Python--正則表達式

正則表達式

概述

正則表達式是文本處理極爲重要的技術，用它可以對字符串按照某種規則進行檢索、替換。

分類

1. BRE
   基本正則表達式，grep、sed、vi等軟件支持。
2. ERE
   擴展正則表達式，egrep ( grep -E )、sed -r等。
3. PCRE
   幾乎所有高級語言都是PCRE的變種。Pythoncong1.6開始使用SRE正則表達式引擎，可以認爲是PCRE的子集，見模塊re。

基本語法

元字符 metacharacter

代碼	說明	舉例
.	匹配除換行符外的任意一個字符	.
[abc]	字符集合，只能表示一個字符位置。匹配所包含的任意一個字符	[abc]匹配plain中的’a’
[^abc]	字符集合，只能表示一個字符位置。匹配除去集合內字符的任意一個字符	[^abc]可以匹配plain中的’p’,’l’,’i’,’n’
[a-z]	字符範圍，也是一個集合，表示一個字符位置 匹配所包含的任意一個字符	常用[A-z][0-9]
[^a-z]	字符範圍，也是一個集合，表示一個字符位置 匹配出去集合內字符的任意一個字符
\b	匹配單詞的邊界	\bb在文本中找到單詞中b開頭的b字符
\B	不匹配單詞的邊界	t\B包含t的單詞但是不以t結尾的t字符。 例如write \Bb不以b開頭的b單詞，例如able
\d	[0-9]匹配以爲數字
\D	[^0-9]匹配一位非數字
\s	匹配1位空白字符，包含換行符、製表符、空格
\S	匹配1位非空白字符
\w	匹配[a-zA-Z0-9_],包括中文的子
\W	匹配\w之外的字符

轉義

凡是在正則表達式中有特殊意義的符號，如果想使用它的本意，請使用\轉義。反斜槓自身，需要使用\\
\r,\n還是轉以後代表、換行

重複

代碼	說明	舉例
*	表示前面的正則表達式會重複0次或多次	e\w*單詞中e後面可以有非空字符
+	表示前面的正則表達式重複至少1次	e\w+ 單詞中e後至少有一個非空白字符
?	表示前面的正則表達式會重複0次或者1次	e\w? 單詞中e的後面最多有一個非空白字符
{n}	重複固定的n次	e\w{1} 單詞中e後面只能有一個非空白字符
{n,}	重複至少n次	e\w{1,} 等價 e\w+ e\w{0,} 等價於 e\w* e\w{0,1} 等價 e\w?
{n,n}	重複n到m次	e\w{1,10} 單詞中e後面至少1個，至多10個非空白字符

捕獲

代碼	說明	舉例
x	y	匹配x或者y
(pattern)	使用小括號指定一個自表達式，也叫分組 捕獲後會自動分配組號從1開始，可以改變優先級
\數字	匹配對應的分組	(very)\1 匹配 very very， 但是捕獲的組group是very
(?:pattern	如果僅僅是爲了改變優先級，就不需要捕獲分組	(?:w
(?exp)(?’name’exp)	分組捕獲，但是可以通過那麼訪問分組 Python語法必須是(?Pexp)

斷言

代碼	說明	舉例
(?=exp)	零寬度正預測先行斷言 斷言exp一定在匹配的右邊出現，也就是斷言後面一定跟着exp	f(?=oo) f後面一定有oo出現
(?<=exp)	零寬度正回顧後發斷言 斷言exp一定出現在匹配的左邊出現，也就是說前面一定有個exp前綴	(?<=f)ood,(?<=t)ook 分別匹配ood，ook，ook前一定有t出現
(?!exp)	零寬度正預測先行斷言 斷言exp一定不會在匹配的右邊出現，也就是斷言後面一定不是exp	\d{3}(?!\d)匹配3位數字斷言3位數字後面一定不是數字 foo(?!d) foo後面一定不是d
(?	零寬度正回顧後發斷言 斷言exp一定不會在匹配的左邊出現，也就是說前面一定不是exp	(?

貪婪模式

默認貪婪模式，也就是儘量多的匹配字符串
非貪婪模式，在重複的符號後面加上一個 ? 問號，就可以儘量的少匹配了。

代碼	說明
*?	匹配任意次，但儘可能少重複
+?	匹配至少1次，但是儘可能少重複
??	匹配0次或者1次，但儘可能少重複
{n,}?	匹配至少n次，但儘可能少重複
{n,m}?	匹配至少n次，至多m次，但儘可能少重複

引擎選項

代碼	說明	Python
IgonreCase	匹配時忽略大小寫	re.I re.IGNORECASE
Singleline	單行模式，可以匹配多有字符，包括\n	re.Sre.DOTALL
Multiline	多行模式^行首、$行尾	re.M re.MULTLINE
IgnorePatternWhitespace	忽略表達式中的空白字符，如果要使用空白字符需轉義，#可以用來做註釋	re.X re.VERBOSE

單行模式：將整個文本視爲一個字符串
. 可以匹配所有字符，包括換行符
^ 表示整個字符串的開頭，$表示整個字符串的結尾

多行模式：一行是一行
. 可以匹配除了換行符之外的字符
^ 表示行首 $ 表示行尾