【Python】 正则
基础正则
字符串
| 表达式 | 描述 |
|---|---|
| [abc] | 字符集。匹配集合中所含的任一字符。 |
| [^abc] | 否定字符集。匹配任何不在集合中的字符。 |
| [a-z] | 字符范围。匹配指定范围内的任意字符。 |
| . | 匹配除换行符以外的任何单个字符。 |
| \ | 转义字符。 |
| \w | 匹配任何字母数字，包括下划线（等价于[A-Za-z0-9_]）。 |
| \W | 匹配任何非字母数字（等价于[^A-Za-z0-9_]）。 |
| \d | 数字。匹配任何数字。 |
| \D | 非数字。匹配任何非数字字符。 |
| \s | 空白。匹配任何空白字符，包括空格、制表符等。 |
| \S | 非空白。匹配任何非空白字符。 |
边界
| 表达式 | 描述 |
|---|---|
| ^ | 匹配字符串或行开头。 |
| $ | 匹配字符串或行结尾。 |
| \b | 匹配单词边界。比如World\b可以匹配HelloWorld末尾的World，不能匹配HelloWorld1中的World |
| \B | 匹配非单词边界。比如World\B可以匹配HelloWorld1中的World，不能匹配HelloWorld中的World |
数量
| 表达式 | 描述 |
|---|---|
| ? | 匹配前面的表达式0个或1个。即表示可选项。 |
| + | 匹配前面的表达式至少1个。 |
| * | 匹配前面的表达式0个或多个。 |
| | | 或运算符。并集，可以匹配符号前后的表达式。 |
| 匹配前面的表达式m个。 | |
| 匹配前面的表达式最少m个。 | |
| 匹配前面的表达式最少m个，最多n个。 |
分组引用
| 表达式 | 描述 |
|---|---|
| (expression) | 分组。匹配括号里的整个表达式。 |
| (?:expression) | 非捕获分组。匹配括号里的整个字符串但不获取匹配结果，拿不到分组引用。 |
| \num | 对前面所匹配分组的引用。比如(\d)\1可以匹配两个相同的数字，(h)(a)\1\2则可以匹配haha。 |
预查断言
| 表达式 | 描述 |
|---|---|
| (?=) | 正向预查。比如h(?=e)能匹配hello中的h, 但不能匹配home中的h |
| (?!) | 正向否定预查。比如h(?!e)不能匹配hello中的h, 但能匹配home中的h |
| (?<=) | 反向预查。比如(?<=l)o能匹配hello中的o, 但不能匹配home中的o |
| (?<!) | 反向否定预查。比如(?<!l)o不能匹配hello中的o, 但能匹配home中的o |
非贪婪模式 - {x,y}?
非贪婪模式是指在使用正则匹配时，尽可能少的匹配（默认是贪婪模式，即：尽可能多的匹配）。例
re.search(r'[\d]{2,5}?','091234568')
<_sre.SRE_Match object; span=(0, 2), match='09'>
在这里{2,5}?匹配只是匹配2-5个[\d]时只要满足2（最少的）个就好，在看看贪婪模式：
re.search(r'[\d]{2,5}','091234568')
<_sre.SRE_Match object; span=(0, 5), match='09123'>
这时候，匹配2-5个[\d]时，默认匹配最多的5个。
注意：贪婪和非贪婪模式的区别就是重复操作符后有没有？字符
分组
正则表达式提供了一个机制将表达式分组，匹配的结果也将按照表达式单独分组。例：
>>> m = re.search(r'(\d{3})-(\d{5})','029-25642')
>>> m.group()
'029-25642'
>>> m.groups()
('029', '25642')
>>> m.group(2)
'25642'
- m.groups() 看到分组匹配结果，
- m.group(index) 查看具体编号的分组结果（编号从1开始，0是完整的匹配）
那分组有什么用呢，好像也没什么特殊的含义，不急，下面会用到。
引用分组（回溯） - \N
有这么一种情况，比如假设我要找出一个html文本中的所有<a></a>标签，怎么办？试试这样：
>>> re.search(r'<(\w+)>.+</(\w+)>','<a>this is a demo</e>')
<_sre.SRE_Match object; span=(0, 21), match='<a>this is a demo</e>'>
奇怪的事情来了，为什么<a></e>被匹配成功了，显然结果并不是想要的，那怎么才能只匹配<a></a>而过滤掉其他的呢（比如<a></e>）？答案就是引用分组，例：
>>> re.search(r'<(\w+)>.+</\1>','<a>this is a demo</e><p>demo two</p>')
<_sre.SRE_Match object; span=(21, 36), match='<p>demo two</p>'>
这里\1是关键，意思就是当前位置匹配的结果需要和第一个分组匹配的结果一致，或者说第一个分组的匹配结果期望在这里再次出现。以此类推。该方法最多只能匹配前99个分组。
分组命名 - (?P<name>.*)
分组命名最开始由python引入，比如Django路由中会用到。分组命名的好处是方便，直接使用名字比编号要简单而且不会变化，例：
>>> m = re.search(r'(?P<first_name>\d{3})-(?P<second_name>\d{4})','029-8967')
>>> m.group('first_name')
'029'
>>> m.groupdict()
{'first_name': '029', 'second_name': '8967'}
当然，命名分组仍然是编号分组，依然可以使用编号进行查找分组。
先行断言 - X(?!Y)、X(?=Y)
假设有这么一种情况，要查找所有163信箱的文本，也就是@163.com结尾的所有email账号信息，也就是说不要@163.com这部分，但是其还要参与匹配。这就用到了先行断言，也即基于之后的内容是否存在接收或拒绝一个匹配，而不需要接下来的内容作为匹配的一部分。例：
>>> re.search(r'h(?!e)','hello home!')
<_sre.SRE_Match object; span=(6, 7), match='h'>
h(?!e)表示匹配h，而且h后面不能是e，此处匹配成功的是home，但是只返回h
>>> re.search(r'h(?=e)','hello home!')
<_sre.SRE_Match object; span=(0, 1), match='h'>
h(?=e)表示匹配he，此处匹配成功的是hello，但是只返回h
标记
| 标记 | 作用 | 解释 |
|---|---|---|
| re.IGNORECASE（re.I) | 不区分大小写 | 使得正则表达式不区分大小写 |
| re.DOTALL（re.S） | 点匹配换行符 | 使得 . 符号可以匹配换行符 |
| re.MULTILINE（re.M） | 多行模式 | 使得^$字符可以匹配任意行的开始与结束 |
| re.VERBOSE（re.X） | 详细模式 | 使得正则表达式可以换行书写，且可以加入注释 |
| re.DEBUG | 调试模式 | 将调试信息输出到sys.stderr |
| 调试模式：re.DEBUG-将调试信息输出到sys.stderr |
