正则表达式

Posted 2020-12-14 yangtao481

# 正则表达式基础知识
# 
# 
# 
# 
# 
# 　　使用正则表达式时，能用简单表达式，就不要用复杂的表达式。因为越复杂的正则表达式效率反而不高且易读性极差。
# 
# 
# 
# 一.概述
# 
# 
# 　　正则表达式，Regular
# Expression，缩写为regex、regexp、RE等。 正则表达式是文本处理极为重要的技术，用它可以对字符串按照某种规则进行检索、替换。

# Thompson将正则表达式引入到Unix中文本编辑器ed和grep命令中，由此正则表达式普
# 及开来。

# 
# 二.分类
# 
# 
# BRE
# 　　基本正则表达式，grep、sed、vi等软件支持。vim有扩展。
# 
# ERE
# 　　扩展正则表达式，egrep(grep - E)、sed - r等。
# 
# PCRE
# 　　几乎所有高级语言都是PCRE的方言或者变种。Python从1
# .6
# 开始使用SRE正则表达式引擎，可以认为是PCRE
# 的子集，见模块re。
# 
# 
# 三.基本语法
# 
# 1 >.元字符（metacharacter）
# 
# 
# .
# 　　匹配除换行符外任意一个字符。
# 
# [abc]
# 　　字符集合，只能表示一个字符位置。匹配除去集合内字符的任意一个字符。
# 
# [ ^ abc]
# 　　字符集合，只能表示一个字符位置。匹配除去集合内字符的任意一个字符。
# 
# [a - z]
# 　　字符范围，也是集合，表示一个字符位置匹配所包含的字符。类似的还有[A - Z], [0 - 9]。
# 
# [ ^ a - z]
# 　　字符范围，也是个集合，表示一个字符位置匹配除去集合内字符的任意一个字符。
# 
# 
# 　　匹配单词的边界。
# 
# B
# 　　不匹配单词的边界。
# 
# d
# 　　[0 - 9]
# 匹配1位数字。
# 
# D
# 　　[ ^ 0 - 9]匹配1位数字。
# 
# s
# 　　匹配1位空白字符，包括换行符, 制表符，空格。例如：[f
	v]
# 
# S
# 　　匹配1位非空白字符。
# 
# w
# 　　匹配[a - zA - Z0 - 9
# _], 包括中文的字。
# 
# W
# 　　匹配w之外的字符。
# 
# 2 >.转义
# 
# 凡是在正则表达式中有特殊意义的符号，如果想使用它的本意，请使用转义。 反斜杠自身，得使用 
#  
#     
、
还是转义后代表回车、换行
# 3 >.重复
# 
# 
# *
# 　　表示前面的正则表达式会重复0次或多次。
# 
# +
# 　　表示前面的正则表达式至少重复1次。
# 
# ?
# 　　表示前面的正则表达式会重复出现0次活1次。
# 
# {n}
# 　　重复固定的n次。
# 
# {n, }
# 　　重复至少n次。　　
# 
# {n, m}
# 　　重复n到m次。
# 
# 4 >.或
# 
# x | y
# 　　匹配x或者y。
# 5 >.捕获
# 
# 
# (pattern)
# 　　使用小括号指定一个子表达式，也叫分组捕获后会自动分配组号从1开始可以改变优先级。
# 
# 数字
# 　　匹配对应的分组。
# 
# (?:pattern)
# 　　如果仅仅为了改变优先级，就不需要捕获分组。
# 
# (? < name > exp)
# 或(?‘name‘
# exp)
# 　　命名分组捕获，但是可以通过name访问分组。Python的re标准库愈发必须是(?P < name > exp)。
# 
# 6 >.零宽断言
# 
# (?=exp)
# 　　零宽度正预测先行断言，断言exp一定在匹配配的右边出现，也就是说断言后面一定跟个exp。
# 
# (? <= exp)
# 　　零宽度正回顾后发断言，断言exp一定出现在匹配的左边出现，也就是说前面一定有个exp前缀。
# 7 >.负向零宽断言
# 
# (?!exp)
# 　　零宽度负预测先行断言，断言exp一定不会出现在右侧，也就是说断言后面一定不是exp。
# 
# (? < !exp)
# 　　零宽度负回顾后发断言，断言exp一定不能出现在左侧，也就是说断言前面一定不能是exp。
# 8 >.注释
# 
# (?  # comment)
#  　　注释，比如f(?=oo)(?  # 这个后断言不捕获)
# 9 >.贪婪与非贪婪（默认就是贪婪模式，也就是说尽量多匹配匹配更长的字符串。）
# 
# 
# *?
# 　　匹配任意次，但尽量可能少重复。
# 
# +?
# 　　匹配自少一次，但尽可能少重复。
# 
# ??
# 　　匹配0次或1次，但尽可能少重复。
# 
# {n, }?
# 　　匹配至少n次，但尽可能少重复。
# 
# {n, m}?
# 　　匹配至少n次，至多m次，但尽可能少重复。
# 
# 10 >.引擎选项
# 
# 
# IgnoreCase
# 　　匹配时忽略大小写。
# 
# Singleline
# 　　单行模式，可以匹配所有字符，包括
。
# 　　需要注意的是，在单行模式中，"."
# 可以匹配所有字符，包括换行符。"^"
# 表示整个字符串的开头，“$”整个字符串的结尾。
# 　　
# Multiline
# 　　多行模式， ^ 行首，$行尾。
# 　　需要注意的是，在多行模式中，"."
# 可以匹配除了换行符之外的字符，多行不影响“.”点号。"^"
# 表示行首，“¥”表示行尾，只不过这里的行是每一行。　　
# 
# IgnorePatternWhitespace
# 　　忽略表达式中的空白字符，如果要使用空白字符用转义，  # 可以用来做注释。
# 
# 11 >.单行模式和多行模式注意事项
# 
# 
# 单行模式:
# 　　.可以匹配所有字符，包括换行符
# 　　 ^ 表示整个字符串的开头，$整个字符串的结尾
# 
# 多行模式:
# 　　.可以匹配除了换行符之外的字符，多行不影响.点号
# 　　 ^ 表示行首，$行尾，只不过这里的行是每一个行
# 
# 默认模式:
# 　　可以看做待匹配的文本是一行，不能看做多行，.点号不能匹配换行符， ^ 和$表示行首和行尾，而行首行尾就
# 是整个字符串的开头和结尾
# 
# 单行模式:
# 　　基本和默认模式一样，只是.点号终于可以匹配任意一个字符包括换行符，这时所有文本就是一个长长的只有
# 一行的字符串。 ^ 就是这一行字符串的行首，$就是这一行的行尾。
# 
# 多行模式:
# 　　重新定义了行的概念，但不影响.点号的行为， ^ 和$还是行首行尾的意思，只不过因为多行模式可以识别换行
# 符了。"开始"
# 指的是
后紧接着下一个字符;
# "结束"
# 指的是
前的字符，注意最后一行结尾可以没有

# 
# 
# 　　简单讲，单行模式只影响.点号行为，多行模式重新定义行影响了 ^ 和$
# 
# 　　注意: 注意字符串中看不见的换行符, 
会影响e$的测试，e$只能匹配e