6.正则表达式

Posted 2020-07-22

1.正则表达式基础

1.1 简单介绍

正则表达式进行匹配的流程：

正则表达式大致的匹配过程是：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。如果表达式中有量词或边界，这个过程会稍微有些不同，但也是很好理解的，看下图的示例以及自己使用多几次就能明白。

下图列出了python支持的正则表达式元字符和语法：

1.2.数量词的贪婪模式与非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串。python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪则相反，总是尝试匹配尽可能少的字符。例如：正则表达式“ab*”，如果用于查找“abbbc”，将找到“abbb”。而如果使用非贪婪的数量词“ab*?”，将找到“a”。

1.3.反斜杠的困扰

与大多数编程语言相同，正则表达式里使用“\\”作为转义字符，这就可能造成反斜杠困扰。假如你需要匹配文本中的字符“\\”，那么使用编程语言表示的正则表达式将需要4个反斜杠“\\\\\\\\”：前两个和后两个分别用于在编程语言里转义成反斜杠，转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。python里的原生字符串很好地解决了这个问题，这个例子中的正则表达式可以使用r“\\\\”表示。同样，匹配一个数字的"\\\\d"可以写成r"\\d"。有了原生字符串，你再也不用担心是不是漏写了反斜杠，写出来的表达式也更直观。

1.4.匹配模式

正则表达式提供了一些可用的匹配模式，比如忽略大小写，多行匹配等，这部分内容将在Pattern类的工厂方法re.compile(pattern[,flags])中一起介绍。