3.2.1 正则表达式的语法

特别字符集：

‘.’

点号，在缺省的情况下，可以用来代替任何除换行符之外的字符；如果DOTALL标志设置了，它可以用来代替任何字符，包括换行符。

例子：

#re

 

import re

 

m = re.findall('a.', 'ab a2 bb a+')

if m:

    print(m)

结果输出如下：

['ab', 'a2', 'a+']

在这个例子里，先使用import语句导入正则表达式库re，然后使用函数findall来查找所有与正则表达式’a.’匹配的字符串，生成一个列表保存在m里，最后判断是否找到，如果找到了就打印出来。在这个正则表达式里’a.’，由字母a和点号组成，意思就是匹配以a开头的任意字符的两个字符的字符串。这里的任意字符是不包括换行符。

 

‘^’

插入符用来表示只匹配字符串开始的字符串，或者设置多行标志MUTILINE时，每一行新行开始也可以匹配。不使用这个字符就表示在任何位置上都匹配字符串。

例子：

#re

 

import re

 

m = re.findall('a.', 'ab a2 bb a+')

if m:

    print(m)

 

m = re.findall('a..', 'ab a2 bb a+')

if m:

    print(m)

    

m = re.findall('^a.', 'ab a2 bb a+')

if m:

    print(m)

结果输出如下：

['ab', 'a2', 'a+']

['ab ', 'a2 ']

['ab']

在这个例子里，可以看到最后一行的输出，就只匹配了第一个字符串。

 

‘$’

美元符号用来表示匹配字符串末尾，或者匹配在新行前面的字符串末尾。比如用foo$来匹配字符串foo、foobar时，只会有foo可以匹配成功，而foobar不会，因为foo不是在词尾里。又例如当正则表达式为foo.$时，从字符串’foo1\nfoo2\n’时，当MULTILINE不起作用时，只会匹配到foo2；当多行起作用时，也会匹配到foo1。当只有一个$字符时，去搜索一个字符串’foo\n’，可以匹配到两个空的字符串出来，一个是在这个字符串新行之前，一个在这个字符串之后。

例子：

print('$')

m = re.findall('a.$', 'ab a2 bb a+')

if m:

    print(m)

m = re.findall('$a.', 'ab a2 bb a+')

if m:

    print(m)

m = re.findall(r'foo$', r'foobar\n')

if m:

    print(m)     

print(r'foobar\n testfoo')    

m = re.findall(r'foo$', r'foobar\n testfoo')

if m:

    print(m)    

m = re.findall(r'foo.$', r'foo1\nfoo2')

if m:

    print(m)       

m = re.findall(r'$', r'foo\n')

if m:

    print(m)           

结果输出如下：

$

['a+']

foobar\n testfoo

['foo']

['foo2']

['']

 

‘*’

星号的作用是在星号之前的字符可以0个到无限个重复。比如ab*将会匹配a、ab，或者a后面不限定个b的字符串，比如abbbbbbb等。

例子：

print('*')

m = re.findall(r'ab*', r'a ab abc abbb abbbb2 abbbbbbbb')

if m:

    print(m)   

结果输出如下：

*

['a', 'ab', 'ab', 'abbb', 'abbbb', 'abbbbbbbb']

 

‘+’

加号的作用是在加号之前的字符可以1个到无限个重复。比如ab+表示是a后可以有一个到无限个b的字符串会匹配成功。即是ab、abb，或者无限个b，匹配a不会成功，这是与星号的区别之处。

例子：

print('+')

m = re.findall(r'ab+', r'a ab abc abbb abbbb2 abbbbbbbb')

if m:

    print(m)   

结果输出如下：

+

['ab', 'ab', 'abbb', 'abbbb', 'abbbbbbbb']

 

‘？’

问号的作用是在问号之前的字符可以不出现或者只出现一次。比如ab?表示只匹配a或者ab。

例子：

print('?')

m = re.findall(r'ab?', r'a ab abc abbb abbbb2 abbbbbbbb')

if m:

    print(m)             

结果输出如下：

?

['a', 'ab', 'ab', 'ab', 'ab', 'ab']

 

*？，+？，？？

星号、加号和问号都是贪婪算法，尽可能匹配更多的字符。但它们组合之后会有点不一样。具体如例子：

print('*?')

m = re.findall(r'ab*?', r'a ab abc abbb abbbb2 abbbbbbbb')

if m:

    print(m)    

print('+?')

m = re.findall(r'ab+?', r'a ab abc abbb abbbb2 abbbbbbbb')

if m:

    print(m)        

print('??')

m = re.findall(r'ab??', r'a ab abc abbb abbbb2 abbbbbbbb')

if m:

    print(m) 

结果输出如下：

*?

['a', 'a', 'a', 'a', 'a', 'a']

+?

['ab', 'ab', 'ab', 'ab', 'ab']

??

['a', 'a', 'a', 'a', 'a', 'a']

 

｛m｝

大括号中间添加数字方式来匹配括号之前字符的个数。比如a{6}表示匹配6个相同的a，如果少于6个a不会匹配成功，但允许多于6个。

例子：

print('a{6}')

m = re.findall(r'a{6}', r'baaaaaad aabaaaa aaaaa')

if m:

    print(m) 

结果输出如下：

a{6}

['aaaaaa']

 

｛m, n｝

大括号和m，n组成一个上下限的重复字符。m表示重复的下限个数，可以到0个；n表示重复的上限个数，可以到无穷大；尽可能向多的个数匹配。比如a{2, 3}b表示查找2到3个连续的a，并且后面紧跟着b的字符串。比如a{2,}b表示查找2个以上的a，并且后面跟着b的字符串。

例子：

print('a{2, 3}b')

m = re.findall(r'a{2,3}b', r'aab baaab ab aaa aaaaaab')

if m:

    print(m)      

    

print('a{2,}b')

m = re.findall(r'a{2,}b', r'aab baaab ab aaa aaaaaab')

if m:

    print(m)  

    

print('a{0,3}b')

m = re.findall(r'a{0,3}b', r'aab baaab ab aaa aaaaaab')

if m:

    print(m)    

结果输出如下：

a{2, 3}b

['aab', 'aaab', 'aaab']

a{2,}b

['aab', 'aaab', 'aaaaaab']

a{0,3}b

['aab', 'b', 'aaab', 'ab', 'aaab']

 

 

{m, n}?

大括号和m，n组成一个上下限的重复字符。m表示重复的下限个数，可以到0个；n表示重复的上限个数，可以到无穷大；尽可能向少的个数匹配。比如a{2, 3}?b表示查找2到3个连续的a，并且后面紧跟着b的字符串。比如字符串aaaaaa，a{3, 5}将尽可能匹配5个a，而a{3, 5}?只会匹配3个a就返回了。

例子：

print('a{2, 3}')

m = re.findall(r'a{2,3}', r'aa abaaaaaaa')

if m:

    print(m)         

print('a{2, 3}?')

m = re.findall(r'a{2,3}?', r'aa abaaaaaaa')

if m:

    print(m)  

结果输出如下：

a{2, 3}

['aa', 'aaa', 'aaa']

a{2, 3}?

['aa', 'aa', 'aa', 'aa']

 

 

‘\’

反斜线表示后面跟着的字符表示为原来的字符。比如\*表示星号字符。

例子：

print('a*\*')

m = re.findall(r'a*\*', r'a* abaaa* abbbb')

if m:

    print(m)   

结果输出如下：

a*\*

['a*', 'aaa*']

 

 

[]

方括号用来指明一个字符集合。

l 列出可能出现的字符集合。比如[amk]表示可能匹配a、m、k三个字符。

l 通过范围来指定出现字符的集合，范围的格式是两个字符和‘-’组成。比如[a-z]表示小写字母集合，包括了从a到z的所有字母。比如[0-5][0-9]表示两位数字00到59的集合。比如[0-9A-Fa-f]是表示十六进制所有出现的字符集合。如果‘-’出现在反斜线后面表示只使用‘-’字符，比如[a\-z]；或者‘-’出现在集合的最前面或最后面都是表示使用‘-’字符，比如[a-]。

l 所有特别意义的字符在方括号内会失去表示特别的意义，仅当作本身字符使用。比如[(+*)]表示匹配(，+，*，)这四个字符，没有表示任意字符的意思。

l 分类字符意义的字符可以使用，比如\w或者\s，这些字符定义意义在后面。

l 非出现字符的集合表达。在中括号之后添加字符^表示排除这个集合里的字符，比如[^5]表示除5之外字符都匹配。[^^]是表示除^字符之外的所有字符都匹配。如果字符^不放在第一个字符是没有特别意义的。

l 为了匹配后中括号]，需要使用转义字符\或者把它放在第一个字符位置。比如[()[\]{}]或者[]()[{}]，要注意就是后一个是把]放在最前面第一个字符。

例子：

print('[amk]')

m = re.findall(r'[amk]', r'e a d m k b c')

if m:

    print(m)         

    

print('[a-z]')

m = re.findall(r'[a-z]', r'1 3 e a d m k b c 8 9')

if m:

    print(m)             

    

print('[0-5][0-9]')

m = re.findall(r'[0-5][0-9]', r'01 a1 99 49 38')

if m:

    print(m)    

输出结果如下：

[amk]

['a', 'm', 'k']

[a-z]

['e', 'a', 'd', 'm', 'k', 'b', 'c']

[0-5][0-9]

['01', '49', '38']

 

‘|’

A|B，A或B的正则表达式，表达的意思只要A表达式成立或者B表达式成立，都可以匹配成功。如果A表达全部匹配完成，将再不考虑B表达式。如果要匹配|，可以使用\|形式，或者[|]形式来编写。

例子：

print('[2-4]|[7-9]')

m = re.findall(r'[2-4]|[7-9]', r'1 2 3 4 5 6 7 8 9')

if m:

    print(m)     

 

输出结果如下：

[2-4]|[7-9]

['2', '3', '4', '7', '8', '9']

 

 

(...)

根据括号中任意的正则表达式来进行匹配，匹配成功之后作为元组输出。像括号三个点号，表示匹配任意三个字符作为一个元组；如果有四个点号，表示匹配四个任意字符作为一个元组。如果想匹配括号使用反斜线，或者中括号[(]或[)]方式。

例子：

print('(...)')

m = re.findall(r'(...)', r'123 45678 abcdefghijk')

if m:

    print(m)     

输出结果如下：

(...)

['123', ' 45', '678', ' ab', 'cde', 'fgh', 'ijk']      

 

蔡军生 QQ:9073204  深圳