正则表达式

以python为例，列举一些常用的正则表达式用法。

一

[] ：在正则表达式中，[]表示满足括号中任一字符。比如“[hi]”，它就不是匹配“hi”了，而是匹配“h”或者“i”。
如果把正则表达式改为“[Hh]i”，就可以既匹配“Hi”，又匹配“hi”了。

r ：是raw的意思，它表示对字符串不进行转义。

. ：在正则表达式中表示除换行符以外的任意字符。比如当文本是：
Hi, I am Shirley Hilton. I am his wife.
用“i.”去匹配，会得到[‘i,’, ‘ir’, ‘il’, ‘is’, ‘if’]。

*：它表示前面的字符可以重复任意多次（包括0次），只要满足这样的条件，都会被表达式匹配上。

二

如果要匹配数字，我们可以用[0123456789]。
由于它们是连续的字符，有一种简化的写法：[0-9]。类似的还有[a-zA-Z]的用法。
要表示任意长度的数字，就可以用[0-9] *或者\d *。
但要注意的是，*表示的任意长度包括0，也就是没有数字的空字符也会被匹配出来。一个与 * 类似的符号+，表示的则是1个或更长。

所以要匹配出所有的数字串，应当[0-9]+或者\d+。
如果要限定长度，就用{}代替+，大括号里写上你想要的长度。比如11位的数字：\d{11}。
想要再把第一位限定为1，就在前面加上1，后面去掉一位：1\d{10}。

除了*、+、{}来表示字符的重复。其他重复的方式还有：
? - 重复零次或一次，{n,} - 重复n次或更多次，{n,m} - 重复n到m次

正则表达式不只是用来从一大段文字中抓取信息，很多时候也被用来判断输入的文本是否符合规范，或进行分类。例如：
^\w{4,12}$
这个表示一段4到12位的字符，包括字母或数字或下划线或汉字，可以用来作为用户注册时检测用户名的规则。

\d{15,18}
表示15到18位的数字，可以用来检测身份证号码。

^1\d*x?
以1开头的一串数字，数字结尾有字母x，也可以没有。有的话就带上x。

三

一些常用的元字符有：
\w - 匹配字母或数字或下划线或汉字。
\s - 匹配任意的空白符。
^ - 匹配字符串的开始。
$ - 匹配字符串的结束。

\S其实就是\s的反义，任意不是空白符的字符。同理，还有：
\W - 匹配任意不是字母，数字，下划线，汉字的字符。
\D - 匹配任意非数字的字符。
\B - 匹配不是单词开头或结束的位置。

[a]的反义是 [^a] ，表示除a以外的任意字符。 [^abcd] 就是除abcd以外的任意字符。

四

如果有以下手机号：
(021)88776543
010-55667890
02584453362
0571 66345673
一个可以匹配出以上所有结果的表达式是：
\ (?0\d{2,3}[) -]?\d{7,8}

\ (?：()在正则表达式里也有着特殊的含义，所以要匹配字符"(“，需要用”(“。?表示这个括号是可有可无的。
0\d{2,3}：区号，0xx或者0xxx。
[) -]?在区号之后跟着的可能是”)“、” “、”-"，也可能什么也没有。
\d{7,8}：7或8位的电话号码。

符号总结

常用的元字符

符号	用法
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

常用的反义字符

符号	用法
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^a]	匹配除了a以外的任意字符
[^abcd]	匹配除了abcd这几个字母以外的任意字符

常用的限定字符

符号	用法
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,}	重复n到m次

常用分组符号

符号	用法
(a)	匹配a,并捕获文本到自动命名的组里
(? < b > a)	匹配a,并捕获文本到名称为b的组里，也可以写成(?'b’a)
(?:a)	匹配a,不捕获匹配的文本，也不给此分组分配组号
(?=a)	匹配a前面的位置
(?=a)	匹配a后面的位置
(?!a)	匹配后面跟的不是a的位置
(?<!a)	匹配前面不是a的位置

常用懒惰匹配限定符

符号	用法
*?	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

贪婪匹配：正则表达式中包含重复的限定符时，通常的行为是匹配尽可能多的字符。
懒惰匹配：匹配尽可能少的字符。