正则表达式：元字符（基本可用来匹配的字符）

Posted 2021-12-15 passengerlee

1. # 1： 匹配单个字符与数字 . 匹配除换行符以外的任意字符 [0123456789] 是字符集合，表示匹配方括号中所包含的任意一个字符 如[Mia] 匹配‘M‘,‘i‘,‘a‘中任意一个字符 [a-z] 匹配任意小写字母 [A-Z] 匹配任意大写字母 [0-9] 匹配任意数字，类似[0123456789] [0-9a-zA-z] 匹配任意的数字和字母，(不分大小写)（不能加空格，否则也匹配空格） [[0-9a-zA-z_] 匹配任意的数字、字母和下划线 [^Mia] 匹配除了‘M‘,‘i‘,‘a‘这几个字母(符)以外的所有字符,"^"称为脱字符，表示不匹配集合中的字符，而匹配其它所有的 [^0-9] 匹配所有的非数字字符 [\d] 匹配所有的数字，效果同[0-9] [\D] 匹配非数字字符，效果同[^0-9] [\w] 匹配数字，字母和下划线，效果同[0-9a-zA-z_] [\W] 匹配非数字，字母和下划线 [\s] 匹配任意的空白符（空格，换行，回车，换页，制表），效果同[ \f\n\r\t] (Windows中回车是\r\n,换行是\n) Linux中换行是\r,回车是\n,效果一样) [\S] 匹配任意的非空白符，效果同[^ \f\n\r\t]

   import re
   print(re.search(‘.‘,‘I love Mia,Mia is my love‘))
   out:<re.Match object; span=(0, 1), match=‘I‘>
   
   # [0123456789]是字符集合，表示匹配方括号中所包含的任意一个字符
   print(re.search(‘[0123456789]‘,‘i am a 9‘))
   out:<re.Match object; span=(7, 8), match=‘9‘>
   
   print(re.findall(‘[\w]‘,‘jdf gh374‘))
   out:[‘j‘, ‘d‘, ‘f‘, ‘g‘, ‘h‘, ‘3‘, ‘7‘, ‘4‘]
   
   print(re.findall(‘.‘,‘34j\nlf gdj‘,flags=re.S))
   out:[‘3‘, ‘4‘, ‘j‘, ‘\n‘, ‘l‘, ‘f‘, ‘ ‘, ‘g‘, ‘d‘, ‘j‘]

         2. 

  

#      2:     锚字符（边界字符）

^          行首匹配，和在[]里的^不是一个意思，即和[^]不同
$          行尾匹配
\A         匹配字符串开始，它和^的区别是，‘\A‘只匹配整个字符串的开头，即使在re.M模式下也不会其他行的行首
\Z         匹配字符串结束，它和$的区别是，‘\Z‘只匹配整个字符串的结尾，即使在re.M模式下也不会其他行的行尾
\b         匹配一个单词的边界，也就是单词和空格间的位置（空格）,如‘er\b‘可以匹配never，不能匹配nerve
\B         匹配非单词边界,如‘er\b‘可以匹配nerve,不能匹配never


print(re.search(‘^Mia‘,‘Mia is my love‘))
print(re.search(‘Mia$‘,‘Mia is my love,Mia‘))
print(re.search(‘^Mia$‘,‘Mia is my love,Mia‘))
out:
<re.Match object; span=(0, 3), match=‘Mia‘>
<re.Match object; span=(15, 18), match=‘Mia‘>
None


print(re.findall(‘^Mia‘,‘Mia is my love\nMia is my love‘,re.M))
print(re.findall(‘\AMia‘,‘Mia is my love\nMia is my love‘,re.M))
out:
[‘Mia‘, ‘Mia‘]
[‘Mia‘]


print(re.findall(‘Mia$‘,‘Mia is my love,Mia\nMia‘,re.M))
print(re.findall(‘Mia\Z‘,‘Mia is my love,Mia\nMia‘,re.M))
out:
[‘Mia‘, ‘Mia‘]
[‘Mia‘]


print(re.search(‘er\b‘,‘never‘))
out:None


print(re.search(r‘er\b‘,‘never‘))
print(re.search(r‘er\b‘,‘nerve‘))
print(re.search(r‘er\B‘,‘never‘))   
print(re.search(r‘er\B‘,‘nerve‘))
# 加“r”是防止转义！
out:
<re.Match object; span=(3, 5), match=‘er‘>
None
None
<re.Match object; span=(1, 3), match=‘er‘>

 

3.

#     3：    匹配多个字符
说明：下方的x、y、z均为假设的普通字符，m、n是非负整数，不是正则表达式的元字符
(xyz)     匹配小括号内的xyz（作为一个整体去匹配）
x?        匹配0个或者1个x
x*        匹配0个或者任意多个x （.* 表示匹配任意0个或者任意多个字符(换行符除外)
x+        匹配至少一个x
xn      匹配确定的n个x(n是一个非负整数)
xn,     匹配至少n个x
xn,m    匹配至少n个，最多m个x 注意：（n<=m)
x|y       |表示或，匹配的是x或y


print(re.findall(r‘(Mia)‘,‘Mia is a good girl,Mia loves me‘))
out:
[‘Mia‘, ‘Mia‘]

print(re.findall(r‘o?‘,‘Mia is a good girl,Mia loves me‘)
out:[‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘o‘, ‘o‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘o‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘]


print(re.findall(r‘o*‘,‘oooo‘))
print(re.findall(r‘o?‘,‘oooo‘))    #  贪婪匹配，尽可能少的匹配
print(re.findall(r‘o*‘,‘ooowwoo‘))  # 贪婪匹配，尽可能多的匹配
print(re.findall(r‘.*‘,‘ooowwoo‘))
out:
[‘oooo‘, ‘‘]
[‘o‘, ‘o‘, ‘o‘, ‘o‘, ‘‘]
[‘ooo‘, ‘‘, ‘‘, ‘oo‘, ‘‘]
[‘ooowwoo‘, ‘‘]


print(re.findall(r‘o+‘,‘ooowoo‘))   # 贪婪匹配，尽可能多的匹配
out:[‘ooo‘, ‘oo‘]


print(re.findall(r‘o4‘,‘ooowo‘))
print(re.findall(r‘o4‘,‘oooo‘))
print(re.findall(r‘o4‘,‘ooooo‘))
print(re.findall(r‘o4‘,‘ooo‘))
print(re.findall(r‘o4‘,‘oooowooooo‘))
out:
[]
[‘oooo‘]
[‘oooo‘]
[]
[‘oooo‘, ‘oooo‘]


print(re.findall(r‘o3,‘,‘ooooo‘))
print(re.findall(r‘o3,‘,‘ooo‘))
print(re.findall(r‘o3,‘,‘oo‘))
print(re.findall(r‘o3,‘,‘oobooo‘))
out:
[‘ooooo‘]
[‘ooo‘]
[]
[‘ooo‘]


print(re.findall(r‘o3,6‘,‘oobooo‘))
print(re.findall(r‘o3,6‘,‘oooobooo‘))
out:
[‘ooo‘]
[‘oooo‘, ‘ooo‘]


print(re.findall(r‘(m|M)ia‘,‘mia--Mia‘))
print(re.findall(r‘((m|M)ia)‘,‘mia--mia--Mia‘))   # 打印出来是“组”
out:
[‘m‘, ‘M‘]
[(‘mia‘, ‘m‘), (‘mia‘, ‘m‘), (‘Mia‘, ‘M‘)]


# 需求：提取
import re
str = ‘Mia is a good girl!Mia is a nice girl!Mia is a beautiful girl‘
print(re.findall(r‘^Mia.*girl$‘,str))
out:
[‘Mia is a good girl!Mia is a nice girl!Mia is a beautiful girl‘]

 

4.

#     4：    特殊
*?  +?   x? 最小匹配，通常都是尽可能多的匹配，可以这种加？的方式解决贪婪匹配
光*和+代表贪婪匹配
(?:x)       类似(xyz),但不表示一个组合

print(re.findall(r‘a?‘,‘aaa‘))
out:[‘a‘, ‘a‘, ‘a‘, ‘‘]


import re
str = ‘Mia is a good girl!Mia is a nice girl!Mia is a beautiful girl‘
print(re.findall(r‘^Mia.*?girl$‘,str))
print(re.findall(r‘Mia.*?girl‘,str))
print(re.findall(r‘Mia.*girl‘,str))
out:
[‘Mia is a good girl!Mia is a nice girl!Mia is a beautiful girl‘]
[‘Mia is a good girl‘, ‘Mia is a nice girl‘, ‘Mia is a beautiful girl‘]
[‘Mia is a good girl!Mia is a nice girl!Mia is a beautiful girl‘]


标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。
反斜杠本身需要使用反斜杠转义。
由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r‘\t‘，等价于 \\t )匹配相应的特殊字符。


# 注释 ： /*  part1  */     /*  part2  */
print(re.findall(r‘//*.*/*/‘,‘ /*  part1  */  /*  part2  */‘))   # 标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。如*,需/*，把*转义，才表示单纯的符号*

out:[‘/*  part1  */  /*  part2  */‘]