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和替换。
1970年代,Unix之父Ken Thompason将正则表达式引入到Uxin中的文本编辑器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
1、BRE
基本正则表达式,grep、sed、vi等软件支持。vim有扩展。
2、ERE
扩展正则表达式,egrep(grep -E)、sed -r等。
3、PCRE
几乎所有高级语言都是PCRE的方言或变种。Python从1.6开始使用正则表达式引擎,可以认为是PCRE的子集,见模块re。
基本语法
元字符 metacharacter
代码 | 说明 | 举例 |
---|---|---|
. | 匹配除换行符外任意一个字符 | . |
[abc] | 字符集合,只能表示一个字符位置。<br/ >匹配所包含的任意一个字符 | [abc]匹配plain中的’a’ |
[^abc] | 字符集合,只能表示一个字符位置<br/ >匹配除去集合内字符的任意一个字符 | [^abc]可以匹配plain中的’p’,‘l’,‘i’或者’n’ |
[a-z] | 字符范围,也是个集合,表示一个字符位置<br/ >匹配所包含的任意一个字符 | 常用[A-Z],[0-9] |
[^a-z] | 字符范围,也是个集合,表示一个字符位置<br/ >匹配出去集合内字符的任意一个字符 | |
\b | 匹配单词的边界 | \bb在文本中找到单词中b开头的b字符 |
\B | 不匹配单词的边界 | t\B包含t的单词但是不以t结尾的t字符,例如write<br/ >\Bb不以b开头的含有b的单词,例如able |
\d | [0-9]匹配1位数字 | \d |
\D | [^0-9]匹配一位非数字 | |
\s | 匹配1位空白字符,包括换行符、制表符、空格<br/ >[\f\r\n\t\v] | |
\S | 匹配1位非空白字符 | |
\w | 匹配[a-zA-Z0-9_],包括中文的字 | \w |
\W | 匹配\w之外的字符 |
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。
反斜杠自身,得使用\\
\r、\n还是转义后代表回车、换行
重复
代码 | 说明 | 举例 |
---|---|---|
* | 表示前面的正则表达式会重复0次或多次 | e\w*单词中e后面可以有非空白字符 |
+ | 表示前面的正则表达式重复至少1次 | e\w+单词中e后面至少有一个非空白字符 |
? | 表示前面的正则表达式会重复0次或1次 | e\w?单词中e后面至多有一个非空白字符 |
{n} | 重复固定的n次 | e\w{1}单词中e后面只能由一个非空白字符 |
{n,} | 重复至少n次 | e\w{1,}等价e\w+<br/ >w\w{0,}等价e\w*<br/ >e\w{0,1}等价e\w? |
{n,m} | 重复n到m次 | e\w{1, 10}单词中e后面至少1个,至多10个非空白字符 |
练习:
1、匹配手机号码
字符串为’手机号码13246546466‘
2、匹配中国座机
字符串为’号码025-23214235、0543-423543536。‘
1、\d{11}
2、\d{3,4}-\d{7,8}
或
代码 | 说明 | 举例 |
---|---|---|
x|y | 匹配x或者y | wood took foot food<br/ >使用w | food 或者(w|f)food |
捕获
代码 | 说明 | 举例 |
---|---|---|
(pattern) | 使用小括号指定一个子表达式,也叫分组<br/ >捕获后会自动分配组号从1开始<br/ >可以改变优先级 | |
\数字 | 匹配对应的分组 | (very)\1匹配very very,但捕获的组group是very |
(?:pattern) | 如果仅仅为了改变优先级,就不需要捕获分组 | (?:w|f)ood<br/ >'industr(?:y|ies)‘等价’industry|industries’ |
(?<br/ >exp<br/ >(?'name’exp)) | 命名分组捕获,但是可以通过name访问分组<br/ >Python语法必须是(?exp) |
零宽断言
测试字符串为wood took foot food
代码 | 说明 | 举例 |
---|---|---|
(?<br/ >=exp) | 零宽断言正预测先行断言<br/ >断言exp一定在匹配的右边出现,也就是说断言后面一定跟个exp | f(?=oo)f后面一定有oo出现 |
(?<br/ ><=exp) | 零宽断言正回顾后发断言<br/ >断言exp一定出现在匹配的左边出现,也就是说前面一定有个exp前缀 | (?<=f)ood、(?<=t)ook分别匹配ood、ook,ook前一定有t出现 |
负向零宽断言
代码 | 说明 | 举例 |
---|---|---|
(?!exp) | 零宽度负预测先行断言<br/ >断言exp一定不会出现在右侧,也就是说断言后面一定不是exp | \d{3}(?!\d)匹配3位数字,断言3位数字后面一定不能是数字<br/ >foo(?!d)foo后面一定不是d |
(?<br/ ><!exp) | 零宽度负回顾后发断言<br/ >断言exp一定不能出现在左侧,也就是说断言前面一定不能是exp | (?<!f)ood ood的左边一定不是f |
代码 | 说明 | 举例 |
---|---|---|
(?#comment) | 注释 | f(?=oo)(?#这个后断言不捕获) |
注意:
断言会不会捕获呢?也就是断言占不占分组号?
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。
分组和捕获是同一个意思
使用正则表达式时,能用简单表达式,就不用复杂的表达式。
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?,就尽量的少匹配了。
代码 | 说明 | 举例 |
---|---|---|
*? | 匹配任意次,但尽可能少重复 | |
+? | 匹配至少1次,但尽可能少重复 | |
?? | 匹配0次或1次,但尽可能少重复 | |
{n,}? | 匹配至少n次,但尽可能少重复 | |
{n,m}? | 匹配至少n次,至多m次,但尽可能少重复 |
very very happy 使用v.*y和v.*?y
引擎选项
代码 | 说明 | 举例 |
---|---|---|
ignoreCase | 匹配时忽略大小写 | re.l<br/ >re.IGNORECASE |
Singleline | 单行模式。可以匹配所有字符,包括\n | re.S<br/ >re.DITALL |
Multiline | 多行模式^行首、$行尾 | re.M<br/ >re.MULTILINE |
IgnorePatternWhitespace | 忽略表达式中的空白字符,如果哟啊使用空白字符用转义,#可以用来做注释 | re.X<br/ >re.VERBOSE |
单行模式:
.可以匹配所有字符,包括换行符
^表示整个字符串的开头,$整个字符串的结尾
多行模式:
.可以匹配除了换行符之外的字符,多行不影响.
^表示行首,$行尾,只不过这里的行是每一行
默认模式:可以看作待匹配的文本是一行,不能看作多行,.不能匹配换行符,^和$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
单行模式:基本和默认模式一样,只是.终于可以匹配任意一个字符包括换行符,这时所有文本就是一个长长的只有一行的字符串。^就是这一行字符串的行首,$就是这一行的行尾。
多行模式:
重新定义了行的概念,但不影响.的行为,^和还是行首行尾的意思,只不过因为多行模式可以识别换行符了。'开始'指的是\n后紧接着下一个字符;'结束'指的是\n前的字符,注意最后一行结尾可以没有\n。
简单讲,单行模式只影响.行为,多行模式重新定义行影响了^和$。
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
举例
very very happy
harry key
上面2行happy之后,有可能是\r\n结尾。
y$单行匹配key的y,多行匹配happy和key的y。
.$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。