正则表达式基础

re中文文档
re官方文档
正则表达式在线测试
hackerrank在线练习

基本语法

基本语法_菜鸟教程
用\表示特殊形式或允许使用特殊字符，而不调用其特殊含义
不以任何特殊方式在字符串字面值中以'r'前缀处理反斜杠
所以r'\n'包含'\'和'n'两个字符，而'\n'表示换行符
'.'默认情况下，匹配除换行符之外的任何字符,如果DOTALL标志被指定时，则匹配任何字符
'^'匹配开始位置
'$'匹配结束位置
'*'前面重复出现的正则表达式零次或多次，尽可能多地匹配
'+'一次或多次，尽可能多
'?'零次或1次
'*?','+?','??'匹配尽可能少（不存在则为0次，存在则为1次）
{m} 精确指定匹配m次，少于m次则不会被匹配
{m,n}m~n个重复，尽可能多的重复
{m,n}? m~n个重复，尽可能少
'\' 消除特殊字符含义或特殊序列
[] 用来表示一个字符集和，字符可以被单独罗列
[0-9a-z]范围内的任意字符
[a-]将匹配字符'-'
[(+*?)]集合内的特殊字符失去特殊意义,将匹配(,),+,*,?
[^5]除5外的任意字符，当^不再集合的第一个位置时将没有特殊意义
想要在一个集合内匹配]，需要在它的前面使用一个反斜杠转义(或者在集合开头处将它替换)
'|' A|B满足A或B，从左向右运算，不贪婪，即一旦A匹配则忽略B的测试
\d数字
\D非数字
\s空白字符
\w包含下划线在内的单词字符[A-Za-z0-9_]
(?=exp)匹配exp前面的位置
(?<=exp)匹配exp后面的位置

回溯陷阱

参考：

一个由正则表达式引发的血案_博客园
藏在正则表达式中的陷阱_掘金

正则表达式引擎

DFA(Deterministic Final Automata，确定型有穷自动机)与NFA(Non deterministic Finite Automaton，不确定型有穷自动机)

DFA从匹配文本入手，从左至右，每个字符不会匹配两次，时间复杂度是多项式的，速度快、支持特性少，不支持捕获组、引用等。

NFA从正则表达式入手，不断读入字符，尝试是否匹配当前正则，不匹配则弹出字符重新尝试，速度慢，最优时间复杂度式多项式，最差情况为指数级

Java、.NET、Perl、Python、Ruby、PhP、JS都是由NFA实现

text ＝ 'after tonight'
regex ＝ 'to(nite|nighta|night)'

在NFA匹配时候，是根据正则表达式来匹配文本的，从t开始匹配a，失败，继续，直到文本里面的第一个t，接着比较o和e，失败，正则回退到 t，继续，直到文本里面的第二个t，然后 o和文本里面的o也匹配，继续，正则表达式后面有三个可选条件，依次匹配，第一个失败，接着二、三，直到匹配。
而在DFA匹配时候，采用的是用文本来匹配正则表达式的方式，从a开始匹配t，直到第一个t跟正则的t匹配，但e跟o匹配失败，继续，直到文本里面的第二个 t 匹配正则的t，接着o与o匹配，n的时候发现正则里面有三个可选匹配，开始并行匹配，直到文本中的g使得第一个可选条件不匹配，继续，直到最后匹配。
可以看到，DFA匹配过程中文本中的字符每一个只比较了一次，没有吐出的操作，应该是快于NFA的。另外，不管正则表达式怎么写，对于DFA而言，文本的匹配过程是一致的，都是对文本的字符依次从左到右进行匹配，所以，DFA在匹配过程中是跟正则表达式无关的，而 NFA 对于不同但效果相同的正则表达式，匹配过程是完全不同的。

回溯

ab{1,3}c

也就是说中间的b需要匹配1~3次。那么对于文本abbbc，按照第1部分NFA引擎的匹配规则，其实是没有发生回溯的，在表达式中的a匹配完成之后，b恰好和文本中的3个b完整匹配，之后是c发生匹配，一气呵成。如果我们把文本换成abc呢？无非就是少了一个字母b，却发生了所谓的回溯。

贪婪、懒惰、独占

• ?:匹配字符0次或1次
• +:匹配字符1次或多次
• *:匹配字符0次或多次
• {min,max}:匹配min到max次

贪婪模式:默认均为贪婪模式，匹配尽可能多的内容
懒惰模式:在以上字符后加上一个?，匹配尽可能少的重复字符
独占模式:匹配最长，但不发生回溯，一但匹配不成功就结束匹配

ab{1,3}+bc

上述表达式即为独占模式，该表达式不会匹配任何文本

python re模块

re.compile(pattern,flags=0)

将正则表达式编译成一个正则表达式对象，可以调用match() search()方法

prog=re.compile(pattern)
result=prog.match(string)

---

re.DEBUG

显示调试信息编译的表达式

re.IGNORECASE(re.I)

执行忽略大小写的匹配

re.MULTILINE(re.M)

指定时，模式字符'^'在字符串开头和每行开头匹配，紧挨每个换行符后;
模式字符'$'在字符串的末尾和每行的末尾，紧挨每个换行符之前;
默认'^'字符串开头，'$'字符串结尾

re.DOTALL(re.S)

'.'特殊字符匹配任何字符，包括换行符;没有则匹配除换行符之外的任何字符

re.VERBOSE(re.X)

---

re.search(pattern,string,flags=0)

扫描字符串查找匹配的第一个位置，并返回相应的match object。否则返回None

re.match(pattern,string, flags=0)

从开始位置进行匹配

re.fullmatch(pattern,string,flags=0)

必须要整个字符串与之匹配。

re.findall(pattern,string,flags=0)

从左向右扫描

正则表达式对象

regex.search(string[,pos[,endpos]])

返回第一个
pos:搜索开始处
endpos:结束处

regex.match(string[,pos[,endpos]])

从该字符串开始处匹配