【Python基础知识库】Python中正则表达式

python中正则使用方式

正则表达式常用的匹配规则

模式	描述
	****一般字符****
.	匹配除换行符"\n"和"\r"之外的任意字符，在re.S模式下则能匹配任意字符
\	转义字符，使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，如果原始字符串中含有* . ? + $ ^ [ ] ( ) { } | \，需要在前面加转义字符\才能正确表示，或者在字符串前面加个r房子转义
[…]	字符集，用来表示一组字符，对应的位置可以是字符集中任意一个字符，字符集中的字符可以逐个列出，也可以给出范围如[abc]或[a-c]，所有的特殊字符在字符集中都失去本原有的含义，需要加\进行转义；常见的字符集[0-9]、[a-z]、[A-Z]、^[\u4e00-\u9fa5]*$
[^…]	在字符集内的开头加入非，表示匹配不在字符集内的其他任意字符，如[^abc]表示匹配除abc之外的任意字符
	****预定义字符集（可以写在字符集[…]中）****
\d	匹配任意数字，等价于[0-9]
\D	匹配任意非数字的字符，等价于[^\d]
\s	匹配空白字符，等价于[\t\n\r\f]，如\t(Tab)、\r(回车)、’ '(空格)、\f(换页符)、\n(换行符)、\v(垂直制表符)
\S	匹配非空白字符，等价于[^\s]
\w	匹配字母数字及下划线，等价于[A-Za-z0-9_]
\W	匹配非字母数字及下划线的其他字符，等价于[^A-Za-z0-9_]
	****数量词（用在字符或(…)之后）****
*	匹配前一个字符、子表达式0次或多次，例如abc*能匹配ab，也能匹配abc、abcc，*等价于{0,}
+	匹配前一个字符、子表达式1次或多次，例如abc+，能匹配abc、abcc，但是不能匹配到ab，+号前的字符至少要匹配一次，+等价于{1,}
?	匹配前一个字符、子表达式0次或1次，例如do(es)?可以匹配到do或does，?等价于{0,1}
{n}	精确匹配前一个字符、子表达式n次，例如ab{2}c可以匹配到abbc，n为非负整数
{n,}	匹配前一个字符、子表达式至少n次(即[n,+∞])，例如ab{2,}c可以匹配到abbc或abbbbbbbc，n为非负整数
{,n}	匹配前一个字符、子表达式至多n次(即[0,n])，例如ab{,2}c可以匹配到ac、abc或abbc，n为非负整数
{n,m}	匹配前一个字符、子表达式最少匹配n次，最多m次(即[n,m])，例如ab{1,2}c可以匹配到abc或abbc，n, m为非负整数，且n<=m
*?, +?, ??	默认情况下*、+和?的匹配模式是贪婪模式，即会尽可能对的匹配符合规则的字符，*?、+?和??表示启用对应的非贪婪模式。如对于字符串"Pythonnn"，正则表达式Python+能匹配大整个字符串，而Python+?则匹配Python
{n,m}?	同上，启用非贪婪模式，即只匹配n次，n, m为非负整数，且n<=m
	****边界匹配（不消耗待匹配字符串中的字符）****
^	匹配字符串的开头，在多行模式下(re.M)匹配每一行的开头，如^abc可以匹配abc
$	匹配字符串的末尾，在多行模式下(re.M)匹配每一行的末尾，如abc$可以匹配abc
\A	仅匹配字符串开头，如\Aabc可以匹配abc
\Z	仅匹配字符串末尾，如果存在换行，只匹配到换行前的结束字符串，如abc\Z可以匹配abc
\z	仅匹配字符串末尾，如果存在换行，同时还会匹配到换行符
\b	匹配单词边界，也就是指单词和空格间的位置，如er\b可以匹配到never中的er，但不能匹配到verb中的er
\B	匹配非单词边界，也就是指单词和空格间的位置，如er\B可以匹配到verb中的er，但不能匹配到never中的er，等价于[^\b]
\G	匹配最后匹配完成的位置
	****逻辑、分组****
|	左右表达式任意匹配一个，类似于"或"。总是先尝试匹配左边的表达式，一旦成功匹配就跳过匹配右边的表达式；如果|没有被包括在()中，则它的范围是整个表达式。如123|456能匹配到123、456
(…)	匹配圆括号中的正则表达式，或者指定一个子组的开始和结束位置，被括起来的表达式将作为分组，从表达式的左边开始每遇到一个分组的左括号’(’，编号+1；另外分组表达式作为一个整体，后面可以接数量词；表达式中的|也只能在该组中生效。如(abc){2}能匹配到abcabc，而a(123|456)c能匹配到a123c、a456c
(?P<name>...)	给分组命名，除了愿有你的编号外在指定一个额外的别名，通过分组名字name既可以访问到子组匹配的字串，例如(?P<id>abc){2}能够匹配到abcabc
\<number>	引用序号为<number>对应的子组所匹配到的字符串，子组的序号从1开始计算；如果序号以0开头，或者3个数字的长度，那么不会被引用对应的子组，而是用于匹配八进制数字所表示的ASCII码值所对应的字符。例如(.+) \1会匹配"python python" 或 “66 66”，但不会匹配holysll"
(?P=name)	引用别名为<name>的分组匹配到的字符串，如(?P<id>\d)abc(?P=id)能够匹配到1abc1、5abc5
	****特殊构造（不作为分组）****
(?:...)	(…)的不分组版本，用于使用| 或后接数量词。如(?:abc){2}能匹配abcabc
(?aiLmsux)	aiLmsux的每个字符代表一种匹配模式，(? 后可以紧跟着 ‘a’，‘i’，‘L’，‘m’，‘s’，‘u’，‘x’ 中的一个或多个字符，只能在正则表达式的开头使用，如(?i)abc匹配模式是忽略大小写，能够匹配abc、Abc、aBc、abC、ABc、AbC、aBC、ABC
(?#...)	#后的内容将作为主食被忽略，如abc(?#comment)123能够匹配abc123
(?=...)	之后的字符串内容需要匹配表达式才能匹配成功，不消耗字符创的内容。如a(?=\d)能匹配后面全是数字的a
(?!...)	之后的字符串内容需要不匹配表达式才能匹配成功，不消耗字符创的内容。如a(?!\d)能匹配后面不是数字的a
(?<=...)	之前的字符串内容需要匹配表达式才能匹配成功，不消耗字符创的内容。如a(?<=\d)能匹配前面是数字的a
(?<!...)	之前的字符串内容需要不匹配表达式才能匹配成功，不消耗字符创的内容。如a(?<!\d)能匹配后面不是数字的a
(?(id/name)yes-pattern|no-pattern)	如果序号为id/别名为name的组匹配到字符，则需要尝试yes-patteren匹配规则，否则需要尝试no-pattern匹配规则，no-pattern是可选可省略。如(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$) 是一个邮件格式的正则表达式，可以匹配<lucy@outlook.com>和lucy@outlook.com，但不会匹配<lucy@outlook.com或lucy@outlook.com>

正则表达式的匹配模式：