正则表达式知识总结

用户头像
iHTC
关注
发布于: 2020 年 10 月 14 日

1、前言

正则表达式,如果有一定编程经验的同学,一定知道,可能你知道,但又说不出个所以然来,平时不经常使用,很容易就忘记,有一部分原因,我认为是总结的内容,不够简单和深刻。所以,自己尝试总结一下正则表达式的基础知识点,对于大部分的编程场景应该足够使用啦。另外,也希望通过总结,以便后续忘记时,能快速的记忆起来,这就是本文章的主要内容。



<!--more-->



2、正则表达式



匹配字符集

| 语法 | 匹配 | 示例 |

|---|---|---|

| . | 匹配任意字符(除了\n) | 表达式:. 匹配任意一个字符 |

| [...] | 匹配字符集(... 表示任意字符) | 表达式:[a-zA-Z] 匹配任意一个小写或大写的字母。<br>表达式:[iHTC] 匹配 "i", "H", "T" 和 "C"。<br>表达式:[e-k] 匹配 "e" 到 "k" 之间的字符。|

| \d | 匹配数字 | 表达式:a\d,匹配字符串 "aaa123" 中的 a1 。<br>表达式:a.\d,匹配字符串 "aaa123" 中的 aa1 。|

| \D | 匹配非数字 | 表达式:a.\D,匹配字符串 "aaa123" 中的 aaa 。|

| \s | 匹配空白字符(包括空格、制表符、换页符等空白字符,[ \t\n\r\f]) | 表达式:a.\s,匹配字符串 "aaa 123" 中的 aa (最后是空格) 。|

| \S | 匹配非空白字符 | 表达式:a.\S,匹配字符串 "aaa 123" 中的 aaa 。|

| \w | 匹配单词字符([a-zA-Z0-9_]和汉字) | 表达式:a.\w,匹配字符串 "aaa 123" 中的 aaa 。|

| \W | 匹配非单词字符 | 表达式:a.\W,匹配字符串 "aaa 123" 中的 aa (最后是空格) 。|

| \ | 转义字符 | \r, \n 代表回车和换行符; \t 制表符; \\ 代表 "\" 本身; \^ 匹配 ^ 符号本身; \$ 匹配 $ 符号本身; \. 匹配小数点(.)本身。 |



匹配量词(Quantifier)

| 语法 | 匹配 | 示例 |

|---|---|---|

| * | 匹配表达式出现 0次或者无限次,相当于 {0,} | 表达式:a*,匹配字符串 "aaa123" 中的 aaa 。|

| + | 匹配表达式至少出现 1次或者无限次,相当于 {1,} | 表达式:a+,匹配字符串 "aaa123" 中的 aaa 。 |

| ? | 匹配表达式 0次或者 1次,相当于 {0,1} | 表达式:a?,匹配字符串 "aaa123" 中的 a 。 |

| {m,n} | 匹配表达式至少重复 m 次,最多重复 n 次 | 表达式:a{1,2},匹配字符串 "aaa123" 中的 aa 。 |

| {m} | 匹配表达式重复 m 次 | 表达式:a{3},匹配字符串 "aaa123" 中的 aaa 。 |

| {m,} | 匹配表达式至少重复 m 次 | 表达式:a{1,},匹配字符串 "aaa123" 中的 aaa 。 |

| *? | 匹配模式变为非贪婪(尽可能少匹配字符),匹配表达式可以为 0次,也可以是无限次 | 表达式:a[0-9]*?23',匹配字符串 "aaa123" 中的 a123 。<br>如果匹配字符串 "aaa23" 则为 a23 。<br>如果匹配字符串 "aaa456123" 则为 a456123 。 |

| +? | 匹配模式变为非贪婪(尽可能少匹配字符),匹配表达式至少 1次,也可以是无限次 | 表达式:a[0-9]+?23,匹配字符串 "aaa123" 中的 a123 。<br>如果匹配字符串 "aaa23" 则匹配失败 。<br>如果匹配字符串 "aaa456123" 则为 a456123 。 |

| ?? | 匹配模式变为非贪婪(尽可能少匹配字符),匹配表达式最多 1次,也可以是 0次 | 表达式:a[0-9]??23,匹配字符串 "aaa123" 中的 a123 。<br>如果匹配字符串 "aaa23" 则为 a23 。<br>如果匹配字符串 "aaa456123" 则匹配失败。|

| {m,n}? | 非贪婪模式,匹配符合的最短的字符串 | 表达式:a[0-9]{1,4}?23,匹配字符串 "aaa123" 中的 a123 。<br>如果匹配字符串 "aaa23" 则匹配失败 。<br>如果匹配字符串 "aaa456123" 则为 a456123 |



匹配边界

| 语法 | 匹配 | 示例 |

|---|---|---|

| ^ | 匹配字符串开头 | 表达式:^\d 表示必须以数字开头。<br>表达式:[^abc] 匹配 a, b, c 之外的任意一个字符。 |

| $ | 匹配字符串结尾 | 表达式:*.com$ 匹配 .com 结尾的字符串。<br> \d$表示必须以数字结束。 |

| \A | 指定的字符串匹必须出现在开头 | 表达式:\Aa,匹配字符串 "aaa123" 中的 a 。 |

| \Z | 指定的字符串匹必须出现在结尾。如果是存在换行,只匹配到换行前的结束字符串。 | 表达式:\d\Z,匹配字符串 "aaa123" 中的 3 。 |

| \b | 匹配一个单词边界,但只在单词开始或结尾的位置,即匹配 \w\W 之间。(本身不匹配任何字符) | 表达式:\b4,匹配字符串 "aaa123 456" 中的 4 。<br>表达式:\b5,匹配字符串 "aaa123 456" 则为失败。 |

| \B | 匹配非单词边界,但不能在词的开头或者结尾,即匹配 [^\b] 。(本身不匹配任何字符) | 表达式:\B4,匹配字符串 "aaa123 456" 则为失败。<br>表达式:\B5,匹配字符串 "aaa123 456" 中的 5 。 |



匹配条件分组

| 语法 | 匹配 | 示例 |

|---|---|---|

| | 或关系,匹配左右任意一个表达式 | 表达式:a⎮b,匹配字符串 "aaa123" 中的 a 。|

| (ab) | 括号中表达式作为一个分组 | 表达式:(a1),匹配字符串 "aaa123" 中的 a1 。<br>表达式:(P⎮p)ython,可以匹配 Python 或者 python。 |

| (?:exp) | 表示非捕获分组,匹配 pattern 但不获取匹配结果。 | 表达式:([a-z]*)([0-9]*)([a-z]*),匹配字符串 "aaa123def456" 中的 'aaa', '123', 'def' 。<br>表达式:(?:[a-z])([0-9])([a-z]*),匹配字符串 "aaa123def456" 中的 '123', 'def' 。 |

| \<number> | 引用编号为 number 的分组(规则)匹配到的字符串 | 表达式:(\d)def\1,匹配字符串 "aaa123def321" 中的 3def3 。 |

| (?P<name>) | 给分组起一个别名 name | 表达式:(?P<tag>\d)def(?P=tag),匹配字符串 "aaa123def321" 中的 3def3 。 |

| (?P=name) | 引用别名为 name 的分组匹配字符串 | 表达式:<(?P<tag>\w*)>.*</(?P=tag)>,匹配字符串 <html><h1>www.iHTCboy.com</h1><html> 中的 <h1>www.iHTCboy.com</h1> 。 |



预搜索

| 语法 | 匹配 | 示例 |

|---|---|---|

| (?=exp) | 断言自身出现的位置的后面能匹配表达式 exp,exp1(?=exp2):查找 exp2 前面的 exp1。| 表达式:Windows(?=7) 能匹配Windows7 中的 “Windows”,但不能匹配 Windows10 中的“Windows”。 |

| (?!exp) | 断言自身出现的位置的后面不能匹配表达式 exp,exp1(?!exp2):查找后面不是 exp2 的 exp1。| 表达式:Windows(?!7) 能匹配Windows10 中的“Windows”,但不能匹配 Windows7 中的“Windows”。 |

| (?<=exp) | 断言自身出现的位置的前面能匹配表达式 exp,(?<=exp2)exp1:查找 exp2 后面的 exp1。| 表达式:(?<=7)Windows 能匹配 7Windows 中的“Windows”,但不能匹配 10Windows 中的“Windows”。 |

| (?<!exp) | 断言自身出现的位置的前面不能匹配表达式 exp,(?<!=exp2)exp1:查找前面不是 exp2 的 exp1。| 表达式:(?<!7)Windows 能匹配 10Windows 中的“Windows”,但不能匹配 7Windows 中的“Windows”。 |



exp :expression(表达式)



匹配模式



| 类型 | 模式 |说明|

|---|---|---|

| IGNORECASE | 忽略大小写模式 | 匹配时忽略大小写。(正则默认是区分大小写的) |

| SINGLELINE | 单行模式 | 整个文本看作一个字符串,只有一个开头一个结尾 |

| MULTILINE | 多行模式 | 每行都是一个字符串。在多行模式下,如果需要仅匹配字符串开始和结束位置,可以使用 \A 和 \Z |



3、Python 正则表达式



如果使用编辑语言来执行正则表达式呢?所有语言都是相通的,这是记录了之前使用 Python 的 re 模块做正则匹配的功能。



compile 和 match 函数



re.compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match()、search() 等函数使用。

re.match 尝试从字符串的起始位置匹配一个模式,如果字符串开始不符合正则表达式,就返回 None 。



result = re.match(pattern, string)



等价于



prog = re.compile(pattern)
result = prog.match(string)



注:如果需要多次使用这个正则表达式的话,使用 re.compile() 保存这个正则对象以便复用匹配多个字符串,可以让程序更加高效。



search 函数



re.search 扫描整个字符串并返回第一个成功的匹配。如果没有匹配,就返回一个 None 。



re.search(pattern, string, flags=0)



示例:

>>> re.search('iHTCboy', 'www.iHTCboy.com')
>>>
<re.Match object; span=(4, 11), match='iHTCboy'>



我们可以使用 group(num)groups() 匹配对象函数来获取匹配表达式。



>>> searchObj = re.search( r'(.*) are (.*?) .*', "iHTCboy are my nikename)
>>> print(searchObj.group())
>>> print(searchObj.groups())
>>> print(searchObj.group(1))
>>> print(searchObj.group(2))
>>>
iHTCboy are my nikename
('iHTCboy', 'my')
iHTCboy
my



findall 函数

re.findall 在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。



re.findall(pattern, string, flags=0)



string 返回一个不重复的 pattern 的匹配列表, string 从左到右进行扫描,匹配按找到的顺序返回。如果样式里存在一到多个组,就返回一个组合列表;就是一个元组的列表(如果样式里有超过一个组合的话)。空匹配也会包含在结果里。



比如查找字符串中的所有数字:

>>> result2 = re.findall(r'\d+', 'abc123d4efg567')
>>>
['123', '4', '567']



查找不是以 4、7 结尾的手机号码(11位)手机号码:

>>> result2 = re.findall(r'^1\d{9}[0-35-68-9]$', 'xxxxx')
>>>



finditer 函数



和 findall 类似,在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回。



re.finditer(pattern, string, flags=0)



搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器:

>>> for m in re.finditer(r'\d+', 'abc123d4efg567'):
>>> print(m.group())
>>>
123
4
567



split 函数

re.split 方法按照能够匹配的子串将字符串分割后返回列表。



re.split(pattern, string, maxsplit=0, flags=0)

pattern 分开 string 。如果 maxsplit 非零, 最多进行 maxsplit 次分隔, 剩下的字符全部返回到列表的最后一个元素。



对于规则的字符串,比如 abc 我们一般可以用 split 函数分割,但是如果遇到 a b c 这样的字符串,得到的结果就是 ['a', 'b', '', '', 'c']。所以,你可能需要人工来自己再次过滤,而使用正则表达式来处理,就显示很轻松:



>>> re.split(r'[\s\,]+', 'a,b, c d')
>>>
['a', 'b', 'c', 'd']



上面的 [\s\,]+ 表示匹配 \s (空格)和 , 中任意一个至少一次的分割。



对于一个找不到匹配的字符串而言,split 不会对其作出分割。



>>> re.split('a*', 'hello iHTCboy')
>>>
['hello iHTCboy']



sub 函数

re.sub 用于替换字符串中的匹配项。



re.sub(pattern, repl, string, count=0, flags=0)



返回通过使用 repl 替换在 string 最左边非重叠出现的 pattern 而获得的字符串。 如果样式没有找到,则不加改变地返回 string。 repl 可以是字符串或函数;如为字符串,则其中任何反斜杠转义序列都会被处理。 也就是说,\n 会被转换为一个换行符,\r 会被转换为一个回车附,依此类推。



比如电话号码格式可能带有空格或者-时,可以替换为空字符串:



>>> re.sub(r'\D', "", "188-8888-8888")
>>>
18888888888



repl 参数可以是一个函数,用于对匹配的内容进行更多的逻辑处理:



# 将匹配的数字乘以 2
>>> def double(matched):
>>> value = int(matched.group('value'))
>>> return str(value * 2)
>>>
>>> re.sub('(?P<value>\d+)', double, 'abc123d4efg567')
>>>
abc246d8efg1134



总结



正则表达式的内容有非常的多,如果不经常使用的话,可以就会很快忘记。所以,正则其实是不是应该记住呢?其实,应该是要记住,如果记不住,要不要紧?其实,是不要紧,因为正则就想查表一下,你如果之前已经比较系统的学习过,忘记了规则,看一下本文就大概记起来了。所以,这就是本文的目的,总结性的文章,不需要太多的复杂,简单又快捷的总结。



国庆中秋双节快乐!这篇文章应该是去年9月就定下来但迟迟没有动手,现在又过一年了,感叹生活真快。好好学习,天天快乐~



参考



<br>



  • 如有疑问,欢迎在评论区一起讨论!

  • 如有不正确的地方,欢迎指导!



<br>



注:本文首发于 iHTCboy's blog,如若转载,请注来源



<br>



发布于: 2020 年 10 月 14 日 阅读数: 36
用户头像

iHTC

关注

移动全栈工程师 2015.07.22 加入

ABC – Always Be Coding

评论

发布
暂无评论
正则表达式知识总结