正则－简单的模式

Posted 2020-09-09 道高一尺

我们将从最简单的正则表达式开始，由于正则表达式常用于操作字符串的，因此我们从最常见的任务下手：字符匹配

字符匹配

大多数字母和字符会匹配它们自身。

举个例子：正则表达式FishC将完全匹配字符串‘FishC’。

（你可以启用不区分大小写模式，则正则表达式FishC可以匹配‘FISHC’，或‘fishc’）

当然这个规则也有例外。

有少数特殊的字符我们称之为‘元字符’（metacharacter），它们并不能匹配自身，它们定义了字符类，子组匹配和模式重复次数等。

本文用很大的篇幅讨论了各种元字符及其作用。

下面是元字符的完整列表

. ^ $* + ? {} \\ | ()

注释：如果没有这些元字符，正则表达式就会变得跟字符串的find（）方法一样平庸了。

1、方括号

我们先来看一下方括号［］，它们指定一个字符类用于存放你需要匹配的字符集合。

可以单独列出需要匹配的字符，也可以通过两个字符和一个横杆指定匹配的范围。

例如：［abc］会匹配字符a,或b,或c；［a－c］可以实现相同功能。后者使用范围来表示与前者相同的字符集合。

如果你想只匹配小写字母，你的RE可以写成［a－z］。

 

需要注意的一点是：元字符在括号中不会触发‘特殊功能’，在字符类中，它们只匹配本身。

例如：［akm$］会匹配\'a\',\'k\',\'m\',或\'$\'，$是一个元字符，但是在方括号中它不代表特殊含义，它只匹配$字符本身。

2 、^

你还可以匹配方括号中位列出的其他所有字符。做法是在类的开头添加一个脱字字符^,

例如：［^5］会匹配除了‘5’之外的任何字符。

3、反斜杠

或许最终要的元字符当属反斜杠了‘\\’,跟python的字符串规则一样，如果在反斜杠后面紧跟着一个元字符，那么元字符的‘特殊功能’也不会触发。

例如：你需要匹配［ 或 \\ ， 你可以在前加反斜杠以消除他们的特殊功能: \\[ , \\\\。

反斜杠后面跟一些字符还可以表示特殊的意义，例如表示十进制的数字，表示所有的字母或者表示所有的非空白的字符集合。

注释：反斜杠很牛逼，后面加元字符则去除其特殊功能，后面加普通字符则实现特殊功能。

例如：\\w 匹配任何单词字符。

如果正则表达式以字节的形式表示，这相当于［a－zA－Z0-9］

如果正则表达式表示的是一个字符串，\\w 会匹配所有的unicode数据库

你可以在编译正则表达式的时候，通过提供re.ASCII表示进一步限制 \\w 的定义。

注释：re.ASCII标志使得\\w 只能匹配ASCII字符，不要忘了python是unicode的。

它们可以包含在一个字符类中，并且一样拥有特殊含义。

例如：［\\s,.］是一个字符类，它将匹配任何空白字符，\',\'或\'.\'

4、\' . \'

最后我们讲的一个元字符是 \'.\' ，它匹配除了换行符以外的任何字符。

如果设置了re.DOTALL标志，.将匹配包括换行符在内的任何字符。