正则表达式

1 简介/动机

正则表达式 ：为高级的文本模式匹配、抽取、与/或文本形式的搜索和替换功能提供了基础。
Python 通过标准的re模块来支持正则表达式。

注意：此处我们提到的搜索和匹配意义不一样

你的第一个正则表达式

正则表达式	匹配的字符串
foo	foo
Python	Python
abc123	abc123
666	666

2 符号和字符

元字符 赋予正则表达式强大的功能和灵活性。

举例

表示法	描述	正则表达式示例
literal	匹配文本字符串的字面值literal	fool
re1/re2	匹配正则表达式re1或者re2	fool/bar
.	匹配任何字符(除\n)	b.b
^	匹配字符串起始部分	^Dear
$	匹配字符串终止部分	/bin/*sh$
*	匹配0次或多次前面出现的表达式	[A-Za-z0-9]*
+	匹配1次或者多次前面出现的正则表达式	[a-z]+.com
?	匹配0次或者1次前面出现的正则表达式	gool?
{N}	匹配N次前面出现的表达式	[0-9]{3}
{M,N}	匹配M~N次前面出现的正则表达式	[0-9]{5,9}
[...]	匹配来自字符集任意单一字符	[aeiou]
[..x-y..]	匹配x-y范围中的任意单一字符	[0-9],[A-Za-z]
[^...]	不匹配此字符集出现的任意一个字符	[aeiou][A-Za-z]
(*|+|?|{})?	用于匹配上面频繁出现符号的非贪婪版本	.*?[a-z]
(...)	匹配封闭式的正则表达式，然后另存为子组	([0-9]{3})?,f(oo|u)bar
\d	匹配任何十进制数字,\D与之相反	data\d+.txt
\w	匹配任何字母数字字符，\W与之相反	[A-Za-z
\s	匹配任何空格字符，与[\n\t\r\v\f]相同(\S与之相反)	of\sthe
\b	匹配任何单词边界(\B与之相反)	\bThe\b
\N	匹配已保存的子组 N (参见上面的(...)	price:\16
\c	逐字匹配任何特殊字符c	\.,\*
A(\Z)	匹配字符串的起始（结束）	\ADear

2.1 使用择一匹配符号匹配多个正则表达式模式

择一匹配的管道符号(|)表示从”从多个模式选择其一的操作

正则表达式模式	匹配的字符串
at | home	at、home
r2d2 | \c3po	r2d2、c3po
bat | bet | bit	bat、bet、bit

择一匹配符号(|) 也称作并(union)或逻辑或(logical OR)

2.2 匹配任意单个字符

点号（.）匹配除了换行符（\n）以外的任意字符。

注意：匹配句点或者句号，必须使用反斜杠转义句点符号的功能（\.）

2.3 从字符串起始或者结尾或者单词边界匹配

匹配字符串的开始位置：^、\A
匹配字符串的末尾位置：$、\Z

注意：匹配一个字符串（^Subject:hi$）

匹配一个单词的边界：\b, \B

注意：\bthe表示任何以the为起始的字符串
\Bthe表示任何包含但不以the为起始的字符串

2.4 创建字符集

[ ] 用来创建特定字符集，它的功能类似 |，例如[ab] = a | b

注意：[ab][c] 匹配 ac 或 bc, 不同于 ab | c

2.5 限定范围和否定

除了单字符以外，字符集还支持匹配指定的字符范围，涉及连字符（-）和脱字符（^）。

注意：[a-z]表示a-z任意一个；[^aeiou]表示一个非元音字符

2.6 使用闭包操作符实现存在性和频数匹配

闭包操作符：*、+

注意：贪婪匹配时默认匹配尽可能多字符，闭包操作符是贪婪的，？是非贪婪的

2.7 表示字符集的特殊字符

特殊字符也可以表示字符集，例如 \d 表示 [0-9]，\w 表示 [A-Za-z0-9]等。

注意：这些特殊字符的大写表示意义恰恰相反，表不匹配

2.8 使用圆括号指定分组

圆括号的两个功能：

1. 对正则表达式进行分组
2. 匹配子组

注意：匹配子组是为了看到匹配表达模式的字符串各部分内容，例如，(\w+)-(\d+)可以分别访问每一个子组

2.9 扩展表示法

扩展表示法的模式：(?p )表一个分组

注意：扩展表示法往往表条件，例如，(?=.com) 表示如果后面跟着 ".com" 才做匹配操作