第九课

正则表达式（一）

一、定义

• 正则表达式使用预定义的特定模式去匹配一类具有共同特征的字符串，主要用于字符串处理，可以快速、准确的完成复杂的查找、替换等处理要求,在文本编辑与处理、网页爬虫之类的场合中有重要应用。
• Python中,re模块提供了正则表达式操作所需要的功能

二、语法

正则表达式由元字符及其不同的组合来构成，通过巧妙地构造正则表达式可以匹配任意字符串，并完成复杂的字符串处理任务，下图为表达式常用元字符表：

元字符	功能说明
.	匹配除换行符以外的任意单个字符
*	匹配位于*之前的字符或子模式的0次或多次出现
+	匹配位于+之前的字符或子模式的1次或多次出现
-	在[]之内用来表示范围
^	匹配行首，匹配^以后的字符开头的字符串
$	匹配行尾，匹配以$之前的字符结束的字符串
？	匹配位于?之前的0个或1个字符。当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。
\	表示位于\之后的为转义字符
\num	此处的num是一个正整数，表示子模式编号。
\f	换页符匹配
\n	换行符匹配
\r	匹配一个回车符
\b	匹配单词头或单词尾
\d	匹配任何数字，相当于[0-9]
\s	匹配任何空白字符，包括空格、制表符、换页符，与 [ \f\n\r\t\v] 等效
\w	匹配任何字母、数字以及下划线，相当于[a-zA-Z0-9_]
()	将位于()内的内容作为一个整体来对待
{m,n}	{}前的字符或子模式重复至少m次，至多n次
[] }	表示范围，匹配位于[]中的任意一个字符
[^xyz]	反向字符集，匹配除x、y、z之外的任何字符
[a-z]	字符范围，匹配指定范围内的任何字符
[^a-z]	反向范围字符，匹配除小写英文字母之外的任何字符

三、常用的正则表达式

• 最简单的正则表达式是普通字符串，可以匹配自身
• '[^abc]‘可以一个匹配任意除’a’、‘b’、'c’之外的字符
• (pattern)*：允许模式重复0次或多次
  (pattern)+：允许模式重复1次或多次
  (pattern){m,n}：允许模式重复m~n次
• ‘(a|b)*c’：匹配多个（包含0个）a或b，后面紧跟一个字母c
• ‘ab{1,}’：等价于’ab+’，匹配以字母a开头后面带1个至多个字母b的字符串
• r’(\w)(?!.*\1)’：查找字符串中每个字符的最后一次出现
• r’(\w)(?=.*\1)’：查找字符串中所有重复出现的字符
• ‘^(-)?\d+(.\d{1,2})?$’：检查给定字符串是否为最多带有2位小数的正数或负数
• ‘\d{4}-\d{1,2}-\d{1,2}’：匹配指定格式的日期，例如2016-1-31
• r"/d+(?=[a-z]+)"：匹配连续的数字并且最后一个数字跟着小写字母
• r’\b((?!abc)\w)+\b’：匹配不包含连续字符串abc的单词