【CS知识点】一文搞懂正则表达式

最新推荐文章于 2025-05-29 11:12:57 发布

星河天欲瞩

最新推荐文章于 2025-05-29 11:12:57 发布

阅读量1.1k

点赞数 29

分类专栏：【CS知识点】合集文章标签：正则表达式学习 python java c++ c语言 c#

本文链接：https://blog.youkuaiyun.com/hhhhhhzq/article/details/145753586

版权

【CS知识点】合集专栏收录该内容

2 篇文章

订阅专栏

计算机干货知识点，点点关注不迷路！

你是否好奇计算机如何进行数据验证、信息提取还是文本替换？

本文将带你彻底搞懂正则表达式，让你从此掌握一把利器！

在数字时代，文本数据无处不在，从简单的日志文件到复杂的网页内容，文本处理成为了每个开发者必须面对的挑战。在这些挑战中，正则表达式（Regular Expression，简称 regex）有强大的文本匹配和处理能力，无论是数据验证、信息提取还是文本替换，正则表达式都能提供简洁而高效的解决方案。

基本语法

正则表达式的核心在于其独特的语法，它使用一系列特殊字符和符号来定义搜索模式。这些特殊字符被称为元字符，它们赋予了正则表达式强大的匹配能力。下面我们将介绍一些最常用的元字符及其功能：

单个字符匹配

.(点号): 匹配任意单个字符（除了换行符）。例如，正则表达式 a.c 可以匹配 "abc"、"aac"、"acc" 等字符串。

\(反斜杠): 用于转义字符，使其失去特殊含义。例如，如果你想匹配一个实际的点号，你需要使用 \. 。

字符集匹配

[](方括号): 匹配方括号内的任意一个字符。例如，[abc] 可以匹配 "a"、"b" 或 "c"。

-(连字符): 在方括号内使用，表示字符范围。例如，[a-z] 匹配所有小写字母，[0-9] 匹配所有数字。

^ (脱字符,[]中): 在方括号内使用，表示否定，即匹配不在方括号内的字符。例如，[^abc] 匹配除了 "a"、"b" 和 "c" 之外的任何字符。

\d: 匹配任何数字，等价于 [0-9]。

\D: 匹配任何非数字字符，等价于 [^0-9]。

\w: 匹配任何字母、数字或下划线，等价于 [a-zA-Z0-9]。

\W: 匹配任何非字母、数字或下划线字符，等价于 [^a-zA-Z0-9]。

\s: 匹配任何空白字符，包括空格、制表符、换行符等。

\S: 匹配任何非空白字符。

重复匹配

* (星号): 匹配前面的字符 零次或多次。例如，ab*可以匹配 "a"、"ab"、"abb"、"abbb" 等。

+(加号): 匹配前面的字符 一次或多次。例如，ab+可以匹配 "ab"、"abb"、"abbb" 等，但不能匹配 "a"。

?(问号): 匹配前面的字符 零次或一次。例如，ab?可以匹配 "a" 或 "ab"。

{n}: 匹配前面的字符 恰好 n 次。例如，a{3}匹配 "aaa"。

{n,}: 匹配前面的字符 至少 n 次。例如，a{2,}匹配 "aa"、"aaa"、"aaaa" 等。

{n,m}: 匹配前面的字符 至少 n 次，至多 m 次。例如，a{2,4}匹配 "aa"、"aaa" 或 "aaaa"。

位置匹配

^ (脱字符，不在[]中): 匹配字符串的开头。例如，^abc 匹配以 "abc" 开头的字符串。

$ (美元符号): 匹配字符串的结尾。例如，abc$ 匹配以 "abc" 结尾的字符串。

\b: 匹配单词边界。例如，\bcat\b 匹配 "cat" 这个单词，但不匹配 "category" 中的 "cat"。

选择匹配

|(竖线): 表示或的关系，匹配左边或右边的表达式。例如，cat|dog 匹配 "cat" 或 "dog"。

分组和捕获

() (圆括号): 将表达式分组，并捕获匹配的子字符串。例如，(ab)+ 匹配 "ab"、"abab"、"ababab" 等，并将每个 "ab" 捕获到一个组中。

下面是一个python程序实例：

import re

# 匹配以 "a" 开头，以 "b" 结尾的字符串
pattern = r"^a.*b$"
text = "a123b"
match = re.match(pattern, text)
if match:
    print("匹配成功！")
else:
    print("匹配失败！")

分组和捕获

在正则表达式中，分组和捕获是两个非常重要的概念，它们允许我们将匹配的子字符串提取出来，以便进行进一步的处理或分析。

分组

分组是指使用圆括号 () 将正则表达式的一部分括起来，形成一个子表达式。

分组的作用有：

提高可读性: 将复杂的正则表达式分解成更小的、更易于理解的单元。

应用量词: 对分组内的子表达式应用量词，例如 (ab)+ 匹配 "ab"、"abab"、"ababab" 等。

捕获匹配内容: 将分组内匹配的子字符串捕获到捕获组中，以便后续使用。

捕获

分组后，我们可以捕获分组内容，进行下一步操作。

捕获组: 默认情况下，每个分组都是一个捕获组，它会将匹配的子字符串捕获到一个编号的组中。例如，正则表达式 (\d{3})-(\d{4}) 匹配 "123-4567" 时，会将 "123" 捕获到第 1 组，将 "4567" 捕获到第 2 组。

非捕获组: 如果你只想对子表达式进行分组，而不需要捕获匹配内容，可以使用非捕获组 (?:)。例如，正则表达式 (?:\d{3})-(\d{4}) 匹配 "123-4567" 时，只会将 "4567" 捕获到第 1 组。

例：

import re

# 匹配电话号码，并提取区号和号码
pattern = r"(\d{3})-(\d{4})"
text = "我的电话号码是 123-4567。"
match = re.search(pattern, text)
if match:
    print("区号:", match.group(1))  # 输出: 区号: 123
    print("号码:", match.group(2))  # 输出: 号码: 4567

反向引用

反向引用是指在同一正则表达式中，引用前面捕获组捕获的内容。

反向引用的语法是 \n，其中 n 是捕获组的编号。

例如，正则表达式 (\d{3})-\1 匹配 "123-123"，但不匹配 "123-456"。

贪婪匹配与懒惰匹配

在正则表达式中，贪婪匹配和懒惰匹配是两种不同的匹配模式，它们决定了正则表达式引擎在匹配文本时的行为方式。理解这两种模式的区别对于编写高效、准确的正则表达式至关重要。

贪婪匹配

贪婪匹配是正则表达式的默认匹配模式。在这种模式下，正则表达式引擎会尽可能多地匹配字符，直到无法匹配为止。

例如，正则表达式 a.*b 匹配以 "a" 开头，以 "b" 结尾的字符串。对于字符串 "aabab"，贪婪匹配会匹配整个字符串 "aabab"。

懒惰匹配

懒惰匹配与贪婪匹配相反，它会尽可能少地匹配字符，直到满足匹配条件为止。

在正则表达式中，可以使用 ? 来将贪婪匹配转换为懒惰匹配。例如，正则表达式 a.*?b 匹配以 "a" 开头，以 "b" 结尾的字符串，但会尽可能少地匹配字符。对于字符串 "aabab"，懒惰匹配会匹配 "aab" 和 "ab" 两个子字符串。

例：

import re

# 贪婪匹配
pattern_greedy = r"a.*b"
text = "aabab"
match_greedy = re.search(pattern_greedy, text)
print("贪婪匹配:", match_greedy.group())  # 输出: 贪婪匹配: aabab

# 懒惰匹配
pattern_lazy = r"a.*?b"
match_lazy = re.findall(pattern_lazy, text)
print("懒惰匹配:", match_lazy)  # 输出: 懒惰匹配: ['aab', 'ab']

零宽断言

在正则表达式中，零宽断言（Zero-width Assertions）是一种特殊的语法结构，它用于指定匹配发生的位置，而不会消耗任何字符。这意味着零宽断言只用于判断某个位置是否满足条件，而不会影响匹配结果的长度。

前瞻断言（Lookahead Assertions）: 判断当前位置后面是否满足/不满足某个条件。

正向前瞻断言（Positive Lookahead）: (?=)

例如，\d+(?=px) 匹配后面跟着 "px" 的数字，例如 "16px" 中的 "16"。

负向前瞻断言（Negative Lookahead）: (?!)

例如，\d+(?!px) 匹配后面不跟着 "px" 的数字，例如 "16pt" 中的 "16"。

后瞻断言（Lookbehind Assertions）: 判断当前位置前面是否满足/不满足某个条件

正向后瞻断言（Positive Lookbehind）: (?<=)

例如，(?<=\$)\d+ 匹配前面有"$"的数字，例如""的数字，例如"$100" 中的 "100"。

负向后瞻断言（Negative Lookbehind）: (?<!)

例如，(?<!\$)\d+ 匹配前面没有 "$" 的数字，例如 "100" 中的 "100"。