很详细python正则表达式使用详解

作者:袖梨 2022-11-14


第一章讲的是字符组(Character Class)。
在正则表达式中,它表示"在同一个位置可能出现的各种字符",其写法是在一对方括号[和]之间列出所有可能出现的字符,简单的字符组比如[ab]、[314]、[#.?]
需要注意的地方有
1)-范围表示法的要按ASCII顺序写, [0-9]是合法的,[9-0]会报错

In [1]: import re

In [2]: re.search("^[0-9]$", "2") != None
Out[2]: True

In [3]: re.search("^[9-0]$", "2") != None
---------------------------------------------------------------------------
error Traceback (most recent call last)
Traceback (most recent call last):
error: bad character range

2)匹配数字和字母不要用[0-z],因为这个范围包括很多标点符号,最好写成[0-9a-zA-Z]

In [4]: re.search("^[0-z]$", "A") != None
Out[4]: True

In [5]: re.search("^[0-z]$", ":") != None
Out[5]: True

3)元字符做为普通字符使用时需要转义,在python代码中,普通字符串的转义需要加两个"",原生字符串需要一个"" 推荐使用原生字符串

#原生字符串和字符串的等价
In [6]: r"^[0-9]$" == "^[0-9]$"
Out[6]: True
#原生字符串的转义要简单许多
In [7]: re.search(r"^[0-9]$", "3") != None
Out[7]: False
In [8]: re.search(r"^[0-9]$", "-") != None
Out[8]: True

4)]出现在不同位置,含义不同,正则表达式将]与前面最近的[匹配


#未转义的]
In [9]: re.search(r"^[012]345]$", "2345") != None
Out[9]: False

In [10]: re.search(r"^[012]345]$", "2345]") != None
Out[10]: True

In [11]: re.search(r"^[012]345]$", "5") != None
Out[11]: False

In [12]: re.search(r"^[012]345]$", "]") != None
Out[12]: False
#转义的]
In [13]: re.search(r"^[012]345]$", "2345") != None
Out[13]: False

In [14]: re.search(r"^[012]345]$", "5") != None
Out[14]: True

In [15]: re.search(r"^[012]345]$", "]") != None
Out[15]: True

5)字符组简记法

常见的字符组简记法有d、w、s。从表面上看,它们与[…]完全没联系,其实是一致的。其中d等价于[0-9],其中的d代表"数字(digit)"; w等价于[0-9a-zA-Z_],其中的w代表"单词字符(word)";s等价于[ trnvf](第一个字符是空格),s表示"空白字符(space)"。


re.search(r"^d$", "8") != None # => True
re.search(r"^d$", "a") != None # => False

re.search(r"^w$", "8") != None # => True
re.search(r"^w$", "a") != None # => True
re.search(r"^w$", "_") != None # => True

re.search(r"^s$", " ") != None # => True
re.search(r"^s$", "t") != None # => True
re.search(r"^s$", "n") != None # => True

6)相对于d、w和s这三个普通字符组简记法,正则表达式也提供了对应排除型字符组的简记法:D、W和S--字母完全一样,只是改为大写。这些简记法匹配的字符互补:s能匹配的字符,S一定不能匹配;w能匹配的字符,W一定不能匹配;d能匹配的字符,D一定不能匹配。例1-19示范了这几个字符组简记法的应用。


#d和D
re.search(r"^d$", "8") != None # => True
re.search(r"^d$", "a") != None # => False
re.search(r"^D$", "8") != None # => False
re.search(r"^D$", "a") != None # => True
#w和W
re.search(r"^w$", "c") != None # => True
re.search(r"^w$", "!") != None # => False
re.search(r"^W$", "c") != None # => False
re.search(r"^W$", "!") != None # => True
#s和S
re.search(r"^s$", "t") != None # => True
re.search(r"^s$", "0") != None # => False
re.search(r"^S$", "t") != None # => False
re.search(r"^S$", "0") != None # => True

2.1 一般形式

表2-1 量词的一般形式
量词
说明
{n}
之前的元素必须出现n
{m,n}
之前的元素最少出现m次,最多出现n
{m,}
之前的元素最少出现m次,出现次数无上限
{0,n}
之前的元素可以不出现,也可以出现,最多出现n
(在某些语言中可以写为{,n}
2.2 常用量词
表2-2 常用量词
常用量词
{m,n}等价形式
说明
*
{0,}
可能出现,也可能不出现,出现次数没有上限
+
{1,}
至少出现1次,出现次数没有上限
?
{0,1}
至多出现1次,也可能不出现
表2-3 各类tag的匹配
匹配所有tag的表达式
tag分类
匹配分类tag的表达式
<[^>]+>
open tag
<[^/>][^>]*>
close tag
]+>
self-closing tag
<[^>/]+/>
注:这几个表达式不是很严谨,如匹配open tag的表达式,也可以匹配self-closing tag。作者说现有的知识还不足够解决这个问题而已,需要继续学习。
2.3 数据提取
?
1
2
3
4
5
6
7
8
9
10
In [1]: import re
In [2]: re.search(r"d{6}", "ab123456cd").group(0)
Out[2]: '123456'
In [3]: re.search(r"^<[^>]+>$", "").group(0)
Out[3]: ''
In [4]: re.findall(r"d{6}", "zipcode1:201203, zipcode2:100859")
Out[4]: ['201203', '100859']
2.4 点号
匹配除换行符外的所有字符
2.5 滥用点号的问题
因为点号能匹配几乎所有的字符,所以实际应用中许多人图省事,随意使用.*或.+,结果却事与愿违
之前介绍的量词都可以归到一类,叫做匹配优先量词(greedy quantifier,也有人翻译为贪婪量词 )。
匹配优先量词,顾名思义,就是在拿不准是否要匹配的时候,优先尝试匹配,并且记下这个状态,以备将来"反悔"。
回溯(backtracking)
?
1
2
3
4
re.search(r"".*"", ""quoted string" and another"").group(0)
re.search(r'".*"', '"quoted string" and another"').group(0)
re.search(r""[^"]*"", ""quoted string" and another"").group(0)
re.search(r'"[^"]*"', '"quoted string" and another"').group(0
2.6 忽略优先量词
匹配优先量词与忽略优先量词逐一对应,只是在对应的匹配优先量词之后添加?,
两者限定的元素能出现的次数也一样,遇到不能匹配的情况同样需要回溯;唯一的区别在于,
忽略优先量词会优先选择"忽略",而匹配优先量词会优先选择"匹配"。
表2-4 匹配优先量词与忽略优先量词
匹配优先量词
忽略优先量词
限定次数
*
*?
可能不出现,也可能出现,出现次数没有上限
+
+?
至少出现1次,出现次数没有上限
?
??
至多出现1次,也可能不出现
{m,n}
{m,n}?
出现次数最少为m次,最多为n
{m,}
{m,}?
出现次数最少为m次,没有上限
{,n}
{,n}?
可能不出现,也可能出现,最多出现n
2.7 转义
量词
转义形式
{n}
{n}
{m,n}
{m,n}
{m,}
{m,}
{,n}
{,n}
*
*
+
+
?
?
*?
*?
+?
+?
??
??

相关文章

精彩推荐