正则表达式入门

正则表达式（Regular Expression，又称RegEx）是一种 文本模式，用于匹配一系列符合某个语法规则的字符串，应用于文本搜索、替换和提取。正则表达式是一种用于描述文本模式的规则语言。其在文本处理、数据抽取、数据清洗等方面有着广泛的应用。

语法

正则表达式由字符和操作符构成，用于描述一组符合某种特定规则的字符串。

常用的操作符包括：

1. 字符匹配：普通字符表示该字符必须出现在目标字符串中；

2. 元字符：用于表示一定类型的字符，如 \d 表示任意数字字符；

3. 重复：用于表示该字符或元字符出现的次数，如 * 表示前一个字符或元字符可以出现零次或多次；

4. 分组：用于将多个字符或元字符组合在一起；

5. 转义字符：用于表示特殊字符，如 \n 表示换行符。

常用元字符：

1. \d：匹配任意一个数字字符（0-9）
2. \D：匹配任意一个非数字字符
3. \w：匹配任意一个字母、数字或下划线
4. \W：匹配任意一个非字母、数字或下划线字符
5. \s：匹配任意一个空白字符（包括空格、制表符、换行符等）
6. \S：匹配任意一个非空白字符
7. [ ]：匹配其中的任意一个字符，如[abc]表示匹配a、b或c中的任意一个字符
8. [^]：不匹配其中的任意一个字符，如[^abc]表示不匹配a、b或c中的任何一个字符

大写 和 ‘^’ 匹配补集

1. . ：匹配除换行符外的任意一个字符
2. *：匹配前一个字符0次或多次，如a*表示匹配任意个a字符（包括0个）
3. +：匹配前一个字符1次或多次，如a+表示匹配至少一个a字符
4. ?：匹配前一个字符0次或1次，如a?表示匹配0个或1个a字符
5. {m,n}：匹配前一个字符至少m次，至多n次，如a{2,4}表示匹配2~4个a字符
6. ( )：创建一个子组，可以在后面的表达式中使用该组匹配到的内

模式

pattern 为要匹配的正则表达式

pattern = [...] 如下：

[待匹配的字符]
//普通可输出字符
[aBc] 匹配所有的'a','B','c'
[a-z]
[A-Z]
[^a-z]
[0-9]
[^A-Z0-9]


//其他可输出字符
[.]
[\s\S]
[\w]

//非打印字符
word\n //匹配以word开头，有一个换行符结尾的字符串
word\r //匹配以word开头，有一个回车符结尾的字符串
word\t //匹配以word开头，有一个制表符结尾的字符串
word\a //匹配以word开头，有一个警告符结尾的字符串
worf\v //匹配以word开头，有一个垂直制表符结尾的字符串
word\f //匹配以word开头，有一个换页符结尾的字符串
 
//特殊字符(\\ , \( , \} , \[ , \^等等用转义字符匹配)
{} //{匹配的次数}：{k}匹配k次
.  //匹配除了换行符之外的任意单个字符
*  //匹配前面的字符出现0次或多次
+  //匹配前面的字符出现1次或多次
?  //匹配前面的字符出现零次或一次
() //
eg. 
Hello.world 匹配以 Hello 开头，后接任意一个字符，然后再是 World 的字符串
Helloo*World 匹配以 Hello 开头，后面接任意数量的o，然后是 World 的字符串
(hello){2} 匹配hellohello
//限定符, 即特殊字符的组合，用于限定pattern出现次数等形式
{n, m} //至少匹配n次，最多匹配m次，可缺省其一
{k}    //匹配

//定位符
^  //^[]定位pattern开头；[^]范围取反。注意区分
$  //匹配输入字符串结尾的位置
\b //匹配一个字与空格间的位置
\B //非单词边界匹配

注：不能将限定符与定位符一起使用

由于匹配优先级不同，限定符可分为贪婪、非贪婪

• * 和 + 限定符都是贪婪的，因为它们会尽可能多的匹配文字
• 只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配

应用

正则表达式python应用
正则表达式JS应用