Regex Python re module

发表于 | 分类于 | | 阅读次数 | 总阅读量 次
python regex matachar

正则表达式

~精通正则表达式 (豆瓣)

术语

  • regex 正则
  • matching 匹配
  • metacharacter 元字符
  • flavor 流派
  • subexpression 子表达式
  • character 字符

识别对象

  • 行
  • 字符

Python re 模块

~ 6.2. re — Regular expression operations — Python 3.6.6 documentation

  • Q python 中正则表达式re模块元字符的含义

  • NO flag

    • default mode

  • flag

  • O Default 应该就够用了...

Basic matachar

  • .
    • matches any character except a newline.
    • 任意字符
  • ^
    • the start of the string
    • 行首
  • $
    • the end of the string or just before the newline at the end of the string
    • 行尾
  • *
    • match 0 or more repetitions of the preceding RE
    • 重复0+次
  • +
    • match 1 or more repetitions of the preceding RE
    • 重复1+次
  • ?
    • match 0 or 1 repetitions of the preceding RE
    • 匹配0或1次
  • *?, +?, ??
    • *, +, ?
      • greedy: match as much as ppissible
      • 后加一个 ? => non-greedy: as few characters as possible will be matched
    • 例子:
      • <a> b <c>
        • <.*> => <a> b <c>
        • <.*?> => <a>
  • {m}
    • exactly m copies of the previous RE should be matched
    • 指定次数重复
  • {m,n}
    • match from m to n repetitions of the preceding RE
    • greedy : as many repetitions as possible
    • 指定重复次数区间
      • 省略 m,下限为0
      • 省略 n,上限无穷大
      • , 不能省略
  • []
    • 字符组
      • 内部有自己的规则
        • 元字符在[]失去特殊意义,变为匹配的普通字符
          • [(+*)] => (, +, *, or )
      • 或 的关系
        • [amk] => a or m or k
      • - 表范围
        • [0-9]
        • [a-z]
      • ^表非集
        • [^5] => 任何非5的字符
        • [^^] => 匹配任何非^的字符
      • [
        • 在字符组内匹配[
          • 转义\[
            • [()[\]{}]
          • 放在 beginning
            • []()[{}
  • |
    • 任意REs表达式的或关系
  • ()
    • group

matachar Extension

  • (?:...)

    • 匹配在括号内的任何字符(非捕获版本),字符串无法操作
    • 类似 (...), 但是不表示一个组
      • (<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$)
      • 需要用嵌套(())时使用

  • (?imsx-imsx:...)

    • 3.6 only
    • (?imx: re) 在括号中使用i, m, 或 x 可选标志
    • (?-imx: re) 在括号中不使用i, m, 或 x 可选标志

  • (?P<name>...)

    • 给 group 命名
      • (?P<quote>['"]).*?(?P=quote)
        • (?P<quote>['"])
          • 内容为['"] 命名为name的组
        • (?P=quote)
          • 调用这个组

  • (?P=name)

    • 存储调用"name"的 group(即复杂对应()内内容)
      • 调用方式
        • 同一个 pattern 内调用
          • (?P=name)
          • \1
        • 匹配对象的调用( match object m)
          • m.group('quote')
          • m.end('quote')
          • ...
        • re.rub()函数的 repl 变量内调用
          • \g<quote>
          • \g<1>
          • \1

  • (?#...)

    • A comment, ignore

  • (?=...)

    • lookahead assertion
      • Isaac (?=Asimov)
        • 只匹配跟在Asimov 后的 Isaac

  • (?!...)

    • = 的非集
      • Isaac (?!Asimov)
        • 只匹配不跟在Asimov 后的 Isaac

  • (?<=...),,,

    • a positive lookbehind assertion
      • 搜前有...的,,,字符串
        • O 匹配...,,,但是返回的结果只有,,,
    • ... only match strings of some fixed length
      • 只能匹配固定长度字符( py3.5+ 支持)
      • O abc or a|b
      • X a* , a{3,4}
    • ?<=abc)def match abcdef ,match objectdef 
      1
      2
      3
      4
      >>> import re
      >>> m = re.search('(?<=abc)def', 'abcdef')
      >>> m.group(0)
      'def'

  • (?<!...)

    • a negative lookbehind assertion.
    • (?<=...),,,的非集

  • (?(id/name)yes-pattern|no-pattern)

  • e.g

    • 邮箱匹配 (<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$)
      • (?(1)>|$)
        • 如果(1)存在,则>存在,否则就是结尾$
        • (1) 是第一个括号内容 即(<)
      • O <user@host.com> as well as user@host.com
      • X <user@host.com nor user@host.com>.

Special \ matechar

  • \Number

    • 指代第 Number 个() group 中的内容
      • (.+) \1
        • O 'the the' or '55 55'
        • X but not 'thethe'
        • 注意空格
      • \1...\9 匹配第n个分组的内容.

  • \A

    • 匹配字符串开始

  • \b

    • 匹配一个单词边界的空字符,也就是指单词和空格间的位置.
    • 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'.

  • \B

    • 匹配非单词边界. '
    • 'er\B' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'.

  • \d

    • 匹配任意数字,等价于 [0-9].

  • \D

    • 匹配任意非数字

  • \w

    • 匹配字母数字及下划线

  • \W

    • 匹配非字母数字及下划线

  • \s

    • 匹配任意空白字符,等价于 [\t\n\r\f].

  • \S

    • 匹配任意非空字符

  • \Z

    • 匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串.

  • \z

    • 匹配字符串结束

  • \G

    • 匹配最后匹配完成的位置.

其他

  • search() vs. match()

    • match 搜索字符首位
    • search 搜索任意位置
    1
    2
    3
    >>> re.match("c", "abcdef")    # No match
    >>> re.search("c", "abcdef")   # Match
    <_sre.SRE_Match object; span=(2, 3), match='c'>
    1
    2
    3
    4
    >>> re.match("c", "abcdef")    # No match
    >>> re.search("^c", "abcdef")  # No match
    >>> re.search("^a", "abcdef")  # Match
    <_sre.SRE_Match object; span=(0, 1), match='a'>

  • span()起始位置

    1
    2
    3
    import re
    print(re.match('www', 'www.runoob.com').span())  # 在起始位置匹配
    print(re.match('com', 'www.runoob.com'))         # 不在起始位置匹配
(๑•̀ㅂ•́)و✧