Contents
11.1. 正则表达式¶
正则表达式测试和生成工具
https://www.toolnb.com/tools/regex.html
11.1.1. 正则表达式语法¶
正则表达式查询表¶
行定位符¶
字母、数字、汉字、下划线、以及没有特殊定义的符号，都是“普通字符”。正则表达式中的普通字符，在匹配的时候，只匹配与自身相同的一个字符。
例如：表达式c，在匹配字符串abcde时，匹配结果是：成功；匹配到的内容是c；匹配到的位置开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）
^tm #匹配tm开头的字符
tm$ #匹配tm结尾的字符
tm #匹配子串出现在字符串的任意部分
元字符¶
表达式 |
匹配 |
|---|---|
|
小数点可以匹配除了换行符n以外的任意一个字符 |
|
逻辑或操作符 |
|
匹配字符集中的一个字符 |
|
对字符集求反，也就是上面的反操作。尖号必须在方括号里的最前面 |
|
定义[]里的一个字符区间，例如[a-z] |
|
对紧跟其后的一个字符进行转义 |
|
对表达式进行分组，将圆括号内的内容当做一个整体，并获得匹配的值 |
例如：
a.c匹配abc
(a|b)c匹配ac与bc
[abc]1匹配a1或者b1或者c1
使用方括号[]包含一系列字符，能够匹配其中任意一个字符。用[^]包含一系列字符，则能够匹配其中字符之外的任意一个字符。
[ab5@]匹配a或b或5或@
[^abc]匹配a,b,c之外的任意一个字符
[f-k]匹配f~k 之间的任意一个字母
[^A-F0-3]匹配A~F以及0~3之外的任意一个字符
限定符¶
使用()匹配任意数量的字母或数字，如果要匹配特定数量的数字，匹配8位QQ号可以使用如下表达式
^\d{8}$
字符类匹配¶
表达式 |
匹配 |
|---|---|
|
匹配任何一个英文元音字母 |
|
匹配标点符号“.”、“？”、“！” |
|
与d完全一致 |
|
与w类似 |
|
匹配字符串中任意一个汉字 |
|
匹配字符串中连续多个汉字 |
|
匹配一个不是字母的字符 排除字符 |
选择字符¶
包含着条件选择的逻辑，需要使用选择字符(|)来实现。该字符可以理解为“或”
(^\d{15}$)|(^\d{18}$)|(^\d{17})(\d|X|x)$
匹配15位数字或者18位数字、或者17位数字和最后一位，最后一位可以是X或者是x
转义字符¶
表达式 |
匹配 |
|---|---|
|
匹配回车和换行符 |
|
匹配制表符 |
|
匹配斜杠\ |
|
匹配^符号 |
|
匹配$符号 |
|
匹配小数点. |
分组¶
小括号的作用
①改变限定符的作用范围，如“|”、“*”、“^”
(six|four)th
表示匹配sixth或者fourth。
②分组，子表达式
(\.[0-9]{1..3}{3}) #对(\.[0-9]{1..3})进行重复操作
预定义匹配字符集¶
表达式 匹配
\d 任意一个数字，0~9 中的任意一个
\w 任意一个字母或数字或下划线，也就是 A~Z,a~z,0~9,_ 中的任意一个
\s 空格、制表符、换页符等空白字符的其中任意一个
\D \d的反集，也就是非数字的任意一个字符，等同于[^\d]
\W \w的反集，也就是[^\w]
\S \s的反集，也就是[^\s]
例如表达式\d\d，在匹配abc123时，匹配的结果是：成功；匹配到的内容是12；匹配到的位置开始于3，结束于5。
更多字符集匹配的详细内容可以参考 正则表达式速查表 常用的正则表达式 python正则表达式操作指南
重复匹配¶
表达式 匹配
{n} 表达式重复n次，比如\d{2}相当于\d\d,a{3}相当于aaa
{m,n} 表达式至少重复m次，最多重复n次。比如ab{1,3}可以匹配ab或abb或abbb
{m,} 表达式至少重复m次，比如\w\d{2,}可以匹配a12,_1111,M123等等
? 匹配表达式0次或者1次，相当于{0,1}，比如a[cd]?可以匹配a,ac,ad
+ 表达式至少出现1次，相当于{1,}，比如a+b可以匹配ab,aab,aaab等等
* 表达式出现0次到任意次，相当于{0,}，比如\^*b可以匹配b,^^^b等等
其中有些例子一定要注意！比如ab{1,3}中重复的是b而不是ab，(ab){1,3}这样重复的才是ab。表达式\^*b中重复的是\^而不是^，要从左往右读正则表达式，转义符号有更高的优先级，需要和后面的字符整体认读。
表达式\d+\.?\d*在匹配It costs $12.5时，匹配的结果是：成功；匹配到的内容是12.5；匹配到的位置开始于10，结束于14。
表达式go{2,8}gle在匹配Ads by goooooogle时，匹配的结果是：成功；匹配到的内容是goooooogle；匹配到的位置开始于7，结束于17。
位置匹配¶
表达式 匹配
^ 在字符串开始的地方匹配，符号本身不匹配任何字符
$ 在字符串结束的地方匹配，符号本身不匹配任何字符
\b 匹配一个单词边界，也就是单词和空格之间的位置，符号本身不匹配任何字符
\B 匹配非单词边界，即左右两边都是\w范围或者左右两边都不是\w范围时的字符缝隙
贪婪与非贪婪模式¶
在重复匹配时，正则表达式默认总是尽可能多的匹配，这被称为贪婪模式。
比如，针对文本dxxxdxxxd，表达式(d)(\w+)(d)中的\w+将匹配第一个d和最后一个d之间的所有字符xxxdxxx。
举例说明¶
string = '''<table>
<tr>
<td>电视机</td>
<td>冰箱</td>
<td>空调</td>
</tr>
</table>
'''
string = "".join(string.split())
print(re.search("<td>(.*)</td>", string).group()) # <td>电视机</td><td>冰箱</td><td>空调</td>
print(re.search("<td>\w+?</td>", string).group()) # <td>电视机</td>
我们的意图是获取每个<td></td>标签中的元素内容，
如果你将正则表达式写成<td>(.*)</td>的话，你得到的是<td>电视机</td><td>冰箱</td><td>空调</td>这么个东西，而不是“电视机”、“冰箱”、“空调”。
表达式<td>(.*?)</td>匹配上面的字符串时，将只得到<td>电视机</td>，再次匹配下一个时，可以得到
冰箱
，以此类推。贪婪匹配
表达式<td>(\w+?)</td>为了让整个表达式匹配成功，\w+?将尽可能少的匹配，从而使整个表达式匹配成功，实现非贪婪的匹配。
贪婪匹配和惰性匹配 eg
#!/usr/bin/env python
# -*- coding:utf8 -*-
# auther; 18793
# Date：2019/5/21 17:31
# filename: 贪婪匹配和懒惰匹配.py
import re
# 使用贪婪匹配
m = re.search(r'\d{5,8}', '87654321')
print(m) # <_sre.SRE_Match object; span=(0, 8), match='87654321'>
print(m.group()) # 87654321
# 使用惰性匹配
m = re.search(r'\d{5,8}?', '87654321')
print(m) # <_sre.SRE_Match object; span=(0, 5), match='87654'>
print(m.group()) # 87654
懒惰限定符的使用方式
语法 |
含义 |
|---|---|
*？ |
重复任意次，但尽可能少重复 |
+？ |
重复1次或更多次，但尽可能少重复 |
？？ |
重复0次或1次，但尽可能少重复 |
(n,m)? |
重复n到m次，但尽可能少重复 |
(n.)? |
重复n次以上，但尽可能少重复 |
11.1.2. 正则表达式匹配模式¶
方法 |
描述 |
返回值 |
|---|---|---|
compile(pattern[, flags]) |
根据包含正则表达式 的字符串创建模式对象 |
re对象 |
search(pattern, string[, flags]) |
在字符串中查找 |
第一个 匹配到的对象或者None |
match(pattern, string[, flags]) |
在字 符串的开始处匹配模式 |
在字符串开头 匹配到的对象或者None |
split(pattern, string[, maxsplit=0,flags]) |
根据模式 的匹配项来分割字符串 |
分割后的字符串列表 |
findall(pattern, string,flags) |
列出字符 串中模式的所有匹配项 |
所 有匹配到的字符串列表 |
sub(pat,repl, str ing[,count=0,flags]) |
将字符串中所有的p at的匹配项用repl替换 |
完成替换后的新字符串 |
finditer(pattern, string,flags) |
将所有匹配 到的项生成一个迭代器 |
所有匹配到的 字符串组合成的迭代器 |
subn(pat,repl, str ing[,count=0,flags]) |
在替换字符串后 ，同时报告替换的次数 |
完成替换后 的新字符串及替换次数 |
escape（string |
将字符串中所有特殊 正则表达式字符串转义 |
转义后的字符串 |
purge(pattern) |
清空正则表达式 |
|
templ ate(pattern[,flags]) |
编译一个匹配模板 |
模式对象 |
fullmatch(pattern, string[, flags]) |
match方 法的全字符串匹配版本 |
类似match的返回值 |
参考资料：
https://ansheng.me/python-full-stack-way-regular-expressions/