正则表达式
- 概述
正则表达式,Regular Expression,缩写为regex、regexp、RE等
参考 https://www.w3cschool.cn/regex_rmjc/
分类
- BRE:
- 基本正则表达式,grep、sed、vi等软件支持。vim有扩展。
- ERE:
- 扩展正则表达式,egrep(grep -E)、sed -r等。
- PCRE:
- 几乎所有高级语言都是PCRE的方言或者变种。Python从1.6开始使用SRE正则表达式引擎,可以认为是PCRE的子集,见模块re。
基本语法:元字符 metacharacter
代码 | 说明 | 举例 |
---|---|---|
. | 匹配除换行符外任意一个字符 | .点号匹配后的结果是单个单个的元素 |
[abc] | 匹配中括号内任意字母 | [abc]匹配plain中的’a’, 有中括号,匹配后的结果是单个单个的元素 |
[^abc] | 除了小写字母’a’,‘b’,'c’都可以匹配 | [^abc]可以匹配plain中的’p’、‘l’、‘i’或者’n’ ,'a’不能被匹配, 有中括号,匹配后的结果是单个单个的元素 |
[a-z] | 小写字母都可以匹配 | 匹配任何小写字母, 有中括号,匹配后的结果是单个单个的元素 |
[^a-z] | 除了小写字母都可以匹配 | 有中括号,匹配后的结果是单个单个的元素 |
\b | 匹配的字符是单词的边界(词头或词尾) | '\bc,'以’c’开头的’c’字符,例如cache,匹配的结果只是首字母的’c’字符。 |
\B | 匹配的字符不能是单词边界(词头或词尾) | '\Bc,'除了首字母’c’外,后面的’c’字母都可以匹配,例如cache,匹配的结果是中间位置的’c’字符 |
\d | [0-9]匹配1位数字 | 匹配出来的元素是单个字符 |
\D | [^0-9]匹配1位非数字 | 匹配出来的元素是单个字符 |
\s | 匹配1位空白字符 | 包括换行符\n、制表符t、空格 换页符\f,回车符\r,纵向制表符\v |
\S | 匹配1位非空白字符 | |
\w | 匹配[a-zA-Z0-9_],包括中文的字 | 说明,只匹配数字和字母 |
\W | 匹配除了数字和字母之外的字符 |
转义
- 凡是在正则表达式中有特殊意义的符号,如果想使用它的本意,请使用\转义。反斜杠自身,得使用\ \r、\n还是转义后代表回车、换行
重复
代码 | 说明 | 举例 |
---|---|---|
* | 表示前面的正则表达式会重复0次或多次 | e\w* 单词中e后面可以有非空白字符.*号遇到空白字符就被阻断,属于贪婪模式 |
+ | 表示前面的正则表达式重复至少1次 | e\w+ 单词中e后面至少有一个非空白字符, 属于贪婪模式 |
? | 表示前面的正则表达式会重复0次或1次 | e\w? 单词中e后面至多有一个非空白字符 |
{n} | 重复固定的n次 | \w{1} 单词中e后面只能有一个非空白字符 |
{n,} | 重复至少n次 | e\w{1,} 等价 e\w+; e\w{0,} 等价 e\w* ;e\w{0,1} 等价 e\w? |
{n,m} | 重复n到m次 | e\w{1,10} 单词中e后面至少1个,至多10个非空白字符 |
- 贪婪与非贪婪
- 默认是贪婪模式,也就是说尽量多匹配更长的字符串。非贪婪很简单,在重复的符号后面加上一个?问号,就尽量的少匹配了
代码 | 说明 |
---|---|
*? | 匹配任意次,但尽可能少重复 |
+? | 匹配至少1次,,但尽可能少重复 |
?? | 匹配0次或1次,,但尽可能少重复 |
{n,}? | 匹配至少n次,但尽可能少重复 |
{n,m}? | 匹配至少n次,至多m次,但尽可能少重复 |
代码 | 说明 | 举例 |
---|---|---|
x | y | 匹配x或者y | wood took foot food 使用 w|food 或者 (w |f)ood |
捕获 | ||
(pattern) | 使用小括号指定一个子表达式,也叫分组,捕获后会自动分配组号从1开始可以改变优先级 | |
\数字 | 匹配对应的分组 | 例如:(very) \1[a-z]+\d+ \1\1,捕获的组group是very,可以捕获’‘very veryerwe123 veryvery’'中的very,共4个 |
(?:pattern) | 如果仅仅为了改变优先级,就不需要捕获分组 | (?:w|f)ood; ‘industr(?:y|ies)等价’industry|industries’ |
(?exp) (?'name’exp) | 命名分组捕获,但是可以通过name访问分组Python语法必须是(?Pexp) | |
零宽断言 | ||
(?=exp) | 零宽度正预测先行断言断言exp一定在匹配的右边出现,也就是说断言后面一定跟个expf | (?=oo) f后面一定有oo出现 |
(?<=exp) | 零宽度正回顾后发断言断言exp一定出现在匹配的左边出现,也就是说前面一定有个exp前缀 | (?<=f)ood、(?<=t)ook分别匹配ood、ook,ook前一定有t出现 |
负向零宽断言 | ||
(?!exp) | 零宽度负预测先行断言断言exp一定不会出现在右侧,也就是说断言后面一定不是exp | \d{3}(?!\d)匹配3位数字,断言3位数字后面一定不能是数字foo(?!d) foo后面一定不是d |
(?<!exp) | 零宽度负回顾后发断言断言exp一定不能出现在左侧,也就是说断言前面一定不能是exp | (?<!f)ood ood的左边一定不是f |
注释 | ||
(?#comment) | 注释 | f(?=oo)(?#这个后断言不捕获 |
引擎选项
代码 | 说明 | Python |
---|---|---|
IgnoreCase | 匹配时忽略大小写 | re.I re.IGNORECASE |
Singleline | 单行模式 . 可以匹配所有字符,包括\n | re.S re.DOTALL |
Multiline | 多行模式 ^ 行首、$ 行尾 | re.M re.MULTILINE |
IgnorePatternWhitespace | 忽略表达式中的空白字符,如果要使用空白字符用转义,#可以用来做注释 | re.X re.VERBOSE |
-
单行模式:
- . 号可以匹配所有字符,包括换行符
- ^ 表示整个字符串的开头,$整个字符串的结尾
-
多行模式:
- . 可以匹配除了换行符之外的字符,多行不影响.点号
- ^ 表示行首,$行尾,只不过这里的行是每一个
-
默认模式:
-
可以看做待匹配的文本是一行,不能看做多行,. 点号不能匹配换行符,^和$表示行首和行尾,而行首行尾就是整个字符串的开头和结尾
-
单行模式:基本和默认模式一样,只是.点号终于可以匹配任意一个字符包括换行符,这时所有文本就是一个长长的只有一行的字符串。^就是这一行字符串的行首,$就是这一行的行尾。
-
多行模式:重新定义了行的概念,但不影响.点号的行为,^和$还是行首行尾的意思,只不过因为多行模式可以识别换行符了。"开始"指的是\n后紧接着下一个字符;"结束"指的是\n前的字符,注意最后一行结尾可以没有\n
-
简单讲,单行模式只影响.点号行为,多行模式重新定义行影响了^和$注意:
注意字符串中看不见的换行符,\r\n会影响e$的测试,$只能匹配\n