Python 正则表达式
- 前言
- 1. 正则表达式基本语法
-
- 1.1 正则表达式 *pattern* 有两种：
- 1.2 一些特殊的模式匹配字符
- 参考
前言
Python中的正则表达式与Perl中具有许多相似的模式。
在Python正则表达式模式匹配中，有一个需要注意的事项是：
- 反斜杠（\）的使用，
- 用于转义序列，如 \n ，表示两个字符”\“和”n“
- 用于特殊的含义，如 \n ，表示一个换行符
注意：为列解决上面的混淆，可以使用Python中原始字符转义语法，如 " r’\n’ "，表示与 \n 相同的含义。
正则表达式的来自于模块：import re
1. 正则表达式基本语法
1.1 正则表达式 pattern 有两种：
- 特殊字符，如 ”|“ 和 ”(“ 等，这些字符要么表示原始字符，要么表示特殊含义影响模式匹配
- 重复限定符，如 *, +, ?,{m,n} 等。
- 它们不能直接进行嵌套，例如：为了将第二次重复应用于内部重复，可以使用括号。
- 如__(?:a{6})*__，表示匹配多个6个a组成的字符。
1.2 一些特殊的模式匹配字符
| 字符 | 含义 |
|---|---|
| . | 匹配一个字符（除换行符以外的所有字符） |
| ^ | 仅匹配以特定字符串开头的模式 |
| $ | 仅匹配以特定字符串结尾的模式 |
| * | 匹配>=0个字符模式，贪婪匹配 |
| + | 匹配>=1个字符模式，贪婪匹配 |
| ? | 匹配0个或1个字符模式，贪婪匹配 |
| *? +? ?? |
在上述贪婪匹配限定符后添加 ?，表示一种非贪婪匹配 |
| {m} | 指定重复的次数。a{6} 表示匹配6个 a |
| {m,n} | 表示匹配范围 a{3,5}：表示匹配3到5个 a a{4,}b：表示至少4个 a ； a{,5}b：表示至多5个 a |
| {m,n}? | 非贪婪匹配，匹配最少的模式 匹配 ‘aaaaaa’ 的模式： a{3,5} 将返回5个 a a{3,5}? 将返回3个 a |
| \ | 1. 转义字符 2. 特殊字符 注：建议除最简单的转义序列外，使用原始字符序列 ‘r’，如 'r\n’ |
| [] | 1. 匹配其中的一个，如 [amk] 2. 可以指定一个范围，如 [a-z], [0-5][0-9] 3. 特殊限定符在 [] 中，将失去其特殊意义。如 [(+*)] ，将匹配其中的任意一个字符（ ‘(’, ‘+’, ‘*’, ‘)’） 4. 字符类依然表示其具体的范围。如 ‘[\w]’ 匹配任意字符中的一个 5. ^ 表示除指定字符外的任意一个字符。如 ‘[^5]’ 表示除 ‘5’ 以外的任意一个字符 |
| | | 表示或，如 A|B 表示要么匹配 A ， 要么匹配 B |
| (…) | 1. 匹配括号内正则表达式，并将所有匹配的内容进行分组标号（0，1，2 …） 2. 可以在执行匹配后检索子组的内容，并且以后可以在字符串中使用 \number 访问匹配的子组内容。如 re.compile(r’\b(\w+)\s+\1\b’) |
| (?..) | (? 开头的为正则表达式的扩展语法（如下所示） |
| (?:…) | 非捕获组，即该子组匹配的字符串无法从后边获取 |
| (?P<name>…) | 命名子组，通过组的名字（name）即可访问到子组匹配的字符串。其在以下三种情况下被调用 比如，正则表达式为 p = re.compile(’(?P[’"]).*?(?P=quote)’) 1. 用于正则表达式自身：(?:P=quote) 和 \1 2. 用于match对象中：m.group(‘quote’) ，m.end(‘quote’) 3. 用于re.sub()函数的 repl 参数。形式如：\g<quote> , \g<1> 和 \1 |
| (?P=name) | 后向引用已命名的匹配的子组 |
| (?#…) | 在模式匹配过程中，被忽略（不匹配）的内容 |
| (?=…) | 前向肯定断言 如果当前包含的正则表达式（这里以 … 表示）在当前位置成功匹配，则代表成功，否则失败。 一旦该部分正则表达式被匹配引擎尝试过，就不会继续进行匹配了；剩下的模式在此断言开始的地方继续尝试。 如：Isaac (?=Asimov) 仅当匹配 “Asimov” 时，匹配字符串 “lsaac” |
| (?!..) | 前向否定断言 与前向肯定断言相反（不匹配则表示成功，匹配表示失败） 如：Isaac (?!Asimov) 表示仅当不匹配 “Asimov” 时，匹配字符串 “lsaac” |
| (?<=…) | 后向肯定断言 注意：正则表达式（以…表示）必须有固定的长度，这意味着允许使用abc或 a|b，但不允许使用a*和a {3,4} 使用 search() 函数而不是 match() 函数，以遍历所有可能的匹配项 import re m = re.search(’(?<=abc)def’, ‘dfadabcdefjllkjl’) m.group(0) Out: ‘def’ m = re.search(r’(?<=-)\w+’, ‘spam-egg’) |
| (?<!..) | 后向否定断言 |
| (?(id/name)yes-pattern|no-pattern) | 1. 如果子组的序号或名字存在的话，则尝试 yes-pattern 匹配模式；否则尝试 no-pattern 匹配模式 2. no-pattern 是可选的 如：(<)?(\w+@\w+(?:.\w+)+)(?(1)>|$) 是一个匹配邮件格式的正则表达式，可以匹配 <user@host.com> 和 user@fishc.com，但是不会匹配 <user@fishc.com 或 user@fishc.com> |
| \number | 匹配子组，序号从 1 开始 |
| \A | 匹配输入字符串的开始位置（一句话的开始） |
| \Z | 匹配输入字符串的结束位置（一句话的结尾） |
| \b | 匹配单词的边界，以一个字符开始或结束的单词 |
| \B | 匹配单词的边界，不以一个字符开始或结束的单词 |
| \d | 匹配 [0-9] 数字中的一个数字 |
| \D | 匹配 [^0-9] (除0-9以外)的任意一个字符 |
| \s | 匹配 空白 字符，包括 [ \t\n\r\f\v] 中的任意一个（空格，换行符，制表符…）字符 |
| \S | 匹配 非空白 字符，包括 [^ \t\n\r\f\v] （除空格，换行符，制表符…以外 ）的任意一个字符 |
| \w | 匹配 [a-zA-Z0-9_] 中任意一个字符 |
| \W | 匹配 [^a-zA-Z0-9_] （除 a-zA-Z0-9_ 以外）中任意一个字符 |
参考
https://docs.python.org/3.8/library/re.html#module-re