Python 正则表达式基本语法

前言

Python中的正则表达式与Perl中具有许多相似的模式。
在Python正则表达式模式匹配中，有一个需要注意的事项是：

• 反斜杠（\）的使用，
  1. 用于转义序列，如 \n ，表示两个字符”\“和”n“
  2. 用于特殊的含义，如 \n ，表示一个换行符

注意：为列解决上面的混淆，可以使用Python中原始字符转义语法，如 " r’\n’ "，表示与 \n 相同的含义。

正则表达式的来自于模块：import re

1. 正则表达式基本语法

1.1 正则表达式 pattern 有两种：

• 特殊字符，如 ”|“ 和 ”(“ 等，这些字符要么表示原始字符，要么表示特殊含义影响模式匹配
• 重复限定符，如 *, +, ?,{m,n} 等。
  • 它们不能直接进行嵌套，例如：为了将第二次重复应用于内部重复，可以使用括号。
  • 如__(?:a{6})*__，表示匹配多个6个a组成的字符。

1.2 一些特殊的模式匹配字符

字符	含义
.	匹配一个字符（除换行符以外的所有字符）
^	仅匹配以特定字符串开头的模式
$	仅匹配以特定字符串结尾的模式
*	匹配>=0个字符模式，贪婪匹配
+	匹配>=1个字符模式，贪婪匹配
?	匹配0个或1个字符模式，贪婪匹配
*? +? ??	在上述贪婪匹配限定符后添加 ?，表示一种非贪婪匹配
{m}	指定重复的次数。a{6} 表示匹配6个 a
{m,n}	表示匹配范围 a{3,5}：表示匹配3到5个 a a{4,}b：表示至少4个 a ； a{,5}b：表示至多5个 a
{m,n}?	非贪婪匹配，匹配最少的模式 匹配 ‘aaaaaa’ 的模式： a{3,5} 将返回5个 a a{3,5}? 将返回3个 a
\	1. 转义字符 2. 特殊字符 注：建议除最简单的转义序列外，使用原始字符序列 ‘r’，如 'r\n’
[]	1. 匹配其中的一个，如 [amk] 2. 可以指定一个范围，如 [a-z], [0-5][0-9] 3. 特殊限定符在 [] 中，将失去其特殊意义。如 [(+*)] ，将匹配其中的任意一个字符（ ‘(’, ‘+’, ‘*’, ‘)’） 4. 字符类依然表示其具体的范围。如 ‘[\w]’ 匹配任意字符中的一个 5. ^ 表示除指定字符外的任意一个字符。如 ‘[^5]’ 表示除 ‘5’ 以外的任意一个字符
|	表示或，如 A|B 表示要么匹配 A ， 要么匹配 B
(…)	1. 匹配括号内正则表达式，并将所有匹配的内容进行分组标号（0，1，2 …） 2. 可以在执行匹配后检索子组的内容，并且以后可以在字符串中使用 \number 访问匹配的子组内容。如 re.compile(r’\b(\w+)\s+\1\b’)
(?..)	(? 开头的为正则表达式的扩展语法（如下所示）
(?:…)	非捕获组，即该子组匹配的字符串无法从后边获取
(?P<name>…)	命名子组，通过组的名字（name）即可访问到子组匹配的字符串。其在以下三种情况下被调用 比如，正则表达式为 p = re.compile(’(?P[’"]).*?(?P=quote)’) 1. 用于正则表达式自身：(?:P=quote) 和 \1 2. 用于match对象中：m.group(‘quote’) ，m.end(‘quote’) 3. 用于re.sub()函数的 repl 参数。形式如：\g<quote> , \g<1> 和 \1
(?P=name)	后向引用已命名的匹配的子组
(?#…)	在模式匹配过程中，被忽略（不匹配）的内容
(?=…)	前向肯定断言 如果当前包含的正则表达式（这里以 … 表示）在当前位置成功匹配，则代表成功，否则失败。 一旦该部分正则表达式被匹配引擎尝试过，就不会继续进行匹配了；剩下的模式在此断言开始的地方继续尝试。 如：Isaac (?=Asimov) 仅当匹配 “Asimov” 时，匹配字符串 “lsaac”
(?!..)	前向否定断言 与前向肯定断言相反（不匹配则表示成功，匹配表示失败） 如：Isaac (?!Asimov) 表示仅当不匹配 “Asimov” 时，匹配字符串 “lsaac”
(?<=…)	后向肯定断言 注意：正则表达式（以…表示）必须有固定的长度，这意味着允许使用abc或 a|b，但不允许使用a*和a {3,4} 使用 search() 函数而不是 match() 函数，以遍历所有可能的匹配项 import re m = re.search(’(?<=abc)def’, ‘dfadabcdefjllkjl’) m.group(0) Out: ‘def’ m = re.search(r’(?<=-)\w+’, ‘spam-egg’) m.group(0) Out: ‘egg’
(?<!..)	后向否定断言
(?(id/name)yes-pattern|no-pattern)	1. 如果子组的序号或名字存在的话，则尝试 yes-pattern 匹配模式；否则尝试 no-pattern 匹配模式 2. no-pattern 是可选的 如：(<)?(\w+@\w+(?:.\w+)+)(?(1)>|$) 是一个匹配邮件格式的正则表达式，可以匹配 <user@host.com> 和 user@fishc.com，但是不会匹配 <user@fishc.com 或 user@fishc.com>
\number	匹配子组，序号从 1 开始
\A	匹配输入字符串的开始位置（一句话的开始）
\Z	匹配输入字符串的结束位置（一句话的结尾）
\b	匹配单词的边界，以一个字符开始或结束的单词
\B	匹配单词的边界，不以一个字符开始或结束的单词
\d	匹配 [0-9] 数字中的一个数字
\D	匹配 [^0-9] (除0-9以外)的任意一个字符
\s	匹配 空白 字符，包括 [ \t\n\r\f\v] 中的任意一个（空格，换行符，制表符…）字符
\S	匹配 非空白 字符，包括 [^ \t\n\r\f\v] （除空格，换行符，制表符…以外 ）的任意一个字符
\w	匹配 [a-zA-Z0-9_] 中任意一个字符
\W	匹配 [^a-zA-Z0-9_] （除 a-zA-Z0-9_ 以外）中任意一个字符

参考

https://docs.python.org/3.8/library/re.html#module-re