1. 资源链接
- https://regex101.com/(很好用的测试正则表达式的工具)
- www.debuggex.com
- AI-Powered Regex Solver
- 10 分钟快速掌握正则表达式_哔哩哔哩_bilibili(入门学习视频)
2.主要内容
1. 元字符(Metacharacters)
元字符是正则表达式中具有特殊含义的字符,匹配特定的字符类型或位置。以下是一些常用的元字符:
.
: 匹配任意单个字符(换行符除外)。^
: 匹配字符串的开始。$
: 匹配字符串的结束。*
: 匹配前面的字符 0 次或多次。+
: 匹配前面的字符 1 次或多次。?
: 匹配前面的字符 0 次或 1 次。{n}
: 精确匹配前面的字符 n 次。{n,}
: 匹配前面的字符至少 n 次。{n,m}
: 匹配前面的字符至少 n 次,至多 m 次。[]
: 匹配方括号内的任意一个字符,例如[abc]
匹配a
、b
或c
。|
: 或运算符,匹配符号两边的任意一个模式,例如a|b
匹配a
或b
。()
: 捕获组,用于提取匹配的子串或在模式中应用量词。\
: 转义字符,用于匹配元字符本身或特殊的转义序列。
1.1 限定符 (Quantifier)
限定符用于指定前面的字符或表达式在目标字符串中出现的次数。
*
: 匹配前面的字符 0 次或多次。+
: 匹配前面的字符 1 次或多次。?
: 匹配前面的字符 0 次或 1 次。{n}
: 精确匹配 n 次。{n,}
: 至少匹配 n 次。{n,m}
: 匹配 n 到 m 次。
例如:
a*
: 匹配a
出现 0 次或多次。例如,"aaa"
或""
都可以匹配。a+
: 匹配a
出现 1 次或多次。例如,"a"
或"aaa"
可以匹配,但""
无法匹配。a?
: 匹配a
出现 0 次或 1 次。例如,"a"
或""
可以匹配,但"aa"
无法匹配。a{6}
: 匹配a
精确出现 6 次。例如,"aaaaaa"
可以匹配。a{2,6}
: 匹配a
出现 2 到 6 次之间。例如,"aa"
、"aaa"
、"aaaaaa"
可以匹配。a{2,}
: 匹配a
出现至少 2 次。例如,"aa"
或"aaaaaa"
可以匹配。
1.2 或运算符 (OR Operator)
或运算符用于在正则表达式中创建多个可选项。
(a|b)
: 匹配a
或b
中的任意一个。例如,"a"
或"b"
可以匹配。(ab)|(cd)
: 匹配ab
或cd
之一。例如,"ab"
或"cd"
可以匹配。
1.3 字符类 (Character Classes)
字符类用于匹配一组字符中的任意一个。
[abc]
: 匹配a
、b
或c
中的任意一个字符。[a-c]
: 匹配a
到c
之间的任意一个字符,这种形式用于表示字符的范围。[a-fA-F0-9]
: 匹配小写字母a
到f
、大写字母A
到F
以及数字0
到9
。这通常用于匹配十六进制数字。[^0-9]
: 匹配非数字字符。^
在字符类中表示取反。
1.4 贪婪/懒惰匹配 (Greedy / Lazy Match)
贪婪匹配和懒惰匹配用于控制量词的行为:
- 默认情况下,量词是贪婪的,这意味着它会尽可能多地匹配字符。例如,
<.+>
会匹配尽可能多的字符。 - 使用
?
使量词变为懒惰匹配,这样它会尽可能少地匹配字符。例如,<.+?>
会匹配尽可能少的字符。
2. 常见转义序列
\d
: 匹配任何一个数字,相当于[0-9]
。\D
: 匹配任何一个非数字字符。\w
: 匹配任何一个字母、数字或下划线,相当于[a-zA-Z0-9_]
。\W
: 匹配任何一个非字母、数字或下划线的字符。\s
: 匹配任何一个空白字符(空格、制表符、换行符等)。\S
: 匹配任何一个非空白字符。
3. 边界匹配
^
: 匹配字符串的开始。例如^Hello
匹配以Hello
开头的字符串。$
: 匹配字符串的结束。例如world$
匹配以world
结尾的字符串。\b
: 匹配单词边界。例如\bword\b
匹配完整的单词word
。
图片中显示的内容包括了一些正则表达式的核心概念和操作符,以下是这些概念的详细讲解:
4. 捕获组和非捕获组
捕获组用于提取匹配到的子字符串:
(abc)
: 匹配abc
并捕获该匹配结果。(?:abc)
: 匹配abc
但不捕获该匹配结果(非捕获组)。
捕获组在正则表达式中非常有用,特别是在匹配并提取子字符串时。
5. 零宽断言(Lookahead and Lookbehind)
零宽断言用于匹配位置,而不是匹配字符,它们不会消耗字符。
(?=pattern)
: 正向先行断言,匹配某个模式前的位置。(?!pattern)
: 负向先行断言,匹配某个模式前不存在的位置。(?<=pattern)
: 正向后行断言,匹配某个模式后的位置。(?<!pattern)
: 负向后行断言,匹配某个模式后不存在的位置。
图片中显示的内容包括了一些正则表达式的核心概念和操作符,以下是这些概念的详细讲解:
3. 应用场景
- 匹配字符串: 通过正则表达式查找、验证特定的字符串模式。
- 提取信息: 使用捕获组从字符串中提取特定的信息。
- 文本替换: 使用正则表达式替换文本中的某些部分。
- 数据验证: 验证用户输入的数据格式是否正确,例如验证电子邮件、电话号码等。
4. 示例和实践
示例 1:匹配电子邮件地址
import re
email = "contact@example.com"
pattern = r'[\w\.-]+@[\w\.-]+'
match = re.match(pattern, email)
if match:
print("Valid email address:", match.group())
else:
print("Invalid email address")
示例 2:提取文本中的日期
import re
text = "Today's date is 2024-08-23."
pattern = r'\d{4}-\d{2}-\d{2}'
date = re.search(pattern, text)
if date:
print("Found date:", date.group())
else:
print("No date found")
示例 3:替换文本中的敏感信息
import re
text = "My credit card number is 1234-5678-9876-5432."
pattern = r'\d{4}-\d{4}-\d{4}-\d{4}'
safe_text = re.sub(pattern, "****-****-****-****", text)
print("Safe text:", safe_text)
示例 4:匹配 IPv6 地址
import re
# 示例中的IPv6地址
ipv6_address = "2001:0db8:85a3:0000:0000:8a2e:0370:7334"
# 匹配IPv6地址的正则表达式模式
pattern = r'([0-9a-fA-F]{1,4}:){7}([0-9a-fA-F]{1,4})'
match = re.match(pattern, ipv6_address)
if match:
print("Valid IPv6 address:", match.group())
else:
print("Invalid IPv6 address")
[0-9a-fA-F]{1,4}
: 匹配 1 到 4 个十六进制数字(0-9,a-f,A-F)。:
: 匹配冒号分隔符。([0-9a-fA-F]{1,4}:){7}
: 匹配 7 组由冒号分隔的 1 到 4 个十六进制数字。([0-9a-fA-F]{1,4})
: 匹配最后一组 1 到 4 个十六进制数字。
扩展:
IPv6 地址的表示形式可能会有所不同,比如可以使用缩略表示法(双冒号::),这种情况下,正则表达式会更复杂。如果要匹配完整的 IPv6 地址(包括可能的缩略表示),可以参考更复杂的模式,如:
pattern = r'(([0-9a-fA-F]{1,4}:){7}([0-9a-fA-F]{1,4})|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}){1,7})'
这个正则表达式考虑了 IPv6 地址中的缩写形式,但实现起来比较复杂,通常可以借助专门的库来解析和验证 IPv6 地址。