python--正则表达式

元字符

• \b：代表单词的开头或结尾，为单词的交界处；虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是\b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。
• .：匹配除了换行符以外的任意字符。
• *：代表的是数量——它指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配，匹配重复任意次(可能是0次)。
• .*：任意数量的不包含换行的字符。
• +：同*，但匹配重复1次或更多次。
• -不是元字符，只匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它)。

字符转义

如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.

后向引用

后向引用用于重复搜索前面某个分组匹配的文本。如匹配go go或自己指定子表达式的组名

零宽断言

• 零宽度正预测先行断言：(?=exp)，它断言自身出现的位置的后面能匹配表达式exp。
  例：\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)；搜索I'm singing while you're dancing.，匹配sing和danc。

• 零宽度正回顾后发断言：(?<=exp)，它断言自身出现的位置的前面能匹配表达式exp。
  例：(?<=\bre)\w+\b，匹配以re开头的单词的后半部分(除了re以外的部分)；搜索reading a book，匹配ading。
  例：((?<=\d)\d{3})+\b，要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，查找需要在前面和里面添加逗号的部分；搜索1234567890，匹配234567890。
  例：(?<=\s)\d+(?=\s)，匹配以空白符间隔的数字(再次强调，不包括这些空白符)。

• 负向零宽断言：只是想要确保某个字符没有出现，但并不想去匹配它。
  例：\b\w*q[^u]\w*\b，匹配里面出现了字母q,但是q后面跟的不是字母u的单词；搜索Iraq,Benq，匹配Iraq。

• 零宽度负预测先行断言：(?!exp)，断言此位置的后面不能匹配表达式exp。
  例：\d{3}(?!\d)，匹配三位数字，而且这三位数字的后面不能是数字。
  例：\b((?!abc)\w)+\b，匹配不包含连续字符串abc的单词。

• 零宽度负回顾后发断言：(?<!exp)，断言此位置的前面不能匹配表达式exp。
  例：(?<![a-z])\d{7}，匹配前面不是小写字母的七位数字。

• 例：(?<=<(\w+)>).*(?=<\/\1>)，匹配不包含属性的简单HTML标签内里的内容。

  (?<=    # 断言要匹配的文本的前缀
  <(\w+)> # 查找尖括号括起来的内容
          # (即HTML/XML标签)
  )       # 前缀结束
  .*      # 匹配任意文本
  (?=     # 断言要匹配的文本的后缀
  <\/\1>  # 查找尖括号括起来的内容
          # 查找尖括号括起来的内容
  )       # 后缀结束
  

贪婪与懒惰

• 规则：最先开始的匹配拥有最高的优先权。
• 贪婪匹配：当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。
  例：a.*b，匹配最长的以a开始，以b结束的字符串；搜索aabab，匹配整个字符串aabab。
• 懒惰匹配：匹配尽可能少的字符。
• 例：a.*?b，匹配最短的，以a开始，以b结束的字符串；搜索aabab，匹配aab。

查找项	正则表达式
hi	\bhi\b
hi后面不远处跟着一个Lucy	\bhi\b.*\bLucy\b
匹配1个或更多连续的数字	\d+
填写的QQ号必须为5位到12位数字	^\d{5,12}$
匹配3位区号的电话号码	\(0\d{2}\d)[- ]?\d{8}|0\d{2}[- ]?\d{8}
描述一个正确的IP地址	((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
kitty kitty或者go go	\b(\w+)\b\s+\1\b
自己指定子表达式的组名	\b(?<Word>\w+)\b\s+\k<Word>\b

尚未详细讨论的语法

代码/语法	说明
\a	报警字符(打印它的效果是电脑嘀一声)
\b	通常是单词分界位置，但如果在字符类里使用代表退格
\t	制表符，Tab
\r	回车
\v	竖向制表符
\f	换页符
\n	换行符
\e	Escape
\0nn	ASCII代码中八进制代码为nn的字符
\xnn	ASCII代码中十六进制代码为nn的字符
unnnn	Unicode代码中十六进制代码为nnnn的字符
\cN	ASCII控制字符。比如\cC代表Ctrl+C
\A	字符串开头(类似^，但不受处理多行选项的影响)
\Z	字符串结尾或行尾(不受处理多行选项的影响)
\z	字符串结尾(类似$，但不受处理多行选项的影响)
\G	当前搜索的开头
\p{name}	Unicode中命名为name的字符类，例如\p{IsGreek}
(?>exp)	贪婪子表达式
(?<x>-<y>exp)	平衡组
(?im-nsx:exp)	在子表达式exp中改变处理选项
(?im-nsx)	为表达式后面的部分改变处理选项
(?(exp)yes|no)	把exp当作零宽正向先行断言，如果在这个位置能匹配，使用yes作为此组的表达式；否则使用no
(?(exp)yes)	同上，只是使用空表达式作为no
(?(name)yes|no)	如果命名为name的组捕获到了内容，使用yes作为表达式；否则使用no
(?(name)yes)	同上，只是使用空表达式作为no

模块中的核心函数

函数	说明
compile(pattern, flags=0)	编译正则表达式返回正则表达式对象
match(pattern, string, flags=0)	用正则表达式匹配字符串 成功返回匹配对象 否则返回None
search(pattern, string, flags=0)	搜索字符串中第一次出现正则表达式的模式 成功返回匹配对象 否则返回None
split(pattern, string, maxsplit=0, flags=0)	用正则表达式指定的模式分隔符拆分字符串 返回列表
sub(pattern, repl, string, count=0, flags=0)	用指定的字符串替换原字符串中与正则表达式匹配的模式 可以用count指定替换的次数
fullmatch(pattern, string, flags=0)	match函数的完全匹配（从字符串开头到结尾）版本
findall(pattern, string, flags=0)	查找字符串所有与正则表达式匹配的模式 返回字符串的列表
finditer(pattern, string, flags=0)	查找字符串所有与正则表达式匹配的模式 返回一个迭代器
purge()	清除隐式编译的正则表达式的缓存
re.I / re.IGNORECASE	忽略大小写匹配标记
re.M / re.MULTILINE	多行匹配标记
re.S / re.SINGLELINE	单行匹配标识
IgnorePatternWhitespace	忽略空白匹配
ExplicitCapture	显式捕获，仅捕获已被显式命名的组

总结

符 号	解释	示例	说明
.	匹配任意字符	b.t	可以匹配bat / but / b#t / b1t等
\w	匹配字母/数字/下划线	b\wt	可以匹配bat / b1t / b_t等，但不能匹配b#t
\s	匹配空白字符（包括\r、\n、\t等）	love\syou	可以匹配love you
\d	匹配数字	\d\d	可以匹配01 / 23 / 99等
\b	匹配单词的边界	\bThe\b
^	匹配字符串的开始	^The	可以匹配The开头的字符串
$	匹配字符串的结束	.exe$	可以匹配.exe结尾的字符串
\W	匹配非字母/数字/下划线	b\Wt	可以匹配b#t / b@t等，但不能匹配but / b1t / b_t等
\S	匹配非空白字符	love\Syou	可以匹配love#you等，但不能匹配love you
\D	匹配非数字	\d\D	可以匹配9a / 3# / 0F等
\B	匹配非单词边界	\Bio\B
[]	匹配来自字符集的任意单一字符	[aeiou]	可以匹配任一元音字母字符
[^]	匹配不在字符集中的任意单一字符	[^aeiou]	可以匹配任一非元音字母字符
*	匹配0次或多次	\w*
+	匹配1次或多次	\w+
?	匹配0次或1次	\w?
{N}	匹配N次	\w{3}
{M,}	匹配至少M次	\w{3,}
{M,N}	匹配至少M次至多N次	\w{3,6}
|	分支	foo|bar	可以匹配foo或者bar
(?#)	注释
(exp)	匹配exp并捕获到自动命名的组中
(?<name>exp)	匹配exp并捕获到名为name的组中
(?:exp)	匹配exp但是不捕获匹配的文本
(?=exp)	匹配exp前面的位置	\b\w+(?=ing)	可以匹配I'm dancing中的danc
(?<=exp)	匹配exp后面的位置	(?<=\bdanc)\w+\b	可以匹配I love dancing and reading中的第一个ing
(?!exp)	匹配后面不是exp的位置
(?<!exp)	匹配前面不是exp的位置
*?	重复任意次，但尽可能少重复	a.*b，a.*?b	将正则表达式应用于aabab，前者会匹配整个字符串aabab，后者会匹配aab和ab两个字符串
+?	重复1次或多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{M,N}?	重复M到N次，但尽可能少重复
{M,}?	重复M次以上，但尽可能少重复

注意：如果需要匹配的字符是正则表达式中的特殊字符，那么可以使用\进行转义处理，例如想匹配小数点可以写成\.就可以了，因为直接写.会匹配任意字符；同理，想匹配圆括号必须写成\(和\)，否则圆括号被视为正则表达式中的分组。

超好用的测试正则的软件

百度网盘下载链接：https://pan.baidu.com/s/11jF03jPcrGxgGhNgciB6qQ；
提取码：nz29。