正则表达式 右上角加号_最全正则表达式讲解实战，附源码，敲一遍学会

文章来源：王的机器

作者：王圣元

本文含 10026  字， 27  图表截屏 建议阅读  42  分钟 在公众号对话框回复  RE   获取完整 Jupyter Notebook0引言

正则表达式(Regular Expression, RE)就是一组定义某种搜索模式(pattern)的字符。

最简单的 RE 例子如下。

'steven'

很明显，这样一个 RE 只能搜索出含 steven 的字符串。

你可以用 Python 代码来验证，但现在假设我们还不会写，我们可以去 https://regex101.com/ 来验证。如下图右上角所示，匹配成功。

这样来搜索未免太傻了，有没有稍微智能一点的方法。再看下面的 RE。

^s....n$

上面的 RE 定义的模式如下：任何 6 个字符的单词，以 s 开头 (^s 的效果)，以 n 收尾 (n$ 的效果)。之所以是 6 个字符，是因为有 4 个点 (.) 加上 s 和 n 字符。用上面那个网站做验证，这个 RE ^s....n$ 的若干匹配结果如下：

• seven：不匹配(五个字母)

• strong man：不匹配(十个字母加空格)

• soften：匹配

• steven：匹配

• Steven：不匹配

看最后两个 steven 和 Steven，区别是第一个字母的大小写，如果我想匹配两者怎么办呢？用下面的 RE

^[s|S]....n$

中括号 [] 表示一个集合，而 | 分隔集合里面的元素，在本例是 s 和 S。意思就是匹配开头的 s 或 S，结尾是 n 的 6 字符的单词。 

这样每次固定单词长度也不太智能吧(比如长度为 n 就需要手动输入 n 个点 .)，开头 s 结尾 n 的单词好多呢，我如果都想搜索出来该怎么办呢？看下面的 RE

^s[a-z]+n$

现在 sun 和 strengthen 都可以匹配出来了。起作用的是 [a-z]+，[a-z] 表示小写的字母 a 到 z 的集合，而 + 代表大于一次，联合在一起的意思就是该单词“以 s 开头，以 n 结尾，中间有大于一个的任何小写字母”。

但上述模式对单词 self-restrain 不起作用，因为有个短连接线(hyphen)。

没关系，我们把 - 加入字母集合里，写成 [a-z-]+，注意第一个 - 表示从 a 到 z，第二个 - 表示短连接线。现在可以匹配 self-restrain 了。

目前对 RE 有点感觉了吧，即便不会确切的表示也没关系，因为这就是本帖要介绍的。还是那句话，兴趣最重要，有兴趣才能有效的往下看。

本帖结构如下：

1. 原始字符串

2. 五类元字符

3. 七个函数

4. 三个实例

注：本帖里的 RE 可视化可参考链接 https://www.debuggex.com/。

1原始字符串

原始字符串(raw string)是所有的字符串都是直接按照字面的意思来使用，没有转义特殊或不能打印的字符，通常简称为 r-string。

如果没有转义字符，原始字符串和普通字符串是一样的，比如

print('hello')print(r'hello')

hello
hello

如果有转义字符(用反斜线 \)，原始字符串和普通字符串是不一样的，比如

print('\blake')print(r'\blake')

lake
\blake

因此，不管什么时候用原始字符串准没错。

2元字符

元字符(meta character)就是一种自带特殊含义的字符，也叫特殊字符。比如 [] * + ? {} | () . ^ $ \，原字符按用途可分五类：

• 表示集合：[]

• 表示次数：* + ? {}

• 表示并列：|

• 用于提取：()

• 用于转义：. ^ $ \

首先定义一个函数，当在句子(是个字符串 str)没有发现模式 pat 时，返回“没有找到”，反之打印出所有符合模式的子字符串。

import redef look_for(pat, str):    return '没有找到' if re.search(pat, str) is None                       else re.findall(pat, str)

上面代码中的 re 是 Python 中正则表达式的库，而 search 和 findall 是包里的两个函数，顾名思义它们做的就是搜索和找出全部的意思，第三节会详解讲。

2.1

集合字符

中括号(square bracket)- []

中括号表示一个字符集，即创建的模式匹配中括号里指定字符集中的任意一个字符，字符集有三种方式来表现：

• 明确字符：[abc] 会匹配字符 a，b 或者 c

• 范围字符：[a-z] 会匹配字符 a 到 z

• 补集字符：[^6] 会匹配除了 6 以外的字符

下面我们来一一细看。

明确字符

匹配中括号里面的任意一个字符。

pat = r'[abc]'

print( look_for(pat, 'a') )print( look_for(pat, 'ac') )print( look_for(pat, 'cba') )print( look_for(pat, 'steven') )

['a']
['a', 'c']
['c', 'b', 'a']
没有找到

分析如下：

该模式只匹配字符 a，b 或者 c，因此前三个例子的字符串里都有相应字符匹配，而最后例子里的 steven 不包含 a, b 或 c。

模式 [abc]  的可视图如下，注意 “One of” 是说集合里面的字符是“或”的关系。

---

范围字符

在 [ ] 中加入 - 即可设定范围，比如

• [a-e] = [abcde]

• [1-4] = [1234]

• [a-ep] = [abcdep]

• [0-38] = [01238]

看两个例子。

print( look_for(r'[a-ep]', 'person') )print( look_for(r'[0-38]', '666') )

['p', 'e']
没有找到

分析如下：

• 例一的模式等价于 [abcdep]，匹配单词 person 里面的 p 和 e 字符。

• 例二的模式等价于 [01238]，不匹配单词 666 里面的任何字符。

模式 [a-ep] 和 [0-38] 的可视图如下。

---

补集字符

在 [ ] 中加入 ^ 即可除去后面的字符集，比如

• [^abc] 就是非 a, b, c 的字符

• [^123] 就是非 1, 2, 3 的字符

看四个例子。

print( look_for(r'[^abc]', 'baba') )print( look_for(r'[^abc]', 'steven') )print( look_for(r'[^123]', '456') )print( look_for(r'[^123]', '1+2=3') )

没有找到
['s', 't', 'e', 'v', 'e', 'n']
['4', '5', '6']
['+', '=']

分析如下：

• 例一 baba 里面所有字母不是 a 就是 b，因此没有匹配

• 例二 steven 所有字母都不是 a, b 和 c，因此全部匹配

• 例三 456 所有字母不是 1,2 和 3，因此全部匹配

• 例四 1+2=3 有 +号和 =号不是 1, 2 和 3，因此它俩匹配

模式 [^abc] 和 [^123] 的可视图如下。注意 “None of” 是说集合里面的字符是的补集。