正則表達式語法簡單寫法

一、元字符

　　正則表達式中的特殊字符被稱作元字符，常用的元字符如下：

　　.　　點，匹配除換行符以外的任意字符

　　\w　　匹配數字、字母和下划線（可以匹配漢字）

　　\s　　匹配空白字符，如空格、換行符、制表符等

　　\d　　匹配數字

　　\b　　匹配單詞的開始或結束

　　^　　匹配字符串的開始

　　$　　匹配字符串的結尾

　　\（特殊）　　轉義字符。如果需要匹配的內容含有元字符本身的，需要使用轉義字符進行轉義

　　“.”的用法（使用python3.x進行舉例，具體的python3.x的正則表達式的用法請參考http://www.cnblogs.com/cdinc/p/5789429.html）：

string='[e-mail]&10010/10086'
pattern=r'.com.'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

.com&

　　可以看到匹配的結果是com和前一個字符和后一個字符，這個就是這個“.”的作用。

　　“\w”的用法：

string='[e-mail]&10010/10086'
pattern=r'7287\w'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

7287x

　　可以看到匹配的結果是“7287”后面再多加一個字母，這就是“\w”的用法。

　　“\s”的用法：

string='qq14717287xx@qq.  com&10010/10086'
pattern=r'\scom'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

 com

　　在com前面又匹配到了一個空格

　　“\d”的用法：

string='qq14717287xx@qq.  com&10010/10086'
pattern=r'qq\d'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

qq1

　　“\b”的用法：

string='qq14717287xx@qq.  com&10010/10086'
pattern=r'\bcom\b'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

com

　　將“com”作為一個單詞進行匹配。因為匹配的是單詞的開頭或者結尾，所以如果匹配的是“om\b”也可以匹配上，是com單詞的結尾，但是“\bom”則無法匹配，因為om前面有c，認為com是一個單詞，“om”並不是單詞的開始位置，所以無法匹配。

　　“^”的用法：

string='qq14717287xx@qq.  com&10010/10086'
pattern=r'^qq'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

qq

　　匹配以“qq”開頭，所以能夠匹配上，如果是“^com”，則無法匹配上。

　　“$”的用法：

string='qq14717287xx@qq.  com&10010/10086'
pattern=r'0086$'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

0086

　　匹配以0086結尾，能夠匹配上。填寫正則表達式的時候，$符號要放在匹配字符串或者公式的后面。

 　　“\”（轉移字符）的用法：

string='[e-mail]$10010/10086'
pattern=r'com\$'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

com$

　　可見本次就是純粹的查找的“com$”，而沒有將$作為元字符處理。

二、重復

　　正則表達式中提供了幾種重復的方式，畢竟如果匹配三個字母使用“\w\w\w”的方式太不方便了，如果是三個還好，如果是十個、二十個呢。

　　*　　重復零次或者多次

　　+　　重復一次或者多次

　　?　　重復零次或者一次

　　{n}　　重復n次

　　{n,}　　重復n次或者更多次

　　{n,m}　　重復n次到m次

　　“*”的用法：

string='[e-mail]$10010/10086'
pattern=r'\w*'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

qq14717287xx

 　　可以看到匹配到了多次字母和數字。

　　“+”的用法：

string='[e-mail]$10010/10086'
pattern=r'\w+!*'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

qq14717287xx

　　結果是匹配到了多個字母、數字，因為匹配字符串中沒有“!”。如果匹配的是“\w+!+”，則無法匹配。這從另一個方面說明了“*”和“+”的區別。

　　“?”的用法：

string='[e-mail]$10010/10086'
pattern=r'\w+@?'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['qq14717287xx@', 'qq', 'com', '10010', '10086']

　　可以看到，使用匹配的字符后面含有1個或沒有“@”符號

　　“{n}”的用法：

string='[e-mail]$10010/10086'
pattern=r'\w{5}'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['qq147', '17287', '10010', '10086']

　　對於數字、字母重復了五次的地方進行了匹配。

　　“{n,}”的用法：

string='[e-mail]$10010/10086'
pattern=r'\w{5,}'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['qq14717287xx', '10010', '10086']

　　匹配了數字、字母重復5次及以上的地方。

　　“{n,m}”的用法：

string='[e-mail]$10010/10086'
pattern=r'\w{5,8}'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['qq147172', '10010', '10086']

　　可以看到，因為限定了重復次數（5-8次），所以第一個組合（qq14717287xx）被分開進行匹配。

三、特定字符查找

　　1、單字查找

　　查找字母、數字我們已經知道了，但是如果我們只是想查找特定字符怎么辦？比如我只想找到有沒有aeiou這幾個字母怎么辦？沒關系，那就把他們都列出來就好了，寫作[aeiou]

string='[e-mail]$10010/a10086'
pattern=r'.{4}[aeiou].{2}'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['qq.com$', '010/a10']

　　可以看到，匹配了“o”和“a”前面的四個字符和后面的兩個字符。

　　列在[]中的字符只匹配是否含有其中的字符，而[]中的寫法也有很大的自由度。

　　比如想匹配數字，可以不用寫為[0123456789]，而是寫為[0-9]，這兩個的含義是相同的。

　　同理，小寫字母可以寫為[a-z]，大寫字母可以寫為[A-Z]，匹配英文可以寫為[a-zA-Z]

string='[e-mail]$10010/a10086'
pattern=r'[0-9]{5}'
item=re.findall(pattern,string)
print('匹配數字：',item)
pattern=r'[a-zA-Z]{2}'
item=re.findall(pattern,string)
print('匹配字母：',item)
pattern=r'[a-zA-Z0-9]{4}'
item=re.findall(pattern,string)
print('匹配數字和字母：',item)

　　運行結果是：

匹配數字： ['14717', '10010', '10086']
匹配字母： ['qq', 'XX', 'qq', 'co']
匹配數字和字母： ['qq14', '7172', '87XX', '1001', 'a100']

　　2、分組查找

　　如果我們想重復多個字符應該怎么辦呢？我們可以使用小括號來指定子表達式（也叫做分組），我們也可以指定分組重復的次數。比如我想匹配一個IP地址，我們可以這樣寫：

string="This computer's IP is 192.168.0.1"
pattern=r'(\d{1,3}\.){3}\d{1,3}'
item=re.search(pattern,string)
print(item.group())

　　運行結果是：

192.168.0.1

　　於是我們就得到了一個IP地址（有效性不進行驗證，驗證方法比較復雜，但是網上也有，可以百度之）。

　　3、反義查找

　　我們已經知道幾種查找的元字符了，但是如果我們就是不想要查找那幾種字符怎么辦呢。沒關系，正則表達式還提供反義查找方式。

　　\W　　匹配任意非\w的字符

　　\S　　匹配任意非\s的字符

　　\D　　匹配任意非\d的字符

　　\B　　匹配非單詞開頭或結尾的部分

　　[^q]　　匹配非q字符的部分

　　[^aeiou]　　匹配非aeiou的部分

　　“\W”的用法：

string='[e-mail]&10010/10086'
pattern=r'\W+.{0,3}'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['@qq.', '&100', '/100']

　　“\S”的用法：

string='qq14717287   xx@qq.  com&10010/10086'
pattern=r'\S+'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['qq14717287', 'xx@qq.', 'com&10010/10086']

　　“\D”的用法：

string='[e-mail]&10010/10086'
pattern=r'\D+'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['qq', '[e-mail]&', '/']

　　“\B”的用法：

string='[e-mail]&10010/10086'
pattern=r'.{2}\B00\B.{2}'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['&10010', '/10086']

　　“^”的用法：

string='[e-mail]&10010/10086'
pattern=r'[^7]+'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['qq14', '1', '28', '[e-mail]&10010/10086']

　　匹配非7的部分。

四、分支條件

　　正則表達式也支持類似於OR的方式，使用“|”符號連接幾個表達式，只要其中一個表達式匹配上就算匹配。

　　比如我們有幾個電話，既有010-12345678的固定電話方式，又有15812345678的手機方式，我們應該怎么匹配呢？

string1='010-12345678'
string2='15812345678'
pattern=r'\d{3}-\d{8}|\d{11}'
item=re.findall(pattern,string1)
print(item)
item=re.findall(pattern,string2)
print(item)

　　運行結果：

['010-12345678']
['15812345678']

　　可以看到，我們使用相同匹配表達式都能夠匹配到需要的內容。

　　但是，需要注意的是，這種方式的匹配是有順序的。比如美國的郵政編碼是一個5位數字或者是一個用連字符連起來的9位數字，那么它的匹配表達式的寫法是：\d{5}-\d{4}|\d{5}，如果順序顛倒，那么就只會匹配5個數字而不會再匹配用連字符連起來的9位數字了，因為只要能夠匹配上就不會再考慮后面的表達式了。所以使用分枝條件的時候需要注意條件的順序。

五、注釋

　　在正則表達式中，我們可以使用（?#content）來使用注釋。

string='[e-mail]&10010/10086'
pattern=r'\D+(?#This is a comment)'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['qq', '[e-mail]&', '/']

　　可以看到，注釋內容並沒有影響匹配結果。

　　我們還可以將正則表達式寫為多行，通過設置忽略多余的空白字符選項，可以將注釋寫為只是#開頭，這種方式下，#的后面至行末都被判斷為注釋。

string='[e-mail]&10010/10086'
pattern=r'''\D+     #This is a comment
            .{2}    #This is a comment too
            \d+     #This is also a comment'''
item=re.findall(pattern,string,re.X)
print(item)

　　運行結果是：

['qq14717287', '[e-mail]&10010', '/10086']

六、貪婪匹配與懶惰匹配

　　正則表達式默認匹配盡可能多的字符。

string='this is a demo text!'
pattern=r't.*t'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['this is a demo text']

　　這個表達式匹配了最長的以t開始中間沒有或多個字符再以t結尾的一個字段。這種匹配模式就被稱為貪婪模式。

　　但是有時候我們的需求是需要匹配盡可能少的字符，這種方式在正則表達式中被成為懶惰模式。需要匹配懶惰模式，只需要在限定符后面加入一個？就可以了。

　　懶惰模式有以下幾種形式：

　　*?　　重復任意次，但是匹配盡可能少的字符。

　　+?　　重復1次或者多次，但是匹配盡可能少的字符。

　　??　　重復0次或者1次，但是匹配盡可能少的字符。

　　{n,m}?　　重復n次到m次，但是匹配盡可能少的字符。

　　{n,}?　　重復n次以上，但是匹配盡可能少的字符。

　　以下看一下它們的用法及匹配結果：

　　“*?”：重復任意次，但是匹配盡可能少的字符。

string='this is a demo text!'
pattern=r't.*?t'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['this is a demo t']

　　這樣就就匹配了t和t之間最少的字符。but，為什么匹配結果不是“text”呢？因為正則表達式有一個優先級更高的規則，最先開始的匹配擁有最高優先權。

　　“+?”:重復1次或者多次，但是匹配盡可能少的字符。

string='this is a demo text,too!'
pattern=r'd.+o'
item=re.findall(pattern,string)
print('普通（貪婪）匹配結果：',item)
pattern=r'd.+?o'
item=re.findall(pattern,string)
print('懶惰匹配結果：',item)

　　運行結果是：

普通（貪婪）匹配結果： ['demo text,too']
懶惰匹配結果： ['demo']

　　“??”:重復0次或者1次，但是匹配盡可能少的字符。

string='this isi a demo text,too!'
pattern=r't.?o'
item=re.findall(pattern,string)
print('普通（貪婪）匹配結果：',item)
pattern=r't.??o'
item=re.findall(pattern,string)
print('懶惰匹配結果：',item)

　　運行結果是：

普通（貪婪）匹配結果： ['too']
懶惰匹配結果： ['to']

　　“{n,m}?”：重復n次到m次，但是匹配盡可能少的字符。

string='this isi a demo text,too!'
pattern=r't.{2,5}t'
item=re.findall(pattern,string)
print('普通（貪婪）匹配結果：',item)
pattern=r't.{2,5}?t'
item=re.findall(pattern,string)
print('懶惰匹配結果：',item)

　　運行結果是：

普通（貪婪）匹配結果： ['text,t']
懶惰匹配結果： ['text']

　　“{n,}?”重復n次以上，但是匹配盡可能少的字符。

string='this isi a demo text,too!'
pattern=r't.{1,}i'
item=re.findall(pattern,string)
print('普通（貪婪）匹配結果：',item)
pattern=r't.{1,}?i'
item=re.findall(pattern,string)
print('懶惰匹配結果：',item)

　　運行結果是：

普通（貪婪）匹配結果： ['this isi']
懶惰匹配結果： ['thi']

七、分組

　　有時我們給定的匹配條件很多，但是需要的卻不多。比如這個字符串“isi 1234 isi apple isi”，加入我們只想要“isi”中間的內容該怎么匹配呢？如果只用之前給的方法沒有辦法取出來，這就要說道分組了。

　　分組就是將整個正則表達式分成不同的組，只獲取不同組匹配的內容。

　　其中分組使用“()”來區分，括號內匹配的內容為一個組。

　　示例如下：

string='[e-mail]&10010/10086'
pattern=r'(qq\d+).*?(qq\d+)'
item=re.match(pattern,string)
print('總共匹配到%s個數據。'%len(item.groups()))
for i in range(len(item.groups())+1):
    print('第%d個數據是:%s'%(i,item.group(i)))

　　運行結果是：

總共匹配到2個數據。
第0個數據是:qq14717287xx@qq123456
第1個數據是:qq14717287
第2個數據是:qq123456

　　可以看到，默認分組都是按照號碼自動分配。

　　但是明明匹配到了兩個數據，為什么有三個顯示呢？這是因為分組中，分組0表示全部正則表達式，所以第0個數據就是'qq\d+.*?qq\d+'的匹配結果。

　　有時候我們就是這么耿直，我們不想用你自動分配的號碼，我想自己給匹配的字符串命名。這也能夠實現，只要使用“(?P<name>pattern)”的方式就可以了。（以下為python3.x的實現方式，其他語言可能會有差別，但是原理相似）。

string='[e-mail]&10010/10086'
pattern=r'(?P<aaa>qq\d+).*?(?P<bbb>qq\d+)'
item=re.match(pattern,string)
print(item.group("aaa"))
print(item.group('bbb'))

　　運行結果是：

qq14717287
qq123456

　　但是有時我們又不想給某一個分組分配名字，連系統默認分配的號碼都不想給他，也能夠實現（至今沒有發現這種方式存在的意義-_-|||）。

string='[e-mail]&10010/10086'
pattern=r'(?P<aaa>qq\d+).*?(?:qq\d+)'
item=re.match(pattern,string)
print('總共匹配到%s個數據。'%len(item.groups()))
for i in range(len(item.groups())+1):
    print('第%d個數據是:%s'%(i,item.group(i)))

　　運行結果是：

總共匹配到1個數據。
第0個數據是:qq14717287xx@qq123456
第1個數據是:qq14717287

　　可以看到，這次我們並沒有匹配到第2個內容

　　所以，分組的情況分為以下幾種：

　　(pattern)　　匹配pattern,系統自動為組分配號碼

　　(?P<name>pattern)　　匹配pattern,並將組命名為name

　　(?:pattern)　　匹配pattern,不捕獲匹配的文本，也不分配號碼

八、后向引用

　　后向引用可以用來匹配與某個分組相同的部分，提供查找重復字符組的方便的方法。

　　我們可以通過示例來進行了解。

string='[e-mail]&10010/10086'
pattern=r'(qq\d+).*?(\1)'
item=re.match(pattern,string)
print('總共匹配到%s個數據。'%len(item.groups()))
for i in range(len(item.groups())+1):
    print('第%d個數據是:%s'%(i,item.group(i)))

　　運行結果是：

總共匹配到2個數據。
第0個數據是:qq14717287xx@qq147
第1個數據是:qq147
第2個數據是:qq147

　　其中\1表示第一個分組的內容，兩個分組相同並且符合匹配方式的部分的是"qq147"，所以都匹配到了"qq147"。

　　如果我們將第二個字符串換為qq123456之后會發生什么呢？

string='[e-mail]&10010/10086'
pattern=r'(qq\d+).*?(\1)'
item=re.match(pattern,string)
# item=re.findall(pattern,string)
print('總共匹配到%s個數據。'%len(item.groups()))
for i in range(len(item.groups())+1):
    print('第%d個數據是:%s'%(i,item.group(i)))

　　運行結果是：

總共匹配到2個數據。
第0個數據是:qq14717287xx@qq1
第1個數據是:qq1
第2個數據是:qq1

　　兩個分組相同並且符合匹配方式的部分的只有"qq1"，所以只匹配到了"qq1"。

　　如果已經給分組進行了命名呢？也沒有問題，只需要將代表分組號碼的"\1"換為分組名稱"?P=aaa"即可。

string='[e-mail]&10010/10086'
pattern=r'(?P<aaa>qq\d+).*?(?P=aaa)'
item=re.match(pattern,string)
print('總共匹配到%s個數據。'%len(item.groups()))
for i in range(len(item.groups())+1):
    print('第%d個數據是:%s'%(i,item.group(i)))

　　運行結果是：

總共匹配到1個數據。
第0個數據是:qq14717287xx@qq1
第1個數據是:qq1

　　可以看到和之前的匹配結果相同，但是第二個分組並沒有進行捕獲，真不知道是不是一個好消息。

九、零寬斷言

　　我們想要使用一些匹配規則作為位置，只匹配前面或者后面的內容，那應該怎么實現呢？這就要說道斷言了，斷言指定了一個位置。

　　我們還是通過例子來看吧。

　　(?=pattern)它斷言自身出現的位置的前面能匹配需要匹配的內容

string='[e-mail]&10010/10086'
pattern='\d+(?=\D+)'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['14717287', '123456', '10010']

　　可以看到，我們找到了不是數字的字符前面的數字。需要注意的是，斷言本身並不是匹配結果。

　　(?<=pattern)它斷言自身出現的位置的后面能匹配需要匹配的內容

string='[e-mail]&10010/10086'
pattern='(?<=\d)\D+'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['xx@qq', '.com&', '/']

　　注意，這種方式下，\d后不能加*、+、？，因為這種方式不支持不定長度正則表達式（如果有錯誤，歡迎指正）。

　　(?=pattern)它斷言需要匹配的內容后面不跟隨pattern

string='[e-mail]&10010/10086'
pattern='\d+(?!\D)'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['1471728', '12345', '1001', '10086']

 　　(?<!pattern)它斷言需要匹配的內容前面不跟隨pattern，同樣的，這種方式下，pattern后不能加*、+、？

string='[e-mail]&10010/10086'
pattern='(?<!\D)\d+'
item=re.findall(pattern,string)
print(item)

　　運行結果是：

['4717287', '23456', '0010', '0086']

十、沒有提到的東西

　　雖然已經進行整理，但是肯定還有各種沒有提到的東西。

　　為什么沒有提到呢？因為我沒有試出來用法啊（尷尬笑.jpg），以后如果能夠試出來怎么使用再繼續更新吧。

　　如果有什么疑問或者建議請留言，或者發送我的郵箱（就是那個1471728764.qq.com啦），我會揀我會的回答的。