正则理解与总结笔记

正则理解与总结笔记

written by Marshal Zheng

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。