正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
首先了解如何用字符来描述字符。
在正则表达式中,如果直接给出字符,就是精确匹配。
- 用
d
可以匹配一个数字,w
可以匹配一个字母或数字,所以:
'00d'
可以匹配'007'
,但无法匹配'00A'
;'ddd'
可以匹配'010'
;'wwd'
可以匹配'py3'
;
2. .
可以匹配任意字符,所以:
'py.'
可以匹配'pyc'
、'pyo'
、'py!'
等等。
3. 要匹配变长的字符,在正则表达式中,用*
表示任意个字符(包括0个),用+
表示至少一个字符,用{n}表示n个字符,用{n,m}表示n-m个字符。
4. 大多数字符 (例如 abc123) 可以直接使用在正则表达式中。然而,.*?+[{|()^$ 这些字符则必须在其前面加上反斜线来进行匹配。例如. 表示一个原义的句点而 表示一个原义的反斜线,, 表示一个逗号
?匹配前面的子表达式零次或一次。例如,“do(es)?
”可以匹配“does
”或“does
”中的“do
”,?等价于{0,1}。
来看一个复杂的例子:d{3}s+d{3,8}
:
d{3}
表示匹配3个数字,例如'010'
;s
可以匹配一个空格(也包括Tab等空白符),所以s+
表示至少有一个空格,例如匹配' '
,' '
等;d{3,8}
表示3-8个数字,例如'1234567'
。
用[]
限定包含的字符种类和范围
[0-9a-zA-Z_]
可以匹配一个数字、大小写字母或者下划线;[0-9a-zA-Z_]+
可以匹配至少由一个数字、字母或者下划线组成的字符串,比如'a100'
,'0_Z'
,'Py3000'
等等;[a-zA-Z_][0-9a-zA-Z_]*
可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串,