正则表达式

一、定义

• 正则表达式是对字符串操作的一种逻辑公式，一般使用正则表达式对字符串进行匹配和过滤
• 正则表达式由普通字符和元字符组成
• 优点：灵活，功能性强，逻辑性强
• 缺点：上手难，一旦上手，会爱上这个东西
• 工具：各大文本编辑器一般都有正则匹配功能。在线测试网址：http://tool.chinaz.com/regex/

二、普通字符

    普通字符包含大小写字母、数字。在匹配普通字符时直接写就好。比如"abc"匹配的就是”abc”

三、元字符

1. 字符组

    用[ ]括起来，在[ ]中出现的内容会被匹配。例如：[abc]匹配a或b或c

• [a-z]：匹配a到z之间的一个字母
• [0-9]：匹配所有阿拉伯数字的一个
• [a-zA-Z0-9]：匹配a-z或A-Z或0-9其中的一个

2. 简单元字符

• .：匹配换行符以外的任意字符
• \w：匹配字母或数字或下划线
• \s：匹配任意的空白符
• \d：匹配数字
• \n：匹配一个换行符
• \t：匹配一个制表符
• \b：匹配一个单词的结尾
• ^：匹配字符串的开始
• $：匹配字符串的结尾
• \W：匹配非字母或数字或下划线
• \D：匹配非数字
• \S：匹配非空白符
• a|b：匹配字符a或字符b
• ()：匹配括号内的表达式，也表示一个组
• [...]：匹配字符组中的字符
• [^...]：匹配除了字符中字符的所有字符

3. 量词

• *：重复0次或更多次
• +：重复一次或更多次
• ？：重复0次或一次
• {n}：重复n次
• {n, }：重复n次或更多次
• {n, m}：重复n到m次

四、贪婪匹配与惰性匹配

1. 贪婪匹配

    量词中的*，+，{}都属于贪婪匹配，就是尽可能多的匹配到结果

str：hello world
reg: h.*
此时匹配的结果：hello world

str：<div>hello</div>
reg：<.*>
此时匹配的结果：<div>hello</div>

 

2. 惰性匹配

    在使用.*后面如果加了"?"则是尽可能的少匹配

str：hello world
reg：h.*?
此时匹配的结果：h

 

str：<div>hello</div>
reg：<.*?>
此时匹配的结果：
<div>
</div>

 

 五、分组

    在正则中使用()进行分组。

    例如要匹配一个相对复杂的身份证号。身份证号分成两种。老的身份证号有15位，而新的身份证号有18位。并且新身份证号结尾可能是x

正则为：
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$

六、转义

    在正则表达式中，有很多有特殊意义的元字符，比如\n和\s等。如果要在正则中匹配正常的"\n"而不是换行就需要对"\"进行转义。

    同理，在python中，对于\n,\s等也是有特殊意义的，如果要得到"\n"也需要对"\"进行转义，所以，如果需要匹配字符\n，在正则表达及python表达中需要写成如下表格形式。

目标	正则	python
\n	\\n	\\\\n

表1  "\n"转义

    此时可以利用r"\n"不转义，即上表中python中正则表达可写为：r"\\n"