廢話
有一個美式笑話:我有一個難題,可以用正則表達式解決,那麼,現在我有兩個難題。
美式笑話確實有點冷,只有學過正則表達式的人才能讀懂這個段子。
下面列舉了Python3的所有符號用法,別背,千萬別背,用到時來查就行。
字符 | 含義 |
---|---|
. | 表示匹配除了換行符外的任何字符 注:通過設置 re.DOTALL 標誌可以使 . 匹配任何字符(包含換行符) |
| | A | B,表示匹配正則表達式 A 或者 B |
^ | 1.(脫字符)匹配輸入字符串的開始位置 2.如果設置了 re.MULTILINE 標誌,^ 也匹配換行符之後的位置 |
$ | 1.匹配輸入字符串的結束位置 2.如果設置了re.MULTILINE標誌,$也匹配換行符之前的位置 |
\ | 1.將一個普通字符變成特殊字符,例如 \d 表示匹配所有十進制數字 2.解除元字符的特殊功能,例如 . 表示匹配點號本身 3.引用序號對應的子組所匹配的字符串 4.詳見下方列舉 |
[…] | 字符類,匹配所包含的任意一個字符 注1:連字符 - 如果出現在字符串中間表示字符範圍描述;如果如果出現在首位則僅作爲普通字符 注2:特殊字符僅有反斜線 \ 保持特殊含義,用於轉義字符。其它特殊字符如 *、+、? 等均作爲普通字符匹配 注3:脫字符 ^ 如果出現在首位則表示匹配不包含其中的任意字符;如果 ^ 出現在字符串中間就僅作爲普通字符匹配 |
{M,N} | M 和 N 均爲非負整數,其中 M <= N,表示前邊的 RE 匹配 M ~ N 次 注1:{M,} 表示至少匹配 M 次 注2:{,N} 等價於 {0,N} 注3:{N} 表示需要匹配 N 次 |
* | 匹配前面的子表達式零次或多次,等價於 {0,} |
+ | 匹配前面的子表達式一次或多次,等價於 {1,} |
? | 匹配前面的子表達式零次或一次,等價於 {0,1} |
*?, +?, ?? | 默認情況下 、+ 和 ? 的匹配模式是貪婪模式(即會儘可能多地匹配符合規則的字符串);?、+? 和 ?? 表示啓用對應的非貪婪模式 比如:對於字符串 “FishCCC”,正則表達式 FishC+ 會匹配整個字符串,而 FishC+? 則匹配 “FishC” |
{M,N}? | 同上,啓用非貪婪模式,即只匹配 M 次 |
(…) | 匹配圓括號中的正則表達式,或者指定一個子組的開始和結束位置 注:子組的內容可以在匹配之後被 \數字 再次引用 比如:(\w+) \1 可以字符串 “FishC FishC.com” 中的 “FishC FishC”(注意有空格) |
(?…) | (? 開頭的表示爲正則表達式的擴展語法(下邊這些是 Python 支持的所有擴展語法) |
(?aiLmsux) | 1.(? 後可以緊跟着 ‘a’,’i’,’L’,’m’,’s’,’u’,’x’ 中的一個或多個字符,只能在正則表達式的開頭使用 2.每一個字符對應一種匹配標誌:re-A(只匹配 ASCII 字符),re-I(忽略大小寫),re-L(區域設置),re-M(多行模式), re-S(. 匹配任何符號),re-X(詳細表達式),包含這些字符將會影響整個正則表達式的規則 3.當你不想通過 re.compile() 設置正則表達式標誌,這種方法就非常有用啦 注意,由於 (?x) 決定正則表達式如何被解析,所以它應該總是被放在最前邊(最多允許前邊有空白符)。如果 (?x) 的前邊是非空白字符,那麼 (?x) 就發揮不了作用了 |
(?:…) | 非捕獲組,即該子組匹配的字符串無法從後邊獲取 |
(?P…) | 命名組,通過組的名字(name)即可訪問到子組匹配的字符串 |
(?P=name) | 反向引用一個命名組,它匹配指定命名組匹配的任何內容 |
(?#…) | 註釋,括號中的內容將被忽略 |
(?=…) | 前向肯定斷言。如果當前包含的正則表達式(這裏以 … 表示)在當前位置成功匹配,則代表成功,否則失敗。一旦該部分正則表達式被匹配引擎嘗試過,就不會繼續進行匹配了;剩下的模式在此斷言開始的地方繼續嘗試 比如:love(?=FishC) 只匹配後邊緊跟着 “FishC” 的字符串 “love” |
(?!…) | 前向否定斷言。這跟前向肯定斷言相反(不匹配則表示成功,匹配表示失敗) 比如:FishC(?!.com) 只匹配後邊不是 “.com” 的字符串 “FishC” |
(?<=…) | 後向肯定斷言。跟前向肯定斷言一樣,只是方向相反 比如:?<=love)FishC 只匹配前邊緊跟着 “love” 的字符串 “FishC” |
(? | 後向否定斷言。跟前向肯定斷言一樣,只是方向相反 比如:(?<!FishC)\.com 只匹配前邊不是 “FishC” 的字符串 “.com” |
(?(id/name)yes-pattern|no-pattern) | 1.如果子組的序號或名字存在的話,則嘗試 yes-pattern 匹配模式;否則嘗試 no-pattern 匹配模式 2.no-pattern 是可選的 比如:(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$) 是一個匹配郵件格式的正則表達式,可以匹配 [email protected] 和 ‘[email protected]’,但是不會匹配[email protected]、[email protected] |
\ | 下邊列舉了由字符 ‘\’ 和另一個字符組成的特殊含義。注意,’\’ + 元字符的組合可以解除元字符的特殊功能 |
\序號 | 1.引用序號對應的子組所匹配的字符串,子組的序號從 1 開始計算 2.如果序號是以 0 開頭,或者 3 個數字的長度。那麼不會被用於引用對應的子組,而是用於匹配八進制數字所表示的 ASCII 碼值對應的字符 比如:(.+) \1 會匹配 “FishC FishC” 或 “55 55”,但不會匹配 “FishCFishC”(注意,因爲子組後邊還有一個空格) |
\A | 匹配輸入字符串的開始位置 |
\Z | 匹配輸入字符串的結束位置 |
\b | 匹配一個單詞邊界,單詞被定義爲 Unidcode 的字母數字或下橫線字符 比如:\bFishC\b 會匹配字符串 “love FishC”、FishC.” 或 “(FishC)” |
\B | 匹配非單詞邊界,其實就是與 \b 相反 比如:py\B 會匹配字符串 “python”、”py3” 或 “py2”,但不會匹配 “py “、”py.” 或 “py!” |
\d | 1.對於 Unicode(str 類型)模式:匹配任何一個數字,包括 [0-9] 和其他數字字符;如果開啓了 re.ASCII 標誌,就只匹配 [0-9] 2.對於 8 位(bytes 類型)模式:匹配 [0-9] 中任何一個數字 |
\D | 匹配任何非 Unicode 的數字,其實就是與 \d 相反;如果開啓了 re.ASCII 標誌,則相當於匹配 [^0-9] |
\s | 1.對於 Unicode(str 類型)模式:匹配 Unicode 中的空白字符(包括 [ \t\n\r\f\v] 以及其他空白字符);如果開啓了 re.ASCII 標誌,就只匹配 [\t\n\r\f\v] 2.對於 8 位(bytes 類型)模式:匹配 ASCII 中定義的空白字符,即 [ \t\n\r\f\v] |
\S | 匹配任何非 Unicode 中的空白字符,其實就是與 \s 相反;如果開啓了 re.ASCII 標誌,則相當於匹配 [^ \t\n\r\f\v] |
\w | 1.對於 Unicode(str 類型)模式:匹配任何 Unicode 的單詞字符,基本上所有語言的字符都可以匹配,當然也包括數字和下橫線;如果開啓了 re.ASCII 標誌,就只匹配 [a-zA-Z0-9_] 2.對於 8 位(bytes 類型)模式:匹配 ASCII 中定義的字母數字,即 [a-zA-Z0-9_] |
\W | 匹配任何非 Unicode 的單詞字符,其實就是與 \w 相反;如果開啓了 re.ASCII 標誌,則相當於 [^a-zA-Z0-9_] |
轉義符號 | 正則表達式還支持大部分 Python 字符串的轉義符號:\a,\b,\f,\n,\r,\t,\u,\U,\v,\x,\\ 注1:\b 通常用於匹配一個單詞邊界,只有在字符類中才表示“退格” 注2:\u 和 \U 只有在 Unicode 模式下才會被識別 注3:八進制轉義(\數字)是有限制的,如果第一個數字是 0,或者如果有 3 個八進制數字,那麼就被認爲是八進制數;其他情況則被認爲是子組引用;至於字符串,八進制轉義總是最多隻能是 3 個數字的長度 |