正则表达式知识总结
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 。
等价于
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 。
示例:
我们可以使用 group(num)
或 groups()
匹配对象函数来获取匹配表达式。
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。
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:
查找不是以 4、7 结尾的手机号码(11位)手机号码:
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。
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:
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。
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:
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。
sub 函数
re.sub
用于替换字符串中的匹配项。
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:
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:
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>
版权声明: 本文为 InfoQ 作者【iHTC】的原创文章。
原文链接:【http://xie.infoq.cn/article/9c1d9c3c50fb10cc8a8b84ebf】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
评论