Python正则表达式中的常用符号

Python正则表达式中常用的符号

简介

正则表达式之所以叫做正则表达式，是因为他们可以识别正则字符串；源字一本书中的定义是：“如果你给我的字符串符合规则，我就返回它”，或者是“如果字符串不符合规则，我就忽略它”。Python正则表达式在编写网络爬虫代码时使用可能会极大提高效率。
其实正则表达式上手一点也不难，而且运行很快，通过一些简单的例子就可以轻松地学会。下面通过对一个邮箱地址的识别来帮助学习理解正则表达式：

规则	正则表达式
1.邮箱地址的第一部分至少包括一种内容：大写字母、小写字母、数字0-9、点号（.）、加号（+）或下划线（_）	[A-Za-z0-9._+]+:这个正则表达式简写表达的很好，它用”A-Z”表示“任意A～Z的大写字母”。把所有可能的序列和符号放在中括号（不是小括号）里表示“括号中的符号里任何一个”。要注意后面的加号，它表示“这些符号都可以出现多次，且至少出现一次”
2.之后，邮箱地址会包含一个@符号	@：这个符号很直接。@符号必须出现在中间位置，有且仅有一次
3.在符合@之后，邮箱地址还必须至少包含一个大写或小写字母	[A-Za-z]+:可能只在域名的前半部分、符号@后面用字母。而且，至少有一个字母
4.之后跟一个点号(.)	\.：在域名前必须有一个点号（.）
5.最后邮箱地址用com、org、edu、net结尾（实际上，顶级域名有很多种可能，但是作为展示这四个就够了）	(com|org|edu|net)：这样列出了邮箱地址中可能出现在点号之后的字母序列

常用符号

所以现在我们把上述的规则连接起来，就或者了完整的验证邮箱地址的正则表达式：

[A-Za-z0-9._+]+@[A-Za-z]+.(com|org|edu|net)

下面的表格总结了在Python的正则字符串中最常用的，可以用来查找和收集绝大多数数据类型。

符号	含义	例子	匹配结果
*	匹配前面的字符、子表达式或括号里的字符0次或多次	a*b*	aaaaaa,aabbbbb,bbbbbb
+	匹配前面的字符、子表达式或括号里的字符至少1次	a+b+	aaaaab、aaabbbbb、abbbbbb
[]	匹配任意一个字符（相当于任选一个）	[A-Z]*	APPLE,CAPSDF,QEFEFC
()	表达式编组（在正则表达式的规则里编组会优先运行）	(a*b)*	aaabaab,abaaab,ababaaab
{m,n}	匹配前面的字符、子表达式或括号里的字符m到n次（包含m或n）	a{2,3}b{2,3}	aabbb,aaabbb,aabb
[^]	匹配任意一个不在中括号里的字符	[^A-Z]*	apple,lowercase,beauty
|	匹配任意一个由竖线分割的字符、子表达式（注意是竖线，不是大写字母I）	b(a|c|e)d	bad,bcd,bed
.	匹配任意单个字符（包括符号、数字和空格）	b.d	bad，bzd，b$d,b d
^	指字符串开始位置的字符或子表达式	^a	apple,asdf,a
\	转义字符（把有特殊含义的字符转换成书面形式）	\.\|\\	.|\
$	经常用在正则表达式的末尾，表示“从字符串的末端匹配”。如果不用它，每个正则表达式实际都带着“.*”，只会从字符串开头进行匹配。这个符号可以看成是^符号的反义词	[A-Z]*[a-z]*$	ACacv,zzzyx,Bob
?!	“不包含”。这个奇怪的组合通常放在字符或正则表达式前面，表示字符不能出现在目标字符串里。这个符号比较难用，字符通常会在字符串的不同部位出现。如果要在整个字符串中全部排除某个字符，就加上^和$符号	^((?![A-Z]).)*$	no-caps-here,$ymb01s,a4e f!ne

每种语言的正则表达式大致相同，但不完全相同，比如Java和Python在具体使用时还需要查看相关文档。