【工具】-正则表达式

简介

模式字符串使用特殊的语法来表示一个正则表达式：

1、字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。
2、多数字母和数字前加一个反斜杠时会拥有不同的含义。
3、标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。
4、反斜杠本身需要使用反斜杠转义。
5、由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r’\t’，等价于’\t’)匹配相应的特殊字符。

分组说明

1、当我们在一个正则表达式中使用一个括号的话，就可以将一个需要进行匹配的字符串进行分组，将我们匹配的字符串进行分离处理。一般要分多组的话，左括号从左到右从1开始编号。

2、我们也可以简单的使用正则表达式，在正则表达式中还可以对分组自身进行引用。分组简化正则表达式，分组的右侧可以通过分组的编号引用分组匹配的子串。还可以将分组看成是一个整体，在分组的后面可以加量词，这个量词的作用域就是整个分组。

3、re.match()函数：这个函数是从字符串的开头开始匹配正则表达式。它尝试在输入字符串的起始位置进行匹配，如果匹配成功，就返回一个匹配对象；如果不成功，返回None。

4、re.search()函数：这个函数在整个输入字符串中搜索正则表达式的匹配项。它会扫描整个字符串，直到找到第一个匹配项，然后返回一个匹配对象；如果没有找到匹配项，同样返回None。

group(0)或group()返回整个匹配的字符串。
group(n)返回第n个括号组（parenthesized subgroup）匹配的字符串，括号组是通过在正则表达式中使用括号()创建的。n=1是第一个括号组，n=2是第二个括号组，以此类推。

re.match(r'l','liuyan1').group()  #返回l
re.match(r'y','liuyan1')  #返回None
re.search(r'y','liuyan1').group() #返回y

常见的表达式

表达式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[…]	用来表示一组字符,单独列出：[amk] 匹配 ‘a’，‘m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}
re{ n,}	精确匹配n个前面表达式。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	G匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (…), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#…)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功
(?> re)	匹配的独立模式，省去回溯。
\w	匹配字母数字
\W	匹配非字母数字
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。c
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
\1…\9	匹配第n个分组的子表达式。
\10	匹配第n个分组的子表达式，如果它经匹配。否则指的是八进制字符码的表达式。

修饰符

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行（\n）在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

简单实例

实例	描述
[Pp]ython	匹配 “Python” 或 “python”
rub[ye]	匹配 “ruby” 或 “rube”
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符
实例	描述
.	匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用象 ‘[.\n]’ 的模式。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]'。
\W	匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]’。

实例1

'''
group(0)或group()返回整个匹配的字符串。
group(n)返回第n个括号组（parenthesized subgroup）匹配的字符串，括号组是通过在正则表达式中使用括号()创建的。n=1是第一个括号组，n=2是第二个括号组，以此类推。
'''

import re

# 假设我们有一个包含日期的字符串
text = "Today's date is 15/04/2023."

# 我们使用正则表达式来匹配这个日期，其中包括三个分组：天、月、年
date_pattern = re.compile(r'(\d{2})/(\d{2})/(\d{4})')

# 使用search方法查找匹配项
match = date_pattern.search(text)

if match:
    # 打印整个匹配的字符串
    print(match.group(0))  # 输出: 15/04/2023
    # 分别打印每个分组的匹配内容
    print(match.group(1))  # 输出: 15 (天)
    print(match.group(2))  # 输出: 04 (月)
    print(match.group(3))  # 输出: 2023 (年)

实例2

'''
1、当我们在一个正则表达式中使用一个括号的话，就可以将一个需要进行匹配的字符串进行分组，将我们匹配的字符串进行分离处理。一般要分多组的话，左括号从左到右从1开始编号。

2、我们也可以简单的使用正则表达式，在正则表达式中还可以对分组自身进行引用。分组简化正则表达式，分组的右侧可以通过分组的编号引用分组匹配的子串。还可以将分组看成是一个整体，在分组的后面可以加量词，这个量词的作用域就是整个分组。

'''

import re
m = "(([1-9])\d*)([a-z]{2})"
r = re.match(m,"2246pq")
if r !=None:
    print(r.groups())  # >>('2246', '2', 'pq')
    print(r.group(0))  # >>2246pq
    print(r.group(1))  # >>2246
    print(r.group(2))  # >>2
    print(r.group(3))  # >>pq