16.Python正则表达：表示字符、表示数量、原始字符串、表示边界、匹配分组

Python 正则表达式是用于字符串匹配的强大工具，支持模式匹配、查找、替换等操作。正则表达式通过特定的语法来表示字符串中的模式，帮助我们高效地处理文本。

1. 表示字符

正则表达式中的字符可以表示不同的字符类。常见的字符类有：

• .：匹配除换行符以外的任意字符。
• \d：匹配数字（0-9）。
• \D：匹配非数字字符。
• \w：匹配字母、数字或下划线（等价于 [a-zA-Z0-9_]）。
• \W：匹配非字母、数字或下划线。
• \s：匹配任意空白字符（空格、制表符、换行符等）。
• \S：匹配非空白字符。

示例：匹配数字

import re

pattern = r'\d+'  # 匹配一个或多个数字
text = 'I have 123 apples.'
result = re.findall(pattern, text)
print(result)  # 输出 ['123']

2. 表示数量

在正则表达式中，可以通过量词来控制匹配的数量：

• *：匹配前面的字符零次或多次（包括零次）。
• +：匹配前面的字符一次或多次。
• ?：匹配前面的字符零次或一次。
• {n}：匹配前面的字符恰好 n 次。
• {n,}：匹配前面的字符至少 n 次。
• {n,m}：匹配前面的字符至少 n 次，至多 m 次。

示例：匹配一个或多个字母

pattern = r'[a-zA-Z]+'  # 匹配一个或多个字母
text = 'Hello 123 world'
result = re.findall(pattern, text)
print(result)  # 输出 ['Hello', 'world']

3. 原始字符串

在正则表达式中使用反斜杠（\）时，通常需要转义。例如，\\ 用于表示单个反斜杠，而 \d 用于匹配数字。为了避免手动转义，Python 提供了原始字符串（r''），它会忽略字符串中的反斜杠转义。

示例：原始字符串的使用

pattern = r'\d+\.\d+'  # 匹配浮动小数
text = 'The price is 123.45 dollars.'
result = re.findall(pattern, text)
print(result)  # 输出 ['123.45']

使用 r'' 表示原始字符串，可以避免使用额外的反斜杠进行转义。

4. 表示边界

在正则表达式中，边界表示符用于匹配位置：

• ^：匹配字符串的开始位置。
• $：匹配字符串的结束位置。
• \b：匹配单词边界（例如，空格或标点符号）。
• \B：匹配非单词边界。

示例：匹配以数字开头的字符串

pattern = r'^\d+'  # 匹配以数字开头的字符串
text = '123abc'
result = re.match(pattern, text)
if result:
    print(result.group())  # 输出 '123'

示例：匹配单词边界

pattern = r'\bword\b'  # 匹配完整单词 'word'
text = 'wordplay and word'
result = re.findall(pattern, text)
print(result)  # 输出 ['word', 'word']

5. 匹配分组

分组可以将正则表达式的一部分括起来，这样可以对其进行单独匹配、提取或引用。

• ()：用于创建一个分组。
• \1, \2, …：表示分组的反向引用，即引用第 1、2 等分组匹配的内容。

示例：使用分组提取匹配内容

pattern = r'(\d+)-(\d+)'  # 匹配两个数字，中间用'-'分隔
text = '2021-12'
result = re.match(pattern, text)
if result:
    print(result.group(1))  # 输出 '2021'
    print(result.group(2))  # 输出 '12'

示例：反向引用

pattern = r'(\b\w+\b)\s+\1'  # 匹配重复的单词
text = 'hello hello world'
result = re.findall(pattern, text)
print(result)  # 输出 ['hello']

总结

• 表示字符：如 \d（数字）、\w（字母数字下划线）、\s（空白字符）等。
• 表示数量：量词如 *（零次或多次）、+（一次或多次）、{n,m}（n至m次）等。
• 原始字符串：使用 r'' 来表示原始字符串，避免反斜杠转义问题。
• 表示边界：使用 ^（字符串开始）、$（字符串结束）、\b（单词边界）等来定义匹配位置。
• 匹配分组：通过括号 () 创建分组，提取匹配的子串，可以使用反向引用。