python正则表达式

特殊符号和字符

0x01 匹配多个正则表达式 |

管道符|，从多个模式中选择其一，正则模式at|home

>>> str = re.match("at|home","home")
>>> str.group()
'home'
>>> str = re.match("at|home","at qaq")
>>> str.group()
'at'

0x02 匹配任意单个字符 .

点号或者句点.符号匹配除了换行符\n以外的任意字符（python正则表达式有一个编译标记[S 或者 DOTALL]，该标记能够推翻这个限制，使点号能够匹配换行符）。无论字母、数字、空格（不包括\n换行符）、可打印字符、不可打印字符，还是一个符号，使用点号都能匹配他们。

>>> str = re.match(".","a")
>>> str.group()
'a'

总结了一下常见的换行符和空格，经过测试，除了\n都能匹配

• 换行符\v \n \f

>>> print("123\v456")
123
456
>>> print("123\n456")
123
456
>>> print("123\f456")
123
456

• \t 制表符，四个空格，相当于table键

>>> print("123\t456")
123     456

• \r将光标的位置回退到本行的开头位置
  在命令行实现倒计时功能

import time
for i in range(10):
    print("\r离程序退出还剩%s秒" % (9-i), end="")
    time.sleep(1)

0x03 从字符起始、结尾、边界匹配

• 匹配起始位置：脱字符^、特殊字符\A
• 匹配末尾位置：美元符号$、特殊字符\Z

后者主要用于没有脱字符的键盘，例如某些国际键盘

匹配以from起始的字符串

>>> str = re.match("^from.*","from home")
>>> str.group()
'from home'

匹配以end结尾的字符串

>>> str = re.match(".*end$","123end")
>>> str.group()
'123end'

• \b 匹配一个字符的边界
• \B 不是单词边界

任意以the开始的字符串

\bthe

只匹配单词the

\bthe\b

任何包含但不以the为起始的字符串

\Bthe

0x04 限定范围和否定

方括号中两个符号中间用连字符-连接 ，用于指定一个字符的范围，例如 a-z、A-Z或者0-9，如果脱字符紧跟在左方括号后面，则表示不匹配给定字符中的任意一个字符

匹配字母z后紧跟任何一个字符，然后跟一个数字

>>> re.match("z.[0-9]","z=3").group()
'z=3'

>>> re.match("[a-b][deh-j][y-z]","ahy").group()
'ahy'

匹配非元音字符

>>> re.match("[^aeiou]*","pygb").group()
'pygb'

0x04 使用闭包操作符实现存在性和频数匹配

• * 匹配左边的表达式出现零次或者多次的情况。
• + 一次或多次出现的正则表达式。
• ? 匹配零次或一次出现的正则表达式。
• {N}或{M,N} 匹配前面的正则表达式N次，或匹配M-N次出现。

匹配15或者16位数字

[0-9]{15,16}

0x05 表示字符集的特殊字符

• \d 匹配任何十进制数
• \w 匹配全部字母数字，[A-Za-z0-9_]
• \s 匹配空格字符
• 以上大写版本表示不匹配，例如 \D表示任何非十进制数

匹配美国电话的格式例如800-555-1212

\d{3}-\d{3}-\d{4}

匹配qq邮箱

\d{5,10}@qq.com

0x06 圆括号指定分组

名字和姓氏

>>> re.match("(Mr?s?\.)?([A-Za-z]*[A-Za-z-]+)","Mr.chen").group(0)
'Mr.chen'
>>> re.match("(Mr?s?\.)?([A-Za-z]*[A-Za-z-]+)","Mr.chen").group(1)
'Mr.'
>>> re.match("(Mr?s?\.)?([A-Za-z]*[A-Za-z-]+)","Mr.chen").group(2)
'chen'

0x07 拓展表示法

没怎么看懂

参考《python核心编程》学习笔记（一）：正则表达式扩展表示法

（?:\w+\.）* 以句点作为结尾的字符串，例如“google.”、“twitter.”、“facebook.”，但是这些匹配不会保存下来供后续的使用和数据检索

（？#comment） 此处不做匹配，只是作为注释

（？=.com） 如果一个字符串后面跟着“.com”才做匹配操作，并不使用任何目标字符串

（？！.net） 如果一个字符串后面不是跟着“.net”才做匹配操作

（？<=800-） 如果字符串之前为“800-”才做匹配，假定为电话号码，同样，并不使用任何输入字符串

（？<!192\.168\.） 如果一个字符串之前不是“192.168.”才做匹配操作，用来过滤掉一组C类IP地址

（？（1）y|x） 如果一个匹配组1存在，就与y匹配，否则与x匹配

总结来看，四种断言：

正向前行匹配（？=...） ##以某个字符串结尾

负向前行匹配（？！...） ##不以某个字符串结尾

正向后行匹配（？<=...） ##以某个字符串开头

负向后行匹配（？<!...） ##不以某个字符串开头

所谓的前行(lookahead)和后行(lookbehind)，其实就是向前看和向后看的意思