三.正则表达式语法匹配
正则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
待会我们会用到re库中的函数还进行字符匹配,这里可以通过一个例子先看一下语法:
import re a = "abbbbbccccd" b = re.findall('ab+c+d',a) print(b)
['abbbbbccccd']
构造正则表达式的方法和创建数学表达式的方法一样。也就是用多种元字符与运算符可以将小的表达式结合在一起来创建更大的表达式。正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。
正则表达式是由普通字符(例如字符 a 到 z)以及特殊字符(称为"元字符")组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
1 普通字符
普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。
1.1alone
普通字符串,上述例子基本用的都是普通字符串。这里我们用findall()函数来演示更好:
strings='Fanstuck wants to leave alone alonely' print(re.findall('alone',strings))
['alone', 'alone']
1.2[alone]
匹配 [...] 中的所有字符:
strings='Fanstuck wants to leave alone alonely' print(re.findall('[alone]',strings))
['a', 'n', 'a', 'n', 'o', 'l', 'e', 'a', 'e', 'a', 'l', 'o', 'n', 'e', 'a', 'l', 'o', 'n', 'e', 'l']
1.3[^alone]
匹配除了 [^...] 中字符的所有字符
strings='Fanstuck wants to leave alone alonely' print(re.findall('[^alone]',strings))
['F', 'u', 'c', 'k', ' ', ' ', 'o', ' ', 'l', 'e', 'v', 'e', ' ', 'l', 'o', 'e', ' ', 'l', 'o', 'e', 'l', 'y']
1.4[A-Z]
[A-Z] 表示一个区间,匹配所有大写字母,[a-z] 表示所有小写字母。
strings='Fanstuck wants to leave alone alonely' print(re.findall('[^A-F]',strings))
['a', 'n', 's', 't', 'u', 'c', 'k', ' ', 'w', 'a', 'n', 't', 's', ' ', 't', 'o', ' ', 'l', 'e', 'a', 'v', 'e', ' ', 'a', 'l', 'o', 'n', 'e', ' ', 'a', 'l', 'o', 'n', 'e', 'l', 'y']
1.5 .
匹配除换行符(\n、\r)之外的任何单个字符,相等于 [^\n\r]。
strings='Fanstuck wants to leave alone alonely' print(re.findall('.',strings))
['F', 'a', 'n', 's', 't', 'u', 'c', 'k', ' ', 'w', 'a', 'n', 't', 's', ' ', 't', 'o', ' ', 'l', 'e', 'a', 'v', 'e', ' ', 'a', 'l', 'o', 'n', 'e', ' ', 'a', 'l', 'o', 'n', 'e', 'l', 'y']
1.6[\s\S]
匹配所有。\s 是匹配所有空白符,包括换行,\S 非空白符,不包括换行。
strings='Fanstuck wants to leave alone alonely' print(re.findall('[\s\S]',strings))
['F', 'a', 'n', 's', 't', 'u', 'c', 'k', ' ', 'w', 'a', 'n', 't', 's', ' ', 't', 'o', ' ', 'l', 'e', 'a', 'v', 'e', ' ', 'a', 'l', 'o', 'n', 'e', ' ', 'a', 'l', 'o', 'n', 'e', 'l', 'y']
1.7\w
匹配字母、数字、下划线。等价于 [A-Za-z0-9_]
strings='Fanstuck wants to leave alone alonely' print(re.findall('\w',strings))
['F', 'a', 'n', 's', 't', 'u', 'c', 'k', 'w', 'a', 'n', 't', 's', 't', 'o', 'l', 'e', 'a', 'v', 'e', 'a', 'l', 'o', 'n', 'e', 'a', 'l', 'o', 'n', 'e', 'l', 'y']
2.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:
2.1\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。
2.2\f
匹配一个换页符。等价于 \x0c 和 \cL。
strings='Fanstuck wants to leave alone alonely' print(re.findall('\f',strings))
2.3\n
匹配一个换行符。等价于 \x0a 和 \cJ。
strings='Fanstuck \n \ wants to leave \ alone alonely' print(re.findall('\n',strings)) print(strings)
['\n']
Fanstuck
wants to leave alone alonely
2.4\r
匹配一个回车符。等价于 \x0d 和 \cM。
strings='\r Fanstuck \r \ wants to leave\r \ alone alonely' print(re.findall('\r',strings)) print(strings)
['\r', '\r', '\r']
alone alonelye
2.5 \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。
strings='Fanstuck wants to leave alone alonely' print(re.findall('\s',strings))
[' ', ' ', ' ', ' ', ' ']
2.6\S
匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
strings='Fanstuck wants to leave alone alonely' print(re.findall('\S',strings))
['F', 'a', 'n', 's', 't', 'u', 'c', 'k', 'w', 'a', 'n', 't', 's', 't', 'o', 'l', 'e', 'a', 'v', 'e', 'a', 'l', 'o', 'n', 'e', 'a', 'l', 'o', 'n', 'e', 'l', 'y']
2.7\t
匹配一个制表符。等价于 \x09 和 \cI。
strings='Fanstuck wants to leave alone alonely' print(re.findall('\t',strings))
没写啥制表符固为空。
2.8\v
匹配一个垂直制表符。等价于 \x0b 和 \cK。
3.特殊字符
所谓特殊字符,就是一些有特殊含义的字符,如上面说的 runoo*b 中的 *,简单的说就是表示任何字符串的意思。如果要查找字符串中的 * 符号,则需要对 * 进行转义,即在其前加一个 \,runo\*ob 匹配字符串 runo*ob。
许多元字符要求在试图匹配它们时特别对待。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:
3.1$
匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性,$ 还会与 \n 或 \r 之前的位置匹配。则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身,请使用 \$。
strings='Fanstuck wants to leave alone alonely' print(re.findall(' alone alonely$',strings))
[' alone alonely']
3.2( )
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 和和。
strings='Fanstuck wants to leave alone alonely' print(re.findall('(Fan\w{2,3}ck)',strings))
['Fanstuck']
3.3*
匹配前面的子表达式零次或多次。要匹配 * 字符,请使用 \*。
strings='Fanstuck wants to leave alone alonely' print(re.findall('(Fan\w*ck)',strings))
['Fanstuck']
3.4+
匹配前面的子表达式一次或多次。要匹配 + 字符,请使用 \+。
strings='Fanstuck wants to leave alone alonely' print(re.findall('(alone)+',strings))
['alone', 'alone']
3.5.
匹配除换行符 \n 之外的任何单字符。要匹配 . ,请使用 \. 。
strings='Fanstuck wants to leave alone alonely' print(re.findall('Fa.s.u.k',strings))
['Fanstuck']
3.6[
标记一个中括号表达式的开始。要匹配 [,请使用 \[。
3.7?
匹配前面的子表达式零次或一次,或指明一个非贪婪限定符。要匹配 ? 字符,请使用 \?。
这里要注意一下贪婪模式和非贪婪模式。
贪婪模式:尽可能多的去匹配数据,表现为\w后面加某个元字符,例如\w*:
strings='Fanstuck wants to leave alone alonely' print(re.findall('F\w*',strings))
['Fanstuck']
非贪婪模式:尽可能少的去匹配数据,表现为\w后面加?,例如\w?
strings='Fanstuck wants to leave alone alonely' print(re.findall('F\w?',strings))
['Fa']
3.8\
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。序列 '\\' 匹配 "\",而 '\(' 则匹配 "("。
3.9^
^有两种意义,一个是标识开头,一个是内容取反
^作为标识开头
strings='alone alonely' print(re.findall('^alone',strings))
['alone']
^作为内容取反
[^x] 匹配除了x以外的任意字符
[^aeiou] 匹配除了aeiou这几个字母以外的任意字符
3.10{
标记限定符表达式的开始。要匹配 {,请使用 \{。
3.11|
指明两项之间的一个选择。要匹配 |,请使用 \|。
4.限定符
限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。
正则表达式的限定符有:
4.1*
上述已作展示
4.2+
上述已作展示
4.3?
上述已作展示
4.4{n}
n 是一个非负整数。匹配确定的 n 次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的两个 o。
strings='Fanstuck wants to leave alone alonely' print(re.findall('Fan\w{2}uck',strings))
4.5 {n,}
n 是一个非负整数。至少匹配n 次。贪婪
strings='Fanstuck wants to leave alone alonely' print(re.findall('Fan\w{1,}uck',strings))
['Fanstuck']
4.6 {n,m}
m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。贪婪
strings='Fanstuck wants to leave alone alonely' print(re.findall('^(\w{2,8}\s*\w{2,8})+',strings))a
['Fanstuck wants']
1. strings='Fanstuck wants to leave alone alonely' 2. print(re.findall('^Fanstuck[(\w{2,8}\s*)+]+ly',strings))
['Fanstuck wants to leave alone alonely']
* 和 + 限定符都是贪婪的,因为它们会尽可能多的匹配文字,只有在它们的后面加上一个 ? 就可以实现非贪婪或最小匹配。
5.定位符
5.1^
上述已经演示
5.2$
上述已经演示
5.3\b
匹配一个单词边界,即字与空格间的位置。
strings='Fanstuck wants to leave alone alonely' print(re.findall(r'\balone\b',strings))
['alone']
5.4\B
和 ’/b’ 相反,它只匹配非边界的字符。
strings='Fanstuck wants to leave alone alonely' print(re.findall('alone\\Bly',strings))
['alonely']