> 科技资讯 > 老夫的正则表达式大成了,桀桀桀桀,,,[Python 正则表达式笔记]

老夫的正则表达式大成了,桀桀桀桀,,,[Python 正则表达式笔记]

科技资讯 投稿 25100℃ 0 评论

老夫的正则表达式大成了,桀桀桀桀,,,[Python 正则表达式笔记]

一、正则表达式语法

（一） 字符与字符类

特殊字符

\.^$?+*{}[](| 为特殊字符，若想要使用字面值，必须使用 \ 进行转义

字符类 []

[] 匹配包含在方括号中的任何字符。它也可以指定范围，例：

    [a-zA-Z0-9]表示a到z，A到Z，0到9之间的任何一个字符
  • [u4e00-u9fa5] 匹配 Unicode 中文
  • [^\x00-\xff] 匹配双字节字符（包括中文）

[] 中：

    [^] 表示否定字符类，比如[^0-9]表示可以匹配一个任意非数字的字符
  • ^ 放在第一个位置表示否定，放在其他位置表示字面值
  • \ 表示转义
  • - 放在中间表示范围，放在其他位置表示字面值
  • 其他特殊字符不再具备特殊意义，都表示字面值
  • 字符类内部可以使用速记法，比如\d \s \w

速记法

    . 可以匹配除换行符之外的任何字符，如果有 re.DOTALL 标志，则匹配任意字符包括换行
  • \d 匹配一个 Unicode 数字，如果有 re.ASCII 标志，则匹配0-9
  • \D 匹配 Unicode 非数字
  • \s 匹配 Unicode 空白，如果带有 re.ASCII 标志，则匹配\t\n\r\f\v中的一个
  • \S 匹配 Unicode 非空白
  • \w 匹配 Unicode 单词字符，如果带有 re.ASCII 标志,则匹配[a-zA-Z0-9_]中的一个
  • \W 匹配 Unicode 非单词字符

（二）量词

    ? 0次或1次
  • * 0次或多次
  • + 1次或者多次
  • {m} m次
  • {m,} 至少m次
  • {,n} 最多n次
  • {m,n} 至少m次，最多n次

? 切换为「最小匹配模式」

（三） 断言

    \b匹配单词的边界，放在字符类 [] 中则表示 backspace
  • \B匹配非单词边界，受ASCII标记影响
  • \A 在起始处匹配
  • \Z 在结尾处匹配
  • ^ 在起始处匹配，如果有 MULTILINE 标志，则在每个换行符后匹配
  • $ 在结尾处匹配，如果有 MULTILINE 标志，则在每个换行符前匹配

（四）捕获组

(的作用：


    
(是一个捕获组，可被 \N 引用，N 是序号，以左括号排位决定。\0 表示整个匹配的内容。

  • 
(?: 可以关闭捕获，只用作分组
    • 

  • 使用 | 组合多个表达式，表示「或」
    • 

  • 
(?=... 向前正项匹配，前方必须存在。 如\w(?=, 匹配 apple, banana 中的 apple

    • 

  • 
(?!... 向前负项匹配，前方必须没有
    • 

  • 
(?<=... 向后正项匹配，后方必须存在
    • 

  • 
(?<!... 向后负项匹配，后方必须没有
    • 






语言
命名捕获组
搜索中引用
替换中引用





Python
(?P<name>...
\N (?P=name
\N \g<name> $N




JavaScript
(?<name>...
\N \k<name>
$N




.NET
(?<name>... (?'name'...
\N \k<name> \k'name'
$N ${N} ${name}




Perl
(?<name>... (?'name'...

\N \gN \g{N} \g{name}
(?N (?+N (?-N (?Name
兼容 .Net Python 的语法		
$N ${N} $+{Name}






技巧：


    在搜索中，若 \12 无法表示「第一个捕获组 + 数字2」，可用 (?:\12 或者 \1[2] 表示

  • 在替换中，若 $12 无法表示「第一个捕获组 + 数字2」，可以用 $1\l2 或者 $1\u2 表示
    • 



（五）条件匹配


    
(?(idyes_exp|no_exp：对应 id 的子表达式如果匹配到内容，则这里匹配 yes_exp，否则匹配 no_exp


  • Perl 支持的语法：(?(NYes|No (?(<Name>Yes|No (?('Name'Yes|No (?(?=AheadYes|No

    • 







（六）替换语法补充


一些在替换中使用的语法：





替换语法
作用





\l
下一个字符输出小写




\L
下一串字符输出小写




\u
下一个字符输出大写




\U
下一串字符输出大写




\E
终止 \U 和 \L










语言
引用匹配之前的文本
引用匹配文本
引用匹配之后的文本




Perl

${^PREMATCH}     | ${^MATCH}

${^POSTMATCH}






（七）  标志


    正则表达式开头加标志 (?flagspattern，如 (?imapple 表示不区分大小写

      

    • 
i 或 IGNORECASE：忽略大小写，使匹配不区分大小写。
      • 

    • 
m 或 MULTILINE：启用多行模式
      • 

    • 
s 或 DOTALL：启用点字符（.）匹配任意字符，包括换行符。s 是 special 的缩写。
      • 

    • 
x 或 VERBOSE：启用详细模式，忽略空格和注释，可以使用多行形式编写更易读的正则表达式。可以用 [ ] \x20 (?-x:  表示空格。x 是 extended 缩写
      • 

    • 
g 或 GLOBAL: 查找所有符合条件的结果（Python 中不需要）
      • 

    


  • python 中 re.compile 的 flags 参数。flags 实质是一个数字，可以用 | 按位与传入多个标志

      
re.A 或 re.ASCII


    • 
re.I 或 re.IGNORECASE

      • 

    • 
re.M 或 re.MULTILINE

      • 

    • 
re.S 或 re.DOTALL

      • 

    • 
re.X 或 re.VERBOSE

      • 

    

    • 



注释示例，匹配 <img> 标签：


pattern = re.compile(r"""(?ix          # i 表示忽略大小写，x 表示开启注释模式
        <img\s+                         #标签的开始
            [^>]*?                      #不是src的属性
            src=                        #src属性的开始
                (?P<quote>["']         #左引号
                (?P<image_name>[^"'<>]+?  #图片名字
                (?P=quote              #右括号
            [^>]*?                      #不是src的属性
        >                               #标签的结束
    """



二、Python正则表达式模块



模块级 ：





方法、属性
作用





compile(pattern
预先编译正则表达式，返回 re.Pattern 对象




search(pattern, string, flags=0
查找匹配的部分，返回 re.Match





match(pattern, string, flags=0
从头匹配，返回符合规则的第一个值 re.Match





fullmatch(pattern, string, flags=0
完全匹配（要从头到尾都匹配），返回 re.Match





split(pattern, string, maxsplit=0
用匹配到的内容作为分割符，分割后，返回列表




findall(pattern, string
查找所有，返回为列表，元素为 str。如果有捕获组，则列表元素为 tuple，包含空结果。




finditer(pattern, string
查找所有，返回为  re.Match 的迭代器。




sub(pattern, repl, string, count=0
返回替换后的字符串，repl 可以是一个函数（接收 Match，返回替换后的值）




subn(pattern, repl, string, count=0
返回元组 (new_str, number，包含了替换次数




escape(pattern
将特殊字符转义后返回，如 . 会返回 \.





purge(
清除缓存






re.compile( 可以预先编译正则表达式，返回 re.Pattern 对象，以提高匹配效率





方法、属性
作用





.search(string[, pos[, endpos]]
查找匹配的部分，返回 re.Match，pos 和 endpos 限制查找区间




.match(string[, pos[, endpos]]





.fullmatch(string[, pos[, endpos]]





.split(string, maxsplit=0





.findall(





.finditer(





.sub(repl, string, count=0





.subn(repl, string, count=0





.flags





.groups
有几个捕获组




.groupindex
一个字典，命名捕获组与序号对应




.pattern







re.Match 对象用于表示正则表达式匹配的结果：





方法、属性
作用






Match.group([group1, ...]
返回：捕获组，或多个捕获组 tuple





Match[0]
等同于 group(0






.group(
等同于 group(0






.groups(default=None
返回：元组，所有的子捕获组 (1, 2, 3...。没有捕获到的组返回为 None。





.groupdict(default=None
返回：词典，只包含有命名的捕获组





.start(
返回：匹配的起始位置





.end(
返回：匹配的结束位置





.span(
返回：元组 (start, end





.expand(template
用捕获到的组将 template 中的组引用展开





.pos
匹配开始的索引位置





.endpos
匹配结束的索引位置





.lastindex
最后一个捕获组的索引





.lastgroup
最后一个捕获组的名字





.string
传入的字符串





            
            

                编程笔记
                »
                老夫的正则表达式大成了,桀桀桀桀,,,[Python 正则表达式笔记]
            

            

                
                    赞同 (135)
                
                or
                
                    
                    分享 (0)
游客 发表我的评论   换个身份
取消评论

表情
(0)个小伙伴在吐槽