正则表达式 (学习笔记)
正则表达式的难度不在于难懂,而在于对它的表述没有恰当的分类和组织,所以弄得很零散难以记忆。按照自己的理解和归纳记录一份笔记,以备遗忘时查看。
正则表达式(regular expressions)是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
1. 匹配的字符内容:
Regular String | Explanation |
---|---|
\d | 匹配一个数字 等价于[0-9] |
\D | 匹配一个非数字 等价于[^0-9] |
\w | 匹配一个字母或数字 等价于 [^A-Za-z0-9_] 实际是除了( [0-9a-zA-Z_] )还包含了希腊字母,俄文的字母等;所以 如果在用户信息注册的时候 需要注意 具体匹配的数据 切不可直接用\w 就完事了能不能匹配汉字要视你的操作系统和你的应用环境而定 |
\W | 可以匹配一个非字母或数字 等价于[^a-zA-Z0-9_] |
\s | 可以匹配一个空格(也包括Tab等空白符)等价于 [ \f\n\r\t\v] |
\S | 匹配一个任何非空白字符。等价于 [^ \f\n\r\t\v] 。 |
. | 匹配除换行符以外的一个任意字符 |
[] | 匹配集合中列出的一个字符 |
[^] | 匹配集合中没有列出的一个字符 |
| | 或表达式 |
例如:
00\d
可以匹配007
,但无法匹配00A
;\d\d\d
可以匹配010
;\w\w\d
可以匹配py3
;py.
可以匹配pyc
、pyo
、py!
等等。[0-9a-zA-Z\_]
可以匹配一个数字、字母或者下划线;A|B
可以匹配A或B,所以(P|p)ython
可以匹配Python
或者python
。
2. 匹配的次数
Regular String | Explanation |
---|---|
* | 表示一次或者多次(0次、或1次、或多次) |
+ | 表示至少一个字符(1次或多次) |
? | 表示0个或1个字符(0次、或1次) |
{n} | 表示n个字符 |
{n,m} | 表示n-m个字符 |
例如:
runoo+b
,可以匹配 runoob、runooob、runoooooob 等,+
号代表前面的字符必须至少出现一次(1次或多次)。runoo*b
,可以匹配 runob、runoob、runoooooob 等,*
号代表前面的字符可以不出现,也可以出现一次或者多次(0次、或1次、或多次)。colou?r
可以匹配 color 或者 colour,?
问号代表前面的字符最多只可以出现一次(0次、或1次)。- 一个复杂的例子:
\d{3}\s+\d{3,8}
,匹配010 12345
这样的号码。- :
\d{3}
表示匹配3个数字,例如010
; - :
\s
可以匹配一个空格(也包括Tab等空白符),所以\s+
表示至少有一个空格,例如匹配’ '等; - :
\d{3,8}
表示3-8个数字,例如1234567
。
- :
[0-9a-zA-Z\_]+
可以匹配至少由一个数字、字母或者下划线组成的字符串,比如a100
,0_Z
,Py3000
等等;[a-zA-Z\_][0-9a-zA-Z\_]*
可以匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串,也就是Python合法的变量;[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}
更精确地限制了变量的长度是1-20个字符(前面1个字符+后面最多19个字符)。
3. 匹配的位置
Regular String | Explanation |
---|---|
^ | 匹配行的开头位置,不匹配任何字符 |
$ | 匹配行的结束位置,不匹配任何字符 |
\A | 匹配字符串的开头位置,不匹配任何字符 |
\Z | 匹配字符串的结束位置,不匹配任何字符 |
\b | 匹配一个单词边界,也就是单词和空格之间的位置 |
\B | 匹配一个非单词边界,与\b 相反 |
例如:
^\d
表示必须以数字开头。\d$
表示必须以数字结束。
4. 匹配的分组提取
Regular String | Explanation |
---|---|
() | 表示的就是要提取的分组(Group) |
例如:
^(\d{3})-(\d{3,8})$
分别定义了两个组,可以直接从匹配的字符串中提取出区号和本地号码:
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
5. 贪婪匹配
正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
由于\d+
采用贪婪匹配,直接把后面的0全部匹配了,结果0*
只能匹配空字符串了。
必须让\d+
采用非贪婪匹配(也就是尽可能少匹配),才能把后面的0
匹配出来,加个?
就可以让\d+
采用非贪婪匹配:
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
参考文档
本文来自博客园,作者:pwl999,转载请注明原文链接:https://www.cnblogs.com/pwl999/p/15534965.html