正则表达式 Regex

1. 简介

    Regex（Regular expressions），描述了一种字符串匹配的模式（pattern），可以用来检查一个字符串是否包含某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

 

2. 语法

基本的

符号	说明	例子
|	选择，即或集	gray|grey 可以匹配 grey 或 gray
+	前边的字符出现1次或者多次
？	前边的字符出现0次或者1次
*	前边的字符出现0次、1次或者多次
{n}	重复 n 次
{n,}	重复 n 到 更多次
{n,m}	重复 n 到 m 次
()	定义操作的范围	1、(abc|bcd|cde)，表示这一段是abc、bcd、cde三者之一均可，顺序也必须一致 2、(abc)?，表示这一组要么一起出现，要么不出现，出现则按此组内的顺序出现 3、(?:abc)表示找到这样abc这样一组，但不记录，不保存到$变量中，否则可以通过$x取第几个括号所匹配到的项，比如：(aaa)(bbb)(ccc)(?:ddd)(eee)，可以用$1获取(aaa)匹配到的内容，而$3则获取到了(ccc)匹配到的内容，而$4则获取的是由(eee)匹配到的内容，因为前一对括号没有保存变量 4、a(?=bbb) 顺序环视 表示a后面必须紧跟3个连续的b 5、(?i:xxxx) 不区分大小写 (?s:.*) 跨行匹配.可以匹配回车符
[]	单个匹配	[0-3] 表示这个位置上必须是 0、1、2、3
[^x]	匹配除了x以外的任意字符	[^eiou] 匹配除了eiou这几个字母以外的任意字符 [^0-3]表示这个位置上是处理0到3之外的所有字符

元字符

代码	说明	例子
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字	^\w+匹配一行的第一个单词(或整个字符串的第一个单词，具体匹配哪个意思得看选项设置)
\W	匹配任意不是 \w 的字符
\s	匹配任意的空白符
\S	匹配任意不是空白符的字符	\S+匹配不包含空白符的字符串
\d	匹配数字	H(ae?|ä)ndel和H(a|ae|ä)ndel是相同的，表示{"Handel", "Haendel", "Händel"}
\D	匹配任意非数字的字符
\b	匹配单词的开始或结束
\B	匹配不是单词开头或结束的位置
^	匹配字符串的开始
$	匹配字符串的结束

 

常用分组语法

 

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?'name'exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
		匹配后面跟的不是exp的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

 

 

3. 例子

3.1 python中的正则表达式

import re

# (1星号)(2大写字母/下划线)(忽略不索引)(3数字)(4问号)
patternB = re.compile(r'(\*?)([A-Z_]+)(?:[a-z_]*)([0-9]*)(\?)?', re.M)

result = patternB.search(':CHANnel')

if result != None:
    a_para_0 = reuslt.group() // 匹配的所有
    a_para_1 = reuslt.group(1)
    a_para_2 = reuslt.group(2)
    a_para_3 = reuslt.group(3)
    a_para_4 = reuslt.group(4)

可以使用vscode进行单步调试，仿真结果

• a_para_0 是 'CHANnel1'
• a_para_1 是 ''
• a_para_2 是 'CHAN'
• a_para_3 是 '1'
• a_para_4 是 None （这里注意同 a_para_1 的区别）

小知识

re.M表示多行模式，当设置了后，'^'会匹配字符串的开始，和每一行的开始（换行符后紧跟的符号），$同理。

re.I表示忽略大小写，设置后不区分大小写。

在字符匹配中可能还会用到判断：

s = ...

判断是不是字母：s.isalpha()

判断是不是数字：s.isdigit()

判断是不是大写：s.isupper()

判断是不是小写：s.islower()

 

3.2 qt 中的正则表达式

// (1"<>"内的内容，这个因为外边的?要索引)(2{大括号内内容})(3()小括号内内容)(4"<>"内内容)(5<>后边的所有字母)
QRegExp reRoot("(?:(<\\s*\\w+\\s*>)::=)?\\s*\\{\\s*([\\w\\|-\\.]+)\\s*\\}\\s*(?:\\(((?:\\s*[\\w:]+\\s*,*\\s*)+)\\))?"
               "|(?:(<\\s*\\w+\\s*>)::=)?\\s*(\\w+)$");

QString longName = "<mode>::={OFF|MANual|TRACk|AUTO|XY}(cursor_mode_off,cursor_mode_manual,cursor_mode_track,cursor_mode_auto,cursor_mode_xy)"

int pos = reRoot.indexIn(longName, 0);
            if(pos != (-1))
            {
                a_0 = reRoot.cap(0); // 匹配的全部内容
                a_1 = reRoot.cap(1); // ..
                a_2 = reRoot.cap(2);
                a_3 = reRoot.cap(3);
                a_4 = reRoot.cap(4);
                a_5 = reRoot.cap(5);
            }

• a_0 是 "OFF|20M|25M|50M|70M|100M|150M|200M|300M|350M|500M|600M|1G|2G|4G|5G|10G|20G}(BW_OFF,BW_20M,BW_25M,BW"
• a_1 是 ""
• a_2 是 "OFF|20M|25M|50M|70M|100M|150M|200M|300M|350M|500M|600M|1G|2G|4G|5G|10G|20G"
• a_3 是 "BW_OFF,BW_20M,BW_25M,BW_50M,BW_70M,BW_100M,BW_150M,BW_200M,BW_300M,BW_350M,BW_500M,BW_600M,BW_1G,BW_"
• a_4 是 ""
• a_5 是 ""