python中正则表达式
概述
正则表达式，Regular Expression,缩写为regex、regexp、RE等。
正则表达式是文本处理极其重要的技术，用它可以对字符串按照某种规则进行检索、替换。
正则表达式应用及其广泛，shell中处理文本的命令、各种高级编程语言都支持正则表达式。
分类
1、BRE：正则表达式，grep、sed、vi等软件支持。vim有扩展
2、ERE：扩展正则表达式，egrep(grep-E)、sed-r等
3、PCRE：几乎所有高级语言都是PCRE的方言或者变种。Python1.6开始使用SRE正则表达式引擎，可以认为是PCRE的子集。
基本语法
元字符metacharacter
| 代码 | 说明 | 举例 |
|---|---|---|
| . | 匹配除换行符外任意一个字符 | . |
| [abc] | 字符集合，只能表示一个字符位置。匹配所包含的任意一个字符 | [abc]匹配plain中的‘a’ |
| [^abc] | 字符集合，只能表示一个字符位置。匹配除去集合内字符的任意一个字符 | [^abc]可以匹配plain中的‘p’、‘l’、‘i’或者’n’ |
| a-z | 字符范围，也是个集合，表示一个字符位置匹配所包含的任意一个字符 | 常用A-Z[0-9 |
| [^a-z] | 字符范围，也是个集合，表示一个字符位置匹配集合内字符的任意一个字符 | |
| \b | 匹配单词的边界 | \b b在文本中找到单词中b开头的b字符 |
| \B | 不匹配单词的边界 | t\B包含t的单词但是不以t结尾的t字符 |
| \d | [0-9]匹配一位数字 | \d |
| \D | [^0-9]匹配1位非数字 | |
| \s | 匹配1位空白字符，包括换行符、制表符、空格[\f\r\n\t\v] | |
| \S | 匹配1位非空字符 | |
| \w | 匹配[a-zA-Z0-9] | \w |
| \W | 匹配\w之外的字符 |
详细分析
- . 只能匹配一个非换行符(\n、\r、\r\n)外任意一个字符
- [abc]字符集合，只能匹配一个括号内包含的字符
- [a-z]匹配除了a到z的其它字符，其中代表取反
- \s匹配所有空白字符(包括换行符、制表符、空格(\f\r\n\t\v))
c后面后换行符
- []只表示匹配一个字符，不带[]表示原来的意思
- \b 匹配单词的边界(单词的边界可以认为是两个字母之间有分隔)
- \后面加大写字母取反义
- \d相当于[0-9] \D相当于匹配非[0-9]
- \w相当于匹配[a-zA-Z0-9]和中文,\W匹配除\w字符
转义
凡是在正则表达式中有特殊意义的符号，如果想使用它的本意，需要转义，反斜杠自身，需要使用\
\r和\n转义后还是代表回车、换行
重复
| 代码 | 说明 | 举例 |
|---|---|---|
| * | 表示前面的正则表达式会重复出现0次或多次 | e\w*单词中e后面可以有非空白字符 |
| + | 表示前面的正则表达式重复至少1次 | e\w单词后面至少有一个非空白字符 |
| ？ | 表示前面的正则表达式会重复0次或1次 | e\w?单词中e后面至多有一个非空白字符 |
| {n} | 重复固定的n次 | e\w{1} 单词中e后面只能有一个非空白字符 |
| {n,} | 重复至少n次 | e\w{1,}等价于e\w+,e\w{0,}等价e\w*,e\w{0,1}等价e\w? |
| {n,m} | 重复n到m次 | e\w{1,10}单词中e后面至少1个，至多10个非空白字符 |
| 代码 | 说明 | 举例 |
|---|---|---|
| x | y | 匹配x或者y |
| 捕获 | ||
| (pattern) | 使用小括号指定一个子表达式，也叫分组捕获后会自动分配组号从1开始可以改变优先级 |
组号默认从1开始，分组0指的是匹配分组
| (?:pattern) | 如果仅仅为了改变优先级，就不需要捕获分组 | (?:w | f)ood ‘industr(?:y | ies)等价于’industry | industries’ |
|---|
| \数字 | 匹配对应的分组 |
|---|
后面的\1代表复制group1的游戏
将\1变为\2后
|(?:exp)
| (?'name’exp) | 命名分组捕获，但是可以通过name访问分组，Python语法必须是(?Pexp) |
|---|
将分组进行命名
| 零宽断言 | |
|---|---|
| (?=exp) | 零宽度正预测先行断言，断言exp一定在匹配的右边出席那，也就是说断言后面一定跟个exp |
| (?<=exp) | 零宽度正回顾后发断言，断言exp一定出席那在匹配的左边出现，也就是前面一定有个exp前缀 |
|---|
| 负向零宽断言 | |
|---|---|
| (?!exp) | 零宽度负预测先行断言，断言exp一定不会出现在右侧，也就说断言后面一定不是exp |
|(?<!exp) |零宽度负回顾后发断言，断言exp一定不能出现在左侧，也就是说断言前面一定不能是exp |
注意：
断言会不会i捕获呢？也就是断言占不占分组符
断言不沾分组号，断言部分不会出现在分组中
分组和捕获是同一个意思
使用正则表达式时，能用简单表达式，就不要复杂的表达式
贪婪与非贪婪
默认是贪婪模式，也就是说尽量多匹配更长的字符串
非贪婪很简单，在重复的符号后面加一个？问号，就尽可能的少匹配了
| 代码 | 说明 |
|---|---|
| *？ | 匹配任意次，但尽可能少重复 |
| +？ | 匹配至少1次，但尽可能少重复 |
| ?? | 匹配0次或1次，但尽可能少重复 |
| {n,}? | 匹配至少n次，但尽可能少重复 |
| {n,m} | 匹配至少n次，至多m次，但尽可能少重复 |
- *？ 非贪婪不匹配次数
- +？非贪婪只匹配一次
- ??非贪婪不匹配次数
引用引擎选项
| 代码 | 说明 | python |
|---|---|---|
| IgnoreCase | 匹配时忽略大小写 | re.l或re.IGNORECASE |
| Singleline | 单行模式，可以匹配所有字符，包括\n | re,S或re,DOTALL |
| Multiline | 多行模式^行首、$行尾 | re.M或re,MULTILINE |
| IgnorePatternWhitespace | 忽略表达式中的空白字符，如果要使用空白字符用转义，#可以用来做注释 | re,X或re.VERBOSE |
单行模式：
- .可以匹配所有字符，包括换行符
- ^表示整个字符串的开头，$整个字符串的结尾
多行模式
- .可以匹配除了换行符之外的字符，多行不影响.
- ^表示行首，$行尾，只不过这里的行是每一个行
默认模式：可以看作待匹配的文本是一行，不能看作多行，,点号不能匹配换行符，^和
就是这一行的行尾
多行模式：重新定义了行的概念，但不影响，点号的行为，^和$还是行首行尾的意思，只不过因为多行模式可以识别换行符了，开始指的是\n后紧接着下一个字符，结束指的是\n前的字符，注意最后一行结尾可以没有\n
简单讲，单行模式之影响,行为，多行模式重新定义行印象^和 $
默认模式下.功能照旧
单行模式下增强.的功能，所有都可匹配
多行下照旧
多行模式和单行模式都选择情况下，增强,的功能