Python-正则表达式

概述

• 正则表达式，Regular Expression，缩写为regex、regexp、RE等。
• 正则表达式是文本处理极为重要的技术，用它可以对字符串按照某种规则进行检索、替换。
• 1970年代，Unix之父Ken Thompson将正则表达式引入到Unix中文本编辑器ed和grep命令中，由此正则表达式普及开来。
• 1980年后，perl语言对Henry Spencer编写的库，扩展了很多新的特性。1997年开始，Philip Hazel开发出了PCRE(Perl Compatible Regular Expressions)，它被PHP和HTTPD等工具采用。
• 正则表达式应用极其广泛，shell中处理文本的命令、各种高级编程语言都支持正则表达式。
• 参考：https://www.w3cschool.cn/regex_rmjc/

分类

BRE

• 基本正则表达式，grep、sed、vi等软件支持。vim有扩展

ERE

• 扩展正则表达式，egrep（gerp -E）、sed -r等

PCRE

• 几乎所有高级语言都是PCRE的方言或者变种，Python从1.6开始就使用SRE正则表达式引擎，可以认为是PCRE的子集，见模块re

基本语法

元字符 metacharacter

转义

• 凡是在正则表达式中有特殊意义的符号，如果想使用它的本意，需使用\转义
• 反斜杠自身,得使用\
• \r，\n代表回车、换行

重复

练习

• 1、匹配手机号码
  字符串为“手机号码13899879021”
• 2、匹配中国坐骑
  字符串为“号码027-65666837、0543-5837291”
• 代码实现
• 1、\d{11}
• 2、\d{3,5}-\d{7,8}

or匹配与分组

• 注意：
  分组和捕获是同一个意思
  使用正则表达式，能用简单表达式，就不要复杂的表达式

零宽度断言

• 注意：
  断言不占分组号。断言如同条件，只是要求匹配必须满足断言的条件

注释

贪婪与非贪婪

• 默认是贪婪模式，也就是说尽量多匹配更长的字符串
• 非贪婪很简单，在重复的符号后面加上一个？问号，就尽量的少匹配了
  
  

引擎选项

工作模式

单行模式

• . 点号可以匹配所有字符，包括换行符
• ^ 表示整个字符串的开头
• $ 表示整个字符串的结尾

多行模式

• . 点号可以匹配除了换行符之外的字符，多行不影响 . 点号
• ^ 表示行首，$ 表示行尾，不过这里的行是每一行

默认模式

• 可以看做待匹配的文本是一行，不能看做多行
• . 点号不能匹配换行符
• ^ 和 $ 表示行首和行尾，而行首行尾就是整个字符串的开头和结尾

总结

• 简单讲，单行模式只影响 . 点号行为，多行模式重新定义行影响了 ^ 和 $
• 字符串看不见的换行符，\r\n会影响e$的测试，e$ 只能匹配e\n

举例

very very happy
harry key

• 上面2行happy之后，有可能是\r\n结尾
• y$ 单行匹配key的y，多行匹配happy和key的y（这里的匹配是全局匹配）
• .$ 指的是此行的结尾，而默认模式和单行模式都是一行，指的是这个大字符串的最后一个字符，就是key的y