简介
正则表达式是对字符串(包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为“元字符”))操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。
正则表达式是一种文本模式,模式描述在搜索文本时要匹配的一个或多个字符串。
正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
语法
普通字符
普通字符包括没有显示指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。
非打印字符
非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列:
字符 | 描述 |
---|---|
\f | 匹配一个换页符 |
\n | 匹配一个换行符 |
\r | 匹配一个回车符 |
\t | 匹配一个制表符 |
\v | 匹配一个垂直制表符 |
\s | 匹配任何空白字符,包括空格、制表符、换页符等等 |
\S | 匹配任何非空白符 |
- 特殊字符
所谓特殊字符,就是一些有特殊含义的字符,例如’‘,表示任何字符的意思,而如果只想匹配’‘符号时,则需要对’*’符号进行转义,即在其前面加’\’转义符。
下表列出了正则表达式中的特殊字符:
特殊字符 | 描述 |
---|---|
^ | 匹配字符串的开始位置,除非在方括号表达式中使用,此时它表示不接受该字符集合。例如[^a],表示不以a字符开头,要匹配^字符本身,则加转义符:\^ |
$ | 匹配字符串的结尾位置,要匹配$字符本身,则加转义符:\$ |
() | 标记一个子表达式的开始和结束位置,要匹配$字符本身,则加转义符:\( 和 \) |
[ | 标记一个中括号表达式的开始 |
{ | 标记限定符表达式的开始 |
| | 指明两项之间的一个选择 |
\ | 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如,’n’匹配字符’n’,’\n’匹配换行符。’\’匹配’\’ |
. | 匹配换行符\n之外的任何但字符 |
? | 限定符,匹配前面的子表达式0次或1次,或指明一个非贪婪限定符 |
* | 限定符,匹配前面的子表达式0次或多次(有或者没有都可以) |
+ | 限定符,匹配前面的子表达式1次或多次(至少有一次) |
- 限定符
限定符用来指定正则表达式的一个给定组件出现多少次才能满足匹配。正则表达式的限定符有:
字符 | 描述 |
---|---|
{n} | n是一个非负整数。匹配确定的n次。例如,’o{2}’ 不能匹配 “Bob” 中的 ‘o’,但是能匹配 “food” 中的两个 o |
{n,} | n 是一个非负整数。至少匹配n 次。例如,’o{2,}’ 不能匹配 “Bob” 中的 ‘o’,但能匹配 “foooood” 中的所有 o。’o{1,}’ 等价于 ‘o+’。’o{0,}’ 则等价于 ‘o*’ |
{n,m} | m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,”o{1,3}” 将匹配 “fooooood” 中的前三个 o。’o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格 |
? | 匹配前面的子表达式0次或1次。例如,’do(es)?’可以匹配’do’、’does’中的’does’、’doxy’中的’do’。等价于{0,1} |
* | 匹配前面的子表达式零次或多次。例如,zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,} |
+ | 匹配前面的子表达式一次或多次。例如,’zo+’ 能匹配 “zo” 以及 “zoo”,但不能匹配 “z”。+ 等价于 {1,} |
注:’*’和’+’都是贪婪的,它们会可能多的匹配文字,只有在它们的后面加上一个?就可以实现非贪婪或最小匹配。
例如,匹配下面HTML文档中的H1标记:
<H1>Chapter 1 - 介绍正则表达式</H1>
贪婪模式:表达式匹配从开始小于符号(<)到H1标记的大于符号(>)之间的所有内容
/<.*>/
非贪婪模式:如果您只需要匹配开始和结束H1标签,下面的非贪婪表达式只匹配<H1>
/<.*?>/
如果只想匹配开始的 H1 标签,表达式则是:
/<\w+?>/
- 定位符
定位符使您能够将正则表达式固定到行首或者行尾。它们还使您能够创建这样的正则表达式,这些正则表达式出现在一个单词内、在一个单词的开头或者一个单词的结尾。
定位符用来描述字符串或单词的边界。
字符 | 描述 |
---|---|
^ | 匹配字符串的开始位置 |
$ | 匹配字符串的结尾位置 |
\b | 匹配一个字边界,即字与空格的位置,例如, ‘er\b’ 可以匹配”never” 中的 ‘er’,但不能匹配 “verb” 中的 ‘er’ |
\B | 匹配非字边界,’er\B’ 能匹配 “verb” 中的 ‘er’,但不能匹配 “never” 中的 ‘er’ |
注意:不能将限定符与定位符一起使用。由于在紧靠换行或者字边界的前面或后面不能有一个以上位置,因此不允许诸如 ^* 之类的表达式。
若要匹配一行文本开始处的文本,请在正则表达式的开始使用 ^ 字符。不要将 ^ 的这种用法与中括号表达式内的用法混淆。
若要匹配一行文本的结束处的文本,请在正则表达式的结束处使用 $ 字符。
- 其他元字符
字符 | 描述 |
---|---|
x|y | 匹配 x 或 y。例如,’z |
[xyz] | 字符集合。匹配所包含的任意一个字符。例如, ‘[abc]’ 可以匹配 “plain” 中的 ‘a’ |
[^xyz] | 负值字符集合。匹配未包含的任意字符。例如, ‘[^abc]’ 可以匹配 “plain” 中的’p’、’l’、’i’、’n’ |
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符 |
[^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如,’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符 |
\d | 匹配一个数字字符。等价于 [0-9] |
\D | 匹配一个非数字字符。等价于 [^0-9] |
\w | 匹配字母、数字、下划线。等价于[A-Za-z0-9_] |
\W | 匹配非字母、数字、下划线。等价于 [^A-Za-z0-9_] |
\s | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v] |
\S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v] |
常用的正则表达式
- 校验数字
a. 数字:^[0-9]*$
b. n位数字:^\d{n}$
c. m-n位的数字:^\d{m,n}$
d. 零和非零开头的数字:^(0|[1-9][0-9]*)$
e. 正整数:^[1-9]\d*$
f. 负整数:^-[1-9]\d*$
g. 整数:^-?[1-9]\d*$
- 校验字符
a. 汉字:^[\u4e00-\u9fa5]{0,}$
b. 字母和数字:^[A-Za-z0-9]+$
- 特殊
a. Email地址:^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
b. 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
c. InternetURL:[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
d. 手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
e. 身份证号(15位、18位数字),最后一位是校验位,可能为数字或字符X:(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
f. 日期格式:^\d{4}-\d{1,2}-\d{1,2}
g. 腾讯QQ号:[1-9][0-9]{4,}
h. IP地址:((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))
i. 中国邮政编码(中国邮政编码为6位数字):[1-9]\d{5}(?!\d)
Python 正则表达式
在菜鸟教程的 Python 基础教程中,Python 正则表达式 这一章节专门介绍了有关 Python 正则表达式的知识。
在线测试工具
声明
以上内容摘自菜鸟教程:正则表达式教程