python--“re”详解

Posted 2020-11-19 l-c98

一、什么是正则表达式？

正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。

正则表达式的组件可以是单个的字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。　

 

二、正则表达式的基本语法。

1.备选字符集　

  　　语法：[可选字符列表]
    　　  强调：1. 无论备选字符集包含多少字符，只能选1个
　　　　　　   2. 必须选1个！

      比如：6位数字的密码： [0123456789][0123456789][0123456789][0123456789][0123456789][0123456789]
     简化：1. 当备选字符连续时，可用-表示范围的区间
        比如：[0123456789]-->[0-9]
        [0-9][0-9][0-9][0-9][0-9][0-9]
        [a-z]-->1位小写字母
        [A-Z]-->1位大写字母
        [A-Za-z]-->1位字母，大小写都行
        [0-9a-zA-Z]-->1位字母或数字都行
     反选：[^不能选的字符列表]
     比如：[^47] 强调：^作“除了”使用时，只能放在开头

　　　语法：X|Y

　　　表达式X|Y等价于[XY]

　

2、预定义字符集

为常用的字符集专门提供的简化写法！
   　　 “d”-->[0-9]-->1位数字　　　　　　　　　　　　　　　　“D”------一位非数字字符
    　　“w”-->[0-9a-zA-Z_]-->1位字母,数字或_　　　　　　　 　“W”------匹配任何非单词字符，等价于[^0-9a-zA-Z_]
  　　  “s”-->1位空字符：匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ f v]。    　　“S”--------匹配非空白字符，等价于 [^f v]

　　　“”----匹配一个单词边界。比如，“er”可以匹配"never"中的"er"，但不能匹配“verb”中的“er”。　　 “B”--------匹配非单词边界。比如，"erB"能匹配"verb"中的"er"，但是不能匹配“never”中的“er

”
 　   　“ . “: 除换行回车外的任何一个字符,如：
　    　

.

 3. 数量词：规定相邻的字符集可出现的次数

　　  确定数量：3种：
　　　　　　{n}--> 必须反复出现n位
     　　         {n,m}--> 最少出现n次，最多出现m次
        　　　   {n,}-->至少出现n次，多了不限！
　　　　
    　　　　  比如：/^d{6}$/——6位数字
　　

　　不确定数量：3种

　　　　　　*　　大于等于0次

　　　　　　+　　至少出现一次

 　　　　　  ?　　0次或1次

4. 指定匹配位置：
      ^表达式: 必须以表达式的规则为开头
      表达式$: 必须以表达式的规则为结尾

     比如：选择字符串开头的空格？^s*
           选择结尾空格?s*$
           选择开头或结尾的空格？^s*|s*$
     *预告：今后只要在程序中执行验证：都要前加^后加$*
            表示从头到尾完整匹配。

     比如：test()：
       ^d{6}$——从头到尾必须只能是6位数字
    

5.预判

在进行正式匹配正则表达式之前，先预读整个字符串，进行初步匹配，如果预判都不能通过，则不再验证。

　　(?:pattern)　　　非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。

　　
　　(?=pattern)　　　非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
　　

　　(?!pattern)　　　非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。

　　

　　(?<=pattern)　    非获取匹配，反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。 “(?<=95|98|NT|2000)Windows”目前在python3.6中re模块测试会报错，用“|”连接的字符串长度必须一样，这里“95|98|NT”的长度都是2，“2000”的长度是4，会报错。

       (?<!pattern)　　　　非获取匹配，反向否定预查，与正向否定预查类似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。这个地方不正确，有问题 .此处用或任意一项都不能超过2位，如“(?<!95|98|NT|20)Windows正确，“(?<!95|980|NT|20)Windows 报错，若是单独使用则无限制，如(?<!2000)Windows 正确匹配。 同上，这里在python3.6中re模块中字符串长度要一致，并不是一定为2，比如“(?<!1995|1998|NTNT|2000)Windows”也是可以的。

 

 6.分组　　

　　　()括号里面的内容当作一个分组，当做一个整体 

　　　比如：(a|bc)de　　表示ade 或者cdef

 

 7.贪婪模式和懒惰模式

贪婪模式：默认情况下，正则表达式会匹配最大的符合条件的字符串, *、+和?限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个?就可以实现非贪婪或最小匹配。