一、正则表达式语法
(一) 字符与字符类
特殊字符
.^$?+*{}[]()|
为特殊字符,若想要使用字面值,必须使用 进行转义
字符类 []
[]
匹配包含在方括号中的任何字符。它也可以指定范围,例:
-
[a-zA-Z0-9]
表示a到z,A到Z,0到9之间的任何一个字符 -
[u4e00-u9fa5]
匹配 Unicode 中文 -
[^x00-xff]
匹配双字节字符(包括中文)
在 []
中:
-
[^]
表示否定字符类,比如[^0-9]
表示可以匹配一个任意非数字的字符 -
^
放在第一个位置表示否定,放在其他位置表示字面值 -
表示转义
-
-
放在中间表示范围,放在其他位置表示字面值 - 其他特殊字符不再具备特殊意义,都表示字面值
- 字符类内部可以使用速记法,比如
d s w
速记法
-
.
可以匹配除换行符之外的任何字符,如果有 re.DOTALL 标志,则匹配任意字符包括换行 -
d
匹配一个 Unicode 数字,如果有 re.ASCII 标志,则匹配0-9 -
D
匹配 Unicode 非数字 -
s
匹配 Unicode 空白,如果带有 re.ASCII 标志,则匹配tnrfv
中的一个 -
S
匹配 Unicode 非空白 -
w
匹配 Unicode 单词字符,如果带有 re.ASCII 标志,则匹配[a-zA-Z0-9_]
中的一个 -
W
匹配 Unicode 非单词字符
(二)量词
-
?
0次或1次 -
*
0次或多次 -
+
1次或者多次 -
{m}
m次 -
{m,}
至少m次 -
{,n}
最多n次 -
{m,n}
至少m次,最多n次
注意点:以上量词都是「贪婪模式」,后加 ?
切换为「最小匹配模式」
(三) 断言
断言不会匹配任何文本,只是施加约束。常用断言:
-
b
匹配单词的边界,放在字符类[]
中则表示backspace
-
B
匹配非单词边界,受ASCII标记影响 -
A
在起始处匹配 -
Z
在结尾处匹配 -
^
在起始处匹配,如果有 MULTILINE 标志,则在每个换行符后匹配 -
$
在结尾处匹配,如果有 MULTILINE 标志,则在每个换行符前匹配
(四)捕获组
()
的作用:
-
()
是一个捕获组,可被N
引用,N
是序号,以左括号排位决定。表示整个匹配的内容。
-
(?:)
可以关闭捕获,只用作分组 - 使用
|
组合多个表达式,表示「或」 -
(?=...)
向前正项匹配,前方必须存在。 如w+(?=,)
匹配apple, banana
中的apple
-
(?!...)
向前负项匹配,前方必须没有 -
(? 向后正项匹配,后方必须存在
-
(? 向后负项匹配,后方必须没有
命名捕获组:
语言 | 命名捕获组 | 搜索中引用 | 替换中引用 |
---|---|---|---|
Python | (?P...) |
N (?P=name) |
N g $N |
JavaScript | (?...) |
N k |
$N |
.NET | (?...) (?'name'...) |
N k k'name' |
$N ${N} ${name} |
Perl | (?...) (?'name'...) |
N gN g{N} g{name} (?N) (?+N) (?-N) (?Name) 兼容 .Net Python 的语法 |
$N ${N} $+{Name} |
技巧:
- 在搜索中,若
12
无法表示「第一个捕获组 + 数字2」,可用(?:1)2
或者1[2]
表示 - 在替换中,若
$12
无法表示「第一个捕获组 + 数字2」,可以用$1l2
或者$1u2
表示
(五)条件匹配
-
(?(id)yes_exp|no_exp)
:对应id
的子表达式如果匹配到内容,则这里匹配yes_exp
,否则匹配no_exp
- Perl 支持的语法:
(?(N)Yes|No) (?()Yes|No) (?('Name')Yes|No) (?(?=Ahead)Yes|No)
实测 JavaScript 不支持条件匹配
(六)替换语法补充
一些在替换中使用的语法:
替换语法 | 作用 |
---|---|
l |
下一个字符输出小写 |
L |
下一串字符输出小写 |
u |
下一个字符输出大写 |
U |
下一串字符输出大写 |
E |
终止 U 和 L
|
语言 | 引用匹配之前的文本 | 引用匹配文本 | 引用匹配之后的文本 |
---|---|---|---|
Perl |
${^PREMATCH} | ${^MATCH}
|
${^POSTMATCH} |
(七) 标志
传标志方法:
- 正则表达式开头加标志
(?flags)pattern
,如(?im)apple
表示不区分大小写-
i
或IGNORECASE
:忽略大小写,使匹配不区分大小写。 -
m
或MULTILINE
:启用多行模式 -
s
或DOTALL
:启用点字符(.
)匹配任意字符,包括换行符。s
是special
的缩写。 -
x
或VERBOSE
:启用详细模式,忽略空格和注释,可以使用多行形式编写更易读的正则表达式。可以用[ ] x20 (?-x: )
表示空格。x
是extended
缩写 -
g
或GLOBAL
: 查找所有符合条件的结果(Python 中不需要)
-
- python 中 re.compile 的 flags 参数。flags 实质是一个数字,可以用
|
按位与传入多个标志-
re.A
或re.ASCII
-
re.I
或re.IGNORECASE
-
re.M
或re.MULTILINE
-
re.S
或re.DOTALL
-
re.X
或re.VERBOSE
-
注释示例,匹配 标签:
pattern = re.compile(r"""(?ix) # i 表示忽略大小写,x 表示开启注释模式
]*? #不是src的属性
src= #src属性的开始
(?P["']) #左引号
(?P[^"']+?) #图片名字
(?P=quote) #右括号
[^>]*? #不是src的属性
> #标签的结束
""")
二、Python正则表达式模块
模块级 :
方法、属性 | 作用 |
---|---|
compile(pattern) |
预先编译正则表达式,返回 re.Pattern 对象 |
search(pattern, string, flags=0) |
查找匹配的部分,返回 re.Match
|
match(pattern, string, flags=0) |
从头匹配,返回符合规则的第一个值 re.Match
|
fullmatch(pattern, string, flags=0) |
完全匹配(要从头到尾都匹配),返回 re.Match
|
split(pattern, string, maxsplit=0) |
用匹配到的内容作为分割符,分割后,返回列表 |
findall(pattern, string) |
查找所有,返回为列表,元素为 str。如果有捕获组,则列表元素为 tuple,包含空结果。 |
finditer(pattern, string) |
查找所有,返回为 re.Match 的迭代器。 |
sub(pattern, repl, string, count=0) |
返回替换后的字符串,repl 可以是一个函数(接收 Match ,返回替换后的值) |
subn(pattern, repl, string, count=0) |
返回元组 (new_str, number) ,包含了替换次数 |
escape(pattern) |
将特殊字符转义后返回,如 . 会返回 .
|
purge() |
清除缓存 |
re.compile()
可以预先编译正则表达式,返回 re.Pattern
对象,以提高匹配效率
方法、属性 | 作用 |
---|---|
.search(string[, pos[, endpos]]) |
查找匹配的部分,返回 re.Match ,pos 和 endpos 限制查找区间 |
.match(string[, pos[, endpos]]) |
|
.fullmatch(string[, pos[, endpos]]) |
|
.split(string, maxsplit=0) |
|
.findall() |
|
.finditer() |
|
.sub(repl, string, count=0) |
|
.subn(repl, string, count=0) |
|
.flags |
|
.groups |
有几个捕获组 |
.groupindex |
一个字典,命名捕获组与序号对应 |
.pattern |
re.Match
对象用于表示正则表达式匹配的结果:
方法、属性 | 作用 | |
---|---|---|
Match.group([group1, ...]) |
返回:捕获组,或多个捕获组 tuple | |
Match[0] |
等同于 group(0)
|
|
.group() |
等同于 group(0)
|
|
.groups(default=None) |
返回:元组,所有的子捕获组 (1, 2, 3…)。没有捕获到的组返回为 None。 | |
.groupdict(default=None) |
返回:词典,只包含有命名的捕获组 | |
.start() |
返回:匹配的起始位置 | |
.end() |
返回:匹配的结束位置 | |
.span() |
返回:元组 (start, end) | |
.expand(template) |
用捕获到的组将 template 中的组引用展开 |
|
.pos |
匹配开始的索引位置 | |
.endpos |
匹配结束的索引位置 | |
.lastindex |
最后一个捕获组的索引 | |
.lastgroup |
最后一个捕获组的名字 | |
.string |
传入的字符串 |
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
机房租用,北京机房租用,IDC机房托管, http://www.fwqtg.net