【从零学习python 】66.深入了解正则表达式：模式匹配与文本处理的利器

2023-08-27 71

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 【从零学习python 】66.深入了解正则表达式：模式匹配与文本处理的利器

正则表达式模式

模式字符串使用特殊的语法来表示一个正则表达式：

re.search(r'H','Hello') # 这里的 H 表示的就是字母 H 自身，代表有特殊含义

多数字母和数字前加一个反斜杠时会拥有不同的含义。

ret = re.search(r'\d','he12ms90') # 这里的 \d 表示的是匹配数字

标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

ret = re.search(r'.','hello') // 这里的 . 表示的是匹配任意字符
ret = re.search(r'\.','he.llo')  // 这里的 \. 进行了转义，才表示标点符号自身。
• 1
• 2

反斜杠本身需要使用反斜杠转义。由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r’\t’，等价于\t )匹配相应的特殊字符。

下表列出了正则表达式模式语法中的特殊元素，如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

非打印字符

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：

字符	描述
`\cx`	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
`\f`	匹配一个换页符。等价于 \x0c 和 \cL。
`\n`	匹配一个换行符。等价于 \x0a 和 \cJ。
`\r`	匹配一个回车符。等价于 \x0d 和 \cM。
`\s`	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。
`\S`	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
`\t`	匹配一个制表符。等价于 \x09 和 \cI。
`\v`	匹配一个垂直制表符。等价于 \x0b 和 \cK。

所谓特殊字符，就是一些有特殊含义的字符。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符：

特殊字符	描述
`( )`	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 ( 和 )。
`.`	匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 . 。
`[`	标记一个中括号表达式的开始。要匹配 [，请使用 [。
`\`	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， ‘n’ 匹配字符 ‘n’。‘\n’ 匹配换行符， \ 匹配 \，而 ( 则匹配 ( 。
`{`	标记限定符表达式的开始。要匹配 {，请使用 {。
`	`
`\d`	匹配一个数字字符。等价于 [0-9]。
`[0-9]`	匹配任何数字。等价于 \d
`\D`	匹配一个非数字字符。等价于 [^0-9]。
`[a-z]`	匹配任何小写字母
`[A-Z]`	匹配任何大写字母
`[a-zA-Z0-9]`	匹配任何字母及数字。等价于\w
`\w`	匹配包括下划线的任何单词字符。等价于[A-Za-z0-9_]。
`\W`	匹配任何非单词字符。等价于 [^A-Za-z0-9_]。
`[\u4e00-\u9fa5]`	匹配纯中文

定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式，即匹配在某些模式之前或之后的位置。下表列出了定位符：

字符	描述
`^`	匹配输入字符串的开始位置。如果设置了 MULTILINE 标志，还会与换行符后的位置匹配。
`$`	匹配输入字符串的结束位置。如果设置了 MULTILINE 标志，还会与换行符前的位置匹配。
`\A`	只匹配输入字符串的开始处。
`\Z`	只匹配输入字符串的结束处，或者在换行符前的最后一个字符处。
`\b`	匹配一个单词边界，也就是指单词和空格间的位置。例如，`er\b` 可以匹配 “never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
`\B`	匹配非单词边界。例如，`er\B` 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。

下表列出了正则表达式中的重复相关的元字符及其含义：

特殊序列是具有特殊含义的反斜杠开头的序列。下表列出了正则表达式中可用的特殊序列：

序列	描述
`\A`	只匹配字符串开头。它和 ^ 的区别是，\A 即使在 MULTILINE 模式下也只能匹配字符串开头的位置，而不是行首的位置。
`\b`	匹配一个单词边界，也就是指单词和空格间的位置。
`\B`	匹配非单词边界。
`\d`	匹配任意数字字符，等价于 [0-9]。
`\D`	匹配任意非数字字符，等价于 [^0-9]。
`\s`	匹配任意空白字符，包括空格、制表符、换行符等等。
`\S`	匹配任意非空白字符。
`\w`	匹配任意字母或数字字符，等价于 [a-zA-Z0-9]。
`\W`	匹配任意非字母或数字字符，等价于 [^a-zA-Z0-9]。
`\Z`	只匹配字符串的结束，即使在 MULTILINE 模式下也只能匹配字符串末尾的位置，而不是行尾的位置。

这些是正则表达式中常用的一些模式和元字符，用于匹配、查找和操作字符串。使用正则表达式可以快速、灵活地处理各种文本数据。