正则表达式 Regular Expression

Regular Expression

• 正则表达式是文本处理极为重要的技术，用它对字符串按照某种规则进行检索、替换；

一、基本语法：

1.1 元字符 meta character【1、元字符都是表示一个字符；2、元字符中的斜杠都是反斜杠；3、全局匹配；】

 

注意：

• 元字符 \w 类似标识符；
• 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，请使用 \ 转义；
• \r 、 \n 还是转义后代表回车、换行；

 

1.2 重复

小结：

• 至少重复 0 次的有：* 、？ ；
• 至少重复 1 次的有：+ ；
• 至多重复 1 次的有：？；
• { n } 与 { n，} 有区别，前者固定重复 n 次；后者至少重复 n 次，至多重复无限制；

 

1.3 表达式

 

 

注意：

• Python使用命名分组中时，格式为（？P<name>exp）需要在 ？问号后加 P 大写的P；
• 使用命名分组的分组时，调用分组需要在尖括号前加转义字符 \ ；eg：\<name>
• 特别注意：使用断言时匹配到的是断言前的字符，而不是断言中的条件；这里要特别注意；
• 在正则表达式中注释少用；
• 分组和捕获是同一个意思；
• 断言与分组不同，断言不占用分组号；断言如同条件，只是要求匹配必须满足断言的条件；

 

 

 

二、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；

 

2.1 非贪婪模式

 

eg：very very happy

1. 使用贪婪模式：v.*y Match：very very happy
2. 使用非贪婪模式：v.*?y Match：（1）very（2）very

 

2.2 引擎选项

 

小结：

• 单行模式：
  • . 点可以匹配所有字符，包括换行符；
  • ^ 脱字符表示整个字符串的开头，$ 整个字符串的结尾；
• 多行模式：
  • . 点可以匹配除了换行符之外的字符；
  • ^ 脱字符表示行首，$ 行尾；
  • ^ 脱字符表示整个字符串的开始，$ 表示整个字符串的结尾。开始指的是 \n 后紧接着下一个字符，结束指的是 \n 前的字符；
• 总结：可以认为，单行模式就如同看穿了换行符，所有文本就是一个长长的只有一行的字符串，所以 ^ 脱字符就是这一行字符串的行首，$ 就是这一行的行尾；
• 多行模式：无法穿透换行符，^ 脱字符和 $ 还是行首行尾的意思，只不过限于每一行；

 

注意：注意字符串中看不见的换行符，\r\n 会影响 e$ 的测试，e$ 只能匹配e\n