正则表达式(Python)

目录

1.什么是正则表达式？

2.正则表达式匹配过程

3.匹配集合与补集

4.常用字符组

5.重复

重复-总结

6.重复-贪婪匹配模式

7.括号

8.首尾匹配---匹配行首用^，匹配行尾用$。

总结

案例1

案例2

案例3

正则表达式测试网址

---

1.什么是正则表达式？

正则表达式（regular expression），又记作re或regex。是用来简洁表达一组字符串的表达式。

2.正则表达式匹配过程

• 依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功。

• 一旦有匹配不成功的字符则匹配失败。

3.匹配集合与补集

        ①字符组表达式 [ ] 匹配括号中列出的任一个字符

        如：[abc] 可以匹配字符 a 或 b 或 c

               区间形式 [0-9] 匹配所有十进制数字

              字符 [0-9a-zA-Z] 匹配所有字母（英文字母）和数字

        ② [^...] 中的 ^ 表示求补，这种模式匹配所有未在括号里列出的字符

        如：[^0-9] 匹配所有非十进制数字的字符

               [^ \t\v\n\f\r] 匹配所有非空白字符（非空格/制表符/换行符）

注意：如果需要在字符组里包括 ^，就不能放在第一个位置，以免混淆含义。可以写\^恢复其本来含义；如果需要在字符组包括 - 或者 ]，也必须写 \- 或 \]

4.常用字符组

1）为了方便，re 用换意串形式定义了几个常用字符组，包括：

①\d：与十进制数字匹配，等价于 [0-9]

②\D：与非十进制数字的所有字符匹配，等价于 [^0-9]

③\s：与所有空白字符匹配，等价于 [ \t\v\n\f\r]

④\S：与所有非空白字符匹配，等价于 [^ \t\v\n\f\r]

⑤\w：与所有字母数字字符匹配，等价于 [0-9a-zA-Z]

⑥\W：与所有非字母数字字符匹配，等价于 [^0-9a-zA-Z]

2）圆点字符 . 可以匹配任意一个字符

①a..b 匹配所有以 a 开头 b 结束的四字符串。

例如：模式： \w[^\w]\w，字符串：fsfjaksajkbkks^gctkjku 结果：s^g

5.重复

①基本重复运算符是 *，α*为α的 0 次或任意多次出现匹配。

例：[1-9][0-9]*或者[1-9]\d*代表任意大的正整数

②与 * 略微不同的重复运算符 + 表示 1 次或多次重复。

例：允许以0开头时，描述正整数的一种简单写法'\d+'。其中'α +'，等价于 'αα* '。

③用 ? 运算符表示 0 次或 1 次重复。

例：描述整数（表示整数的字符串）的一种简单模式 '-?\d+'前面的'-?'部分表示可以以负号开头。

④确定次数的重复用{n}表示，如：α{n}表示α串的 n 次重复匹配。

例：描述北京常规的固话号码：'(010-)?[2-9][0-9]{7}'表示可选010前缀，2-9开头，后面的任意数字加起来一共可以有七位。

⑤重复范围用 {m,n} 表示，如：α{m,n}表示α匹配的串的 m 到 n 次重复匹配。

例，a{3,7} 与 3 到 7 个 a 构成的串匹配；go{2,10}gle 与 google, gooogle, ..., goooooooooogle 匹配。

重复范围中的 m 和 n 均可以省略，α{,n} 表示 α{0,n}，而 α{m,} 表示 α{m, infinity}。注意： α{n} 等价于 α{n,n}，α? 等价于 α{0,1} ，α* 等价于 α{0,infinity}，α+等价于 α{1,infinity}。

（infinity表示无穷）

注意：*与+等重复要与前一个字符结合使用，表示对前一个字符的重复。

重复-总结：

6.重复-贪婪匹配模式:

特别注意，涉及重复的地方都会涉及一个概念叫做'贪婪匹配'。

如测试：字符串为abcdddddddd，正则表达式为abcd{3,5}，正常理解的话，我们会认为正则表达式可匹配abcddd、abcdddd、abcddddd，但是实际匹配为abcddddd。

        一般程序设计语言中，大多会默认正则表达式进行贪婪匹配，即可匹配的多个互相

        有包含关系的时候，只匹配最大的那一个。

取消贪婪匹配模式：在产生贪婪匹配的正则表达式后加？符号

7.括号：

正则表达式中括号()将其内部的内容形成一个整体，再进行外部运算。

例如：ab*代表一个a与许多个b连在一起，而(ab)*代表任意多个(ab)连在一起：模式为"((ab)*) " 。测试：字符串为abbbbabababcdddddddd。

在正则表达式较大、较复杂的时候，要特别注意运算的规则，以及运用括号达到自己真正需要表达的意思结果为abcddd)；abcd*（贪婪匹配），abcd+? (非贪婪，结果为abcd)。

8.首尾匹配---匹配行首用^，匹配行尾用$。

①行首匹配：以 ^ 符号开头的模式，只能与一行的前缀子串匹配。

例如'^for'只能匹配以'for'为前缀的一行。如果将其与一行'books for children'匹配，将得到 None。

②行尾匹配：以 $ 符号结尾的模式，只与一行的后缀匹配。

例如'fish$'只匹配以'fish'为后缀的一行。如果将其与一行'cats like to eat fishes'匹配，将得到 None。

注意：^与$代表的一行的开头与结束，而不是整个字符串的开头与结束。如果一个字符串中出现了多个换行符号，则模式或许可能与多个行首、行尾形成匹配。

总结：

案例1：

案例2：

提示：Python re正则匹配中文，把中文的unicode字符串转换成utf-8格式就可以了，然后可以在re中随意调用unicode中中文的编码为/u4e00-/u9fa5，因此正则表达式u”[\u4e00-\u9fa5]+”可以表示一个或者多个中文字符。

案例3：

正则表达式测试网址：

大家了解了正则表达式，想看下自己结果是否正确，可以去测试网址练手。大家网上直接搜正则表达式测试，也可以找到。找不到的可以用下面的两个：

http://tool.chinaz.com/regex/

https://regexper.com/