“原子是正则表达式的最基本的组成单位,并且在每一个模式中最少包含一个原子。原子是由全部那些未显示指定为元字符的打印和非打印字符组成,因此在这里将其详细划分为五类进行介绍。”
①普通字符做为原子
普通字符是编写正则表达式时最多见的原子了,包括全部的大写和小写字母字符、全部数字等。例如,a——z、A——Z、0——9。
②一些特殊字符和元字符做为原子
任何一个符号均可以做为原子使用,但若是这个符号在正则表达式中有一些特殊意义,咱们就必须使用转义字符“\”取消它的特殊意义,将其变成一个普通的原子。例如,全部标点符号以及一些其余符号,双引号“””、单引号“’”、“*”、“+”、“.”等,若是当原子就必须像\”、\’、\+和\.这样使用。
③一些非打印字符做为原子
所谓的非打印字符,是一些在字符串中的格式控制符号,例如空格、回车及制表符号等。例以下表所示列出了正则表达式中经常使用的非打印字符及其含义。
元字符(经常使用的元字符)
④使用“通用字符类型”做为原子
前面介绍的无论是打印字符仍是非打印字符做为原子,都是一个原子只能匹配一个字符。而有时咱们须要一个原子能够匹配一类字符,例如,匹配全部数字不是一个数字,匹配全部字母而不是一个字母,这时就要使用“通用字符类型”了。例以下表所示列出了正则表达式中经常使用“通用字符类型”及其含义。
⑤自定义原子表([])做为原子
c.模式修正符(经常使用的模式修正符)
“模式修正符就是几个字母,咱们在每一个正则表达式中能够一次使用一个,也能够连续使用多个,每个具必定的意义。对整个正则表达式调优使用,也能够说是对正则表达式功能的扩展。”经常使用模式修正符有:
i - 正则内容在匹配时候不区分大小写(默认是区分的)
m - 在匹配首内容或者尾内容时候采用多行识别匹配
s - 将转义回车/n取消是为单行匹配如.
x - 忽略正则中的空白
A - 强制从头开始匹配
D - 强制$匹配尾部无任何内容包括/n
U - 禁止贪婪匹配 只跟踪到最近的一个匹配符并结束,经常使用在采集程序上的正则表达式
d.贪婪模式与懒惰模式
正则表达式,表示重复字符,操做符,默认都是贪婪模式,'?,+,*,{}' 默认都会选择贪婪模式,会最大长度匹配字符串(量词默认首先最大匹配字符串,这些量词有:+,*,?,{m,n} 。一开始匹配,就直接匹配到最长字符串)。要切换到懒惰模式(懒惰模式),就只是在该元字符,后面加多一个”?” 便可切换到非贪婪模式(尽量少地匹配所搜索的字符串)。
e.Python中经常使用的函数:
compile()
match()
search()
split()
sub()
findall()