基本概念:
正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为”元字符“)。
使用单个字符串来描述、匹配某个句法规则。
语法:
非打印字符 详细请参考ASCII码表
字符 | 描述 |
---|---|
\cx | 匹配Ctrl + 控制字符,就是说匹配由x指明的控制字符。例如,\cM 匹配 Ctrl + M,等价于 \r。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 ‘c’ 字符。 |
\f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
\n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
\r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
\t | 匹配一个制表符。等价于 \x09 和 \cI。 |
\v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
\s | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
\S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
特殊字符匹配它本身需要转义
特殊字符 | 描述 |
---|---|
$ | 匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性(java中的使用),则 $ 也匹配’\n’ 或 ‘\r’。要匹配 $ 字符本身,请使用 \$。 |
^ | 匹配输入字符串的开始位置, 但在方括号表达式中使用时,它表示不接受该字符集合。要匹配 ^ 字符本身,请使用 \^。 |
\b | 匹配一个字边界,即字与空格间的位置,或行的开始结束处。 |
\B | 非字边界匹配。 |
( ) | 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符,请使用 \( 和\ )。 |
. | 匹配除换行符 \n 之外的任何单字符。要匹配 . ,请使用\. 。 |
[ | 标记一个中括号表达式的开始。要匹配 [,请使用 \[。 |
\ | 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如, ‘n’ 匹配字符 ‘n’。’\n’ 匹配换行符。序列 ‘\\’ 匹配 “\”,而 ‘\(’ 则匹配 “(“。 |
{ | 标记限定符表达式的开始。要匹配 {,请使用\ {。 |
| | 指明两项之间的一个选择。要匹配 |,请使用 \|。 |
* | 匹配前面的子表达式零次或多次。例如,zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}。要匹配 * 字符,请使用 \*。 |
+ | 匹配前面的子表达式一次或多次。例如,’zo+’ 能匹配 “zo” 以及 “zoo”,但不能匹配 “z”。+ 等价于 {1,}。要匹配 + 字符,请使用 \+。 |
? | 匹配前面的子表达式零次或一次,或指明一个非贪婪限定符。要匹配 ? 字符,请使用 \?。 |
{n} | n 是一个非负整数。匹配确定的 n 次。例如,’o{2}’ 不能匹配 “Bob” 中的 ‘o’,但是能匹配 “food” 中的两个 o。 |
{n,} | n 是一个非负整数。至少匹配n 次。例如,’o{2,}’ 不能匹配 “Bob” 中的 ‘o’,但能匹配 “foooood” 中的所有 o。’o{1,}’ 等价于 ‘o+’。’o{0,}’ 则等价于 ‘o*’。 |
{n,m} | m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,”o{1,3}” 将匹配 “fooooood” 中的前三个 o。’o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。 |
贪婪&非贪婪:
*、+限定符都是贪婪的,因为它们会尽可能多的匹配文字,只有在它们的后面加上一个?就可以实现非贪婪或最小匹配。
例如,您可能搜索 HTML 文档,以查找括在 H1 标记内的章节标题。该文本在您的文档中如下:
Chapter 1 - 介绍正则表达式
贪婪:下面的表达式匹配从开始小于符号 (<) 到关闭 H1 标记的大于符号 (>) 之间的所有内容。
/<.*>/
非贪婪:如果您只需要匹配开始和结束 H1 标签,下面的非贪婪表达式只匹配
。
/<.*?>/
如果只想匹配开始的 H1 标签,表达式则是:
/<\w+?>/
通过在 *、+ 或 ? 限定符之后放置 ?,该表达式从”贪心”表达式转换为”非贪心”表达式或者最小匹配。
# print re.findall(r".*\d","sdafds 3023")
['sdafds 3023']
# print re.findall(r".*?\d","sdafds 3023")
['sdafds 3', '0', '2', '3']
# print re.findall(r".*?(\d)","sdafds 3023")
['3', '0', '2', '3']
#print re.findall(r".*?(\d+)","sdafds 3023")
['3023']
#print re.findall(r"^.*?(\d+)","sdafds 3023")
['3023']