python3-正则表达式
-
说在最前:最近刚学了形式语言,接触正则表达式也有一年半了,在这里做一点总结。
-
正则表达式目的:
匹配或者搜索特定模式的文本
- 举一个简单的例子,如果我们要搜索a_c这个字符串(下划线可用任意一个小写的英文字母代替),我们可以使用正则表达式中的a[a-z]c来查找,这个正则表达式时怎么生成的呢?
- 第一个字符a会匹配字符串中开头为a的子串,接下来,第二个字符串为**[a-z],它的意思是第二个字符串只能匹配范围为a-z**,如果符合规则,则继续下一步,否则匹配失败,寻找下一个开头为a的子串。例如此时遇到了ab,接着向后匹配,如果第三个字符为c则匹配成功,寻找下一个以a开头的子串,直到整个字符串匹配完成。
- 除了**[]**可以表示一个字符的匹配范围,还有别的什么符号我们可以在正则表达式中使用呢?
符号 | 意义 | 例子 |
---|---|---|
. | 表示任意字符,如果说指定了 DOTALL 的标识,就表示包括新行在内的所有字符。 | |
^ | 表示字符串开头。 | |
$ | 表示字符串结尾。 | ’ test ’ 可以匹配’ test ‘和’ testtool ‘,但’ test$ ‘只能匹配’ test '。 |
*, +, ? | '*‘表示后面可跟 0 个或多个字符,’+‘表示后面可跟 1 个或多个字符,’?‘表示后面可跟 0 个或多个字符 ’ abc* ‘可以匹配’ abc ’ 或者’ abcd ‘或者’ abcdefg '等等。 | |
*?, +?, ?? | 在上面的结果中只去第一个 | <*> 会匹配’<H1>title</H1>'整个字符串(贪婪匹配),使用 *? 可以只找出 <H1>(非贪婪匹配) |
{m} | 对于前一个字符重复 m 次 a{6} 匹配 6 个’a’ | |
{m,n} | 对于前一个字符重复 m 到 n 次 a{2,4} 匹配 2-4 个 a,a{2,} 匹配 2 个以上 a,a{,4} 匹配 4 个以下 a | |
{m,n}? | 对于前一个字符重复 m 到 n 次,并且取尽可能少的情况 在字符串’aaaaaa’中,a{2,4} 会匹配 4 个 a,但 a{2,4}? 只匹配 2 个 a | |
\ | 对特殊字符进行转义,或者是指定特殊序列 | |
[] | 表示一个字符集 | [abc] 会匹配字符 a,b 或者 c,[a-z] 匹配所有小写字母,[a-zA-Z0-9] 匹配所有字母和数字,[^6] 表示除了 6 以外的任意字符 |
| | 或者,只匹配其中一个表达式 | A|B,如果 A 匹配了,则不再查找 B,反之亦然 |
( … ) | 匹配括号中的任意正则表达式 | |
(?#…) | 注释,忽略括号内的内容 | |
(?= … ) | 表达式’…'之前的字符串 | 在字符串’ pythonretest ‘中 (?=test) 会匹配’ pythonre ’ |
(?!..) | 后面不跟表达式’…‘的字符串 如果’ pythonre ‘后面不是字符串’ test ‘,那么 (?!test) 会匹配’ pythonre ’ | |
(?<= … ) | 跟在表达式’…‘后面的字符串符合括号之后的正则表达式 正则表达式’ (?<=abc)def ‘会在’ abcdef ‘中匹配’ def ’ | |
(?<!..) | 括号之后的正则表达式不跟在’…'的后面 |
特殊表达式序列 | 意义 |
---|---|
\A | 只在字符串开头进行匹配。 |
\b | 匹配位于开头或者结尾的空字符串 |
\B | 匹配不位于开头或者结尾的空字符串 |
\d | 匹配任意十进制数,相当于 [0-9] |
\D | 匹配任意非数字字符,相当于 [^0-9] |
\s | 匹配任意空白字符,相当于 [ \t\n\r\f\v] |
\S | 匹配任意非空白字符,相当于 [^ \t\n\r\f\v] |
\w | 匹配任意数字和字母,相当于 [a-zA-Z0-9_] |
\W | 匹配任意非数字和字母的字符,相当于 [^a-zA-Z0-9_] |
\Z | 只在字符串结尾进行匹配 |
- 这里给出常用的几个正则表达式:常用正则表达式
- 还有一些其他的:
正则表达式 | 意义 |
---|---|
<script[^>]*>[\s\S]*?</script> | 匹配网页中的script |
<.*css[^>]*>[\s\S]*?</style> | 匹配网页中的css |