Python 正则表达式

正则表达式

比如说我们要在一个文件中搜索以什么开头、以什么结尾或者包含什么的句子，这时候正则表达式是帮助我们来实现这些功能的东西。
正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

普通字符

普通字符就是指字母、数字、汉字、下划线、以及没有特殊定义的符号。在正则表达式中，普通字符在匹配的时候只匹配与自身相同的一个字符。

转义字符

一些具有特殊功能的字符，采用在前面加反斜杠进行转义，如. * ?这种有特殊含义直接打出来不能表达为三个字符，我们可以将其打为\. \* \?

元字符

正则表达式中使用了很多元字符，用来表示一些特殊的含义或功能。

表达式	匹配
.	小数点可以匹配除了换行符\n以外的任意一个字符 比如a.c可以匹配abc
|	逻辑或操作符 比如(a
[]	匹配字符集中的一个字符 比如[abc]d匹配ad或者bd或者cd
[^]	对字符集求反，也就是上面的反操作。尖号必须在方括号里的最前面 比如[^abc]匹配a,b,c之外的任意一个字符
-	定义[]里的一个字符区间，比如[a-g]匹配a到g中任意一个字符
\	对紧跟其后的一个字符进行转义
()	对表达式进行分组，将圆括号内的内容当做一个整体，并获得匹配的值
{n}	表达式重复n次，比如\d{2}相当于\d\d,a{3}相当于aaa
{m,n}	表达式至少重复m次，最多重复n次。比如ab{1,3}可以匹配ab或abb或abbb
{m,}	表达式至少重复m次，比如\w\d{2,}可以匹配a12,_1111,M123等等
?	匹配表达式0次或者1次，相当于{0,1}，比如a[cd]?可以匹配a,ac,ad
+	表达式至少出现1次，相当于{1,}，比如a+b可以匹配ab,aab,aaab等等
*	表达式出现0次到任意次，相当于{0,}，比如\^*b可以匹配b,^^b等等
^	在字符串开始的地方匹配，符号本身不匹配任何字符
$	在字符串结束的地方匹配，符号本身不匹配任何字符
\b	匹配一个单词边界，也就是单词和空格之间的位置，符号本身不匹配任何字符
\B	匹配非单词边界，即左右两边都是\w范围或者左右两边都不是\w范围时的字符缝隙

预定义匹配字符集

表达式	匹配
\d	任意一个数字，0~9 中的任意一个
\w	任意一个字母或数字或下划线，也就是 A-Z,a-z,0-9,_ 中的任意一个
\s	空格、制表符、换页符等空白字符的其中任意一个
\D	\d的反集，也就是非数字的任意一个字符，等同于[^\d]
\W	\w的反集，也就是[^\w]
\S	\s的反集，也就是[^\s]

贪婪与非贪婪模式

在重复匹配时，正则表达式默认总是往多的匹配，这被称为贪婪模式。比如，针对文本axxxaxxxa，表达式(a)(\w+)(a)中的\w+将匹配第一个a和最后一个a之间的所有字符xxxaxxx。可见，\w+在匹配的时候，总是尽可能多的匹配符合它规则的字符。
但是有时候这种模式获得的结果并不是我们想要的，这时在修饰匹配次数的特殊符号后再加上一个?，则可以使匹配次数不定的表达式尽可能少的匹配。

常用正则表达式

功能	表达式
数字	^[0-9]*$
n位的数字	^\d{n}$
至少n位的数字	^\d{n,}$
零和非零开头的数字	`^(0 [1-9][0-9]*)$`
有n位小数的正实数	^[0-9]+(.[0-9]{n})?$
非零的负整数	^-[1-9]\d*$
非负浮点数	^\d+(.\d+)?$
浮点数	^(-?\d+)(.\d+)?$
日期格式	^\d{4}-\d{1,2}-\d{1,2}
Email地址	^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*$
空白行	\n\s*\r (可以用来删除空白行)