正则理解与总结笔记
一、正则语法
-
元字符
- \b:匹配单词的开始或者结束
- \d:匹配数字
- \s:匹配任意不可见字符(空格、换行符、制表符等)
- \w:匹配任意Unicode字符集,包括字母、数字、下换线、汉字等;匹配出换行符’\n’之外的任意字符
- ^或者\A:匹配字符串或行的起始位置
- $或者\Z:匹配字符串或行的结束位置
-
限定词
- *:重复0次或更多次
- +:重复1次或者更多次
- ?:重复0次或者1次
- {n}:重复n次
- {n,}:重复n次或更多次
- {n,m}:重复n到m次
-
反义词
- \B:匹配非单词的开始或结束
- \D:匹配非数字
- \S:匹配任意可见字符
- \W:匹配任意非Unicode字符集
- [^abc]:匹配a、b、c以外的任意字符
-
字符族
- [abc]:a、b或者c
- [a-zA-z]:a到z或者A到Z
- [a-d[m-p]]:a到d或者m到p,并集
- [a-z&&[def]]:d、e或者f,交集
- [a-z&&[ ^bc]]:a到z,除了b,c,交集减去
- [a-z&&[ ^m-p]]:a到z,减去m到p,交集减去
-
python修饰符
- re.A = 匹配ASCII字符类,影响\w,\W,\B,\b,\D,\d
- re.I = 忽略大小写
- re.L = 做本地化识别匹配
- re.M = 多行匹配,影响^ or $
- re.S =使 . 匹配包括换行符在内的所有字符
- re.U = 匹配Unicod字符集,与re.A相对,默认设置
- re.X = 忽略空格和#后面的注释以获得看起来更易懂的正则
二、实例
实例1
s = '123abc你好'
re.search('\d+', s).group()
re.search('\w+', s).group()
结果
123
123abc你好
实例2:re.A
修饰符 A
使 \w
只匹配 ASCII 字符,\W
匹配非 ASCII 字符。
s = '123abc你好'
re.search('\w+', s, re.A).group()
re.search('\W+', s, re.A).group()
结果
123abc
你好
\d
和 \D
, 全角和半角
s = '0123456789' # 全角数字
re.search('\d+', s, re.U).group()
实例2:re.M
s = 'aaa\r\nbbb\r\nccc'
re.findall('^[\s\w]*?$', s)
re.findall('^[\s\w]*?$', s, re.M)
结果
['aaa\r\nbbb\r\nccc'] # 单行模式
['aaa\r', 'bbb\r', 'ccc'] # 多行模式
实例3:re.S
s = 'aaa\r\nbbb\r\nccc'
re.findall('^.*', s)
re.findall('^.*', s, re.S)
结果
['aaa\r']
['aaa\r\nbbb\r\nccc']
实例4:re.X
rc = re.compile(r"""
\d+ # 匹配数字
# 和字母
[a-zA-Z]+
""", re.X)
rc.search('123abc').group()
结果
123abc
三、贪婪和懒惰
贪婪
尽可能多的匹配
*
、+
、{n,}
这些表达式属于贪婪;
懒惰
尽可能少的匹配
*?
、+?
、{n,}?
这些表达式就是懒惰(在贪婪的基础上加上 ?
)。
实例
s = 'aabab'
re.search('a.*b', s).group() # 这就是贪婪
re.search('a.*?b', s).group() # 这就是懒惰
结果
aabab
aab
四、自动捕获
(exp) | 匹配exp,并捕获文本到自动命名的组里 |
---|---|
(?Pexp) | 匹配exp,并捕获文本到名称为 name 的组里 |
(?:exp) | 匹配exp,不捕获匹配的文本,也不给此分组分配组号 |
(?P=name) | 匹配之前由名为 name 的组匹配的文本 |
注意:在其他语言或者网上的一些正则工具中,分组命名的语法是
(?<name>exp)
或(?'name'exp)
,但在 Python 里,这样写会报错:This named group syntax is not supported in this regex dialect。Python 中正确的写法是:(?P<name>exp)
实例1:
s = '姓名:张三;性别:男;电话:138123456789'
m = re.search('姓名[::](\w+).*?电话[::](\d{11})', s)
if m:
name = m.group(1)
phone = m.group(2)
print(f'name:{name}, phone:{phone}')
结果:
name:张三, phone:13812345678
实例2:
s = '''
<name>张三</name>
<age>30</age>
<phone>138123456789</phone>
'''
pattern = r'<(?P<name>.*?)>(.*?)</(?P=name)>'
It = re.findall(pattern, s)
结果
[('name', '张三'), ('age', '30'), ('phone', '138123456789')]
五、零宽断言
(?=exp) | 匹配exp前面的位置 |
---|---|
(?<=exp) | 匹配exp后面的位置 |
(?!exp) | 匹配后面跟的不是exp的位置 |
(?<!exp) | 匹配前面不是exp的位置 |
python中前项界定的表达式必须是定长的
结果
(?<=aaa) # 正确
(?<=aaa|bbb) # 正确
(?<=aaa|bb) # 错误
(?<=\d+) # 错误
(?<=\d{3}) # 正确
六、findall
- 如果没有分组,则返回整条正则匹配结果的列表;
- 如果有 1 个分组,则返回分组匹配到的结果的列表;
- 如果有多个分组,则返回分组匹配到的结果的元组的列表。
实例
s = 'aaa123bbb456ccc'
re.findall('[a-z]+\d+', s) # 不包含分组
re.findall('[a-z]+(\d+)', s) # 包含一个分组
re.findall('([a-z]+(\d+))', s) # 包含多个分组
re.findall('(?:[a-z]+(\d+))', s) # ?: 不捕获分组匹配结果
结果
['aaa123', 'bbb456']
['123', '456']
[('aaa123', '123'), ('bbb456', '456')]
['123', '456']
感谢网上正则文章的指导,本文还有很多不完善的地方,将在以后学习过程中添加。