正则表达式知识总结

 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 和 \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) 或 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)
﻿
对 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)
用 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python正则表达式python正则表达式教程python正则表达式视频教程-慕课网
re --- 正则表达式操作 — Python 3.8.6 文档
正则表达式 - 笔记
﻿
<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>
﻿