td> 
  </tr> 
  <tr> 
   <td>[^aeiou]</td> 
   <td>一个非元音字符</td> 
  </tr> 
  <tr> 
   <td>[^\t\n]</td> 
   <td>不匹配制表符或者\n</td> 
  </tr> 
  <tr> 
   <td>[“-a]</td> 
   <td>在一个ASCII系统中，所有字符都位于“”和“a”之间，即34-97</td> 
  </tr> 
 </tbody> 
</table>

4、使用闭包操作符实现存在性和频数匹配

<table> 
 <tbody> 
  <tr> 
   <td>[dn]ot?</td> 
   <td> <p>字母d或者n，后面跟着一个o，然后最多一个t，如do，no，dot，not</p> </td> 
  </tr> 
  <tr> 
   <td>0?[1-9]</td> 
   <td>任何数值数字，它可能前置一个0，例如匹配一系列数（表示从0-9月的数值），不管是一个还是两个数字</td> 
  </tr> 
  <tr> 
   <td>[0-9]{15,16}</td> 
   <td>匹配15或者16个数字，例如信用卡号码</td> 
  </tr> 
  <tr> 
   <td>&lt;/?[^&gt;+&gt;</td> 
   <td>匹配全部有效（和无效的）HTML标签</td> 
  </tr> 
  <tr> 
   <td>[KQRBNP][a-h][1-8]-[a-h][1-8]</td> 
   <td>在“长代数”标记法中，表示国际象棋合法的棋盘移动，即在KQRBNP等字母后面加上a1-h8之间的棋盘坐标，前面的坐标表示从哪里走，后面的坐标表示走到哪个位置上</td> 
  </tr> 
 </tbody> 
</table>

5、表示字符集的特殊字符

<table> 
 <tbody> 
  <tr> 
   <td>\w+-\d+</td> 
   <td>一个由字母数字组成的字符串和一串由一个连字符分割的数字</td> 
  </tr> 
  <tr> 
   <td>[A-Za-z]\w*</td> 
   <td>第一个字符是字母：其余字符可以是字母或者数字</td> 
  </tr> 
  <tr> 
   <td>\d{3}-\d{3}-\d{4}</td> 
   <td>美国电话号码的格式，前面是区号前缀，例如800-555-1212</td> 
  </tr> 
  <tr> 
   <td>\w+@\w+\.com</td> 
   <td>以XXX@YYY.com格式表示的简单电子邮件地址</td> 
  </tr> 
 </tbody> 
</table>

6、使用圆括号指定分组

<table> 
 <tbody> 
  <tr> 
   <td>\d+(\.\d*)?</td> 
   <td>表示简单浮点数的字符串，即任何十进制数字，后面可以接一个小数点和零个或者多个十进制数字，如0.004， 2， 75.</td> 
  </tr> 
  <tr> 
   <td>(Mr?s?\.)?[A-Z][a-z]*[A-Za-z-}+</td> 
   <td>姓名和姓氏，以及对名字的限制（如果有，首字母要大写后续字母要小写），全名前可以有可选的Mr. Mrs. Ms. M. 作为称谓，以及灵活可选的姓氏，可以有多个单词，横线，以及大写字母</td> 
  </tr> 
 </tbody> 
</table>

7、扩展表达式

<table> 
 <tbody> 
  <tr> 
   <td>(?:\w+\.)*</td> 
   <td>以句点作为结尾的字符串，例如google，twitter，facebook，但是这些匹配不会保存下来供后续的使用和数据检索</td> 
  </tr> 
  <tr> 
   <td>(?#comment)</td> 
   <td>此处并不做匹配，只是作为注释</td> 
  </tr> 
  <tr> 
   <td>(?=.com)</td> 
   <td>如果一个字符串后面跟着.com才做匹配操作，并不使用任何目标字符串</td> 
  </tr> 
  <tr> 
   <td>(?!.net)</td> 
   <td>如果一个字符串后面不是跟着.net才做匹配操作</td> 
  </tr> 
  <tr> 
   <td>(?&lt;=800-)</td> 
   <td>如果字符串之前为800-才做匹配，假定为电话号码，同样，并不使用任何输入字符串</td> 
  </tr> 
  <tr> 
   <td>(?&lt;!192\.168\.)</td> 
   <td>如果一个字符串之前不是192.168.才做匹配，假定用于过滤掉一组C类IP地址</td> 
  </tr> 
  <tr> 
   <td>(?(1)y|x)</td> 
   <td>如果一个匹配组1(\1)存在，就与y匹配，否则，就与x匹配。</td> 
  </tr> 
 </tbody> 
</table>