正则表达式@Python（Regular Expression、Re、Regex、正则、查找、替换、通配符

特别是最后一行，猴子，后面没有其它字符了，但是 * 表示可以匹配 0 次，所以表达式也是成立的。我们也用 Python 代码看一下：

import re


content = """苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，
"""

for item in re.findall(pattern='，.\*', 
                       string=content):
    print(item)

，是绿色的
，是橙色的
，是黄色的
，是黑色的
，

💡 注意，.* 在正则表达式中非常常见，表示匹配任意字符任意次数。

当然这个 * 前面不是非得是 .，也可以是其它字符，如 Fig.5 所示。

Fig.5 其他* 的示例

4.2.3 特殊字符：+（重复匹配多次，不包括 0 次）

+ 表示匹配前面的子表达式一次或多次，不包括 0 次。

还是上面的例子，我们要从文本中，选择每行逗号后面的字符串内容，包括逗号本身。但是添加一个条件，如果逗号后面没有内容，就不要选择了。

苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，

我们可以这样写正则表达式：

，.+

验证结果如 Fig.6 所示。

Fig.6 .+ 的使用示例

最后一行，猴子， 后面没有其它字符了，+ 表示至少匹配 1 次，所以最后一行没有子串选中。

4.2.4 特殊字符：?（匹配 0 ~ 1 次）

? 表示匹配前面的子表达式 0 次或 1 次。

还是上面的例子，我们要从文本中，选择每行逗号后面的1个字符，也包括逗号本身。

苹果，绿色的
橙子，橙色的
香蕉，黄色的
乌鸦，黑色的
猴子，

那正则表达式可以这样写：

，.?

验证结果如 Fig.7 所示。

Fig.7 .? 的使用示例

最后一行，猴子， 后面没有其它字符了，但是 `?`` 表示匹配 1 次或 0 次，所以最后一行也选中了一个逗号字符。

4.2.5 特殊字符：{}（匹配指定次数）

示例文本如下所示：

红彤彤，绿油油，黑乎乎，绿油
红彤彤，绿油油，黑乎乎，绿油油
红彤彤，绿油油，黑乎乎，绿油油油
红彤彤，绿油油，黑乎乎，绿油油油油
红彤彤，绿油油，黑乎乎，绿油油油油油

• 表达式 油{3} 就表示匹配连续的 油 字 3 次。
• 表达式 油{3,4} 就表示匹配连续的 油 字至少 3 次，至多 4 次

示例如 Fig.8 所示。

Fig.8 字符{int} 和字符{int,int} 的使用示例

4.2.6 特殊字符：\（转义字符）

反斜杠 \ 用作转义字符，它有两种作用：

1. 用于转义紧跟其后的特殊字符，使其失去特殊含义，被当作普通字符对待。
2. 用于创建一些特定的字符类，如换行符 \n、制表符 \t 等。

例如，如果我们想匹配一个实际的点 .，而不是作为通配符的点，我们需要在点前面加上反斜杠 \.。同样，如果我们想匹配一个实际的反斜杠 \，我们需要使用两个反斜杠 \\，因为在字符串中反斜杠本身也是一个转义字符。

---

我们的示例文本如下：

example.com
example.net
example.org

现在我们想要得到 . 后面的后缀以确定网页的类型（包括 . 本身），那么我们的 Regex 可以这样写：

\..*

我们验证一下，验证结果见 Fig.9。

Fig.9 转义字符 \ 的使用示例

在这里，\. 表示 . 本身，它是一个普通字符而非特殊字符。.* 表示除了换行符外的所有字符。

我们也用 Python 进行一下验证：

import re


text = "这是一个例子：example.com"
pattern = r"example\.com"
match = re.search(pattern, text)

if match:
    print(f"匹配结果：{match.group()}")
else:
    print("没有匹配结果")

# 匹配包含反斜杠的文本
text_with_backslash = "路径：C:\\Program Files\\Example"
pattern_with_backslash = r"C:\\Program Files\\Example"
match_with_backslash = re.search(pattern_with_backslash, text_with_backslash)

if match_with_backslash:
    print(f"匹配结果：{match\_with\_backslash.group()}")
else:
    print("没有匹配结果")

匹配结果：example.com
匹配结果：C:\Program Files\Example

---

**Question**：为什么要加 r ？

**Answer**：在 Python 中，字符串前加上 r 或 R 表示这是一个原始字符串（raw string）。在原始字符串中，反斜杠 \ 不会被当作转义字符处理，而是保持其字面意义。这意味着在原始字符串中，反斜杠后面的字符不会被特殊解释。💡 如果我们不使用原始字符串，我们需要写四个反斜杠 \\\\ 来表示一个反斜杠 🤣。

4.2.7 特殊字符：[]（匹配字符集中任意字符）

方括号 [] 用于创建一个字符集，匹配方括号内列出的任意一个字符。字符集可以包含普通字符和特殊字符，但特殊字符在字符集中将失去其特殊含义，被视为普通字符。

例如，字符集 [abc] 将匹配字母 a、b 或 c 中的任意一个。字符集也可以包含字符范围，如 [a-z] 将匹配从小写 a 到小写 z 的任意字母。

如果字符集的第一个字符是脱字符 ^，则表示取非，匹配任何不在方括号内的字符。例如，[^abc] 将匹配除了 a、b 和 c 之外的任意字符。

---

我们的示例文本如下：

abc def ghi jkl mno a b c d aa  a a a a a a sdsad sajkjclkx jsadkl dskljnsdlijewqlkjsadj lasdjlkjdwijsalkj lksajd lkasjwd

• 现在我们想要得到字符 ace，那么我们的 Regex 可以这样写：

[ace]

• 如果我们不想要字符 ace，那么我们的 Regex 可以这样写：

[^ace]

• 如果我们想要字符 a 到 e 范围内的所有字符，那么我们的 Regex 可以这样写：

[a-e]

验证如 Fig.10 所示。

Fig.10 字符集的使用示例

可以看到，当我们不想要字符 ace 时（[ace]），空格也被包围了，很合理。当 [a-e] 时，空格并没有被选中，也非常合理。

[] 的 Python 示例：

import re


# 匹配字符集内的任意字符
text = "abc def ghi jkl mno a b c d aa a a a a a a sdsad sajkjclkx jsadkl dskljnsdlijewqlkjsadj lasdjlkjdwijsalkj lksajd lkasjwd"
pattern = r"[ace]"
matches = re.findall(pattern, text)
print(f"匹配结果：{matches}")

# 匹配不在字符集内的任意字符
text = "abc def ghi jkl mno a b c d aa a a a a a a sdsad sajkjclkx jsadkl dskljnsdlijewqlkjsadj lasdjlkjdwijsalkj lksajd lkasjwd"
pattern = r"[^ace]"
matches = re.findall(pattern, text)
print(f"匹配结果：{matches}")

# 匹配字符范围
text = "abc def ghi jkl mno a b c d aa a a a a a a sdsad sajkjclkx jsadkl dskljnsdlijewqlkjsadj lasdjlkjdwijsalkj lksajd lkasjwd"
pattern = r"[a-e]"
matches = re.findall(pattern, text)
print(f"匹配结果：{matches}")

匹配结果：['a', 'c', 'e', 'a', 'c', 'a', 'a', 'a', 'a', 'a', 'a', 'a', 'a', 'a', 'a', 'c', 'a', 'e', 'a', 'a', 'a', 'a', 'a']
匹配结果：['b', ' ', 'd', 'f', ' ', 'g', 'h', 'i', ' ', 'j', 'k', 'l', ' ', 'm', 'n', 'o', ' ', ' ', 'b', ' ', ' ', 'd', ' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ', 's', 'd', 's', 'd', ' ', 's', 'j', 'k', 'j',