正则表达式--元字符的使用

一、基本简介：

1. 定义：即文本的高级匹配模式，提供搜索，替换等功能。其本质是由一系列字符和特殊符号构成的字串，这个字串即正则表达式。

2. 原理：通过普通字符和有特定含义的字符，来组成字符串，用以描述一定的字符串规则，比如：重复，位置等，来表达某类特定的字符串，进而匹配。

3. 目标

• 熟练掌握正则表达式元字符
• 能够读懂常用正则表达式，编辑简单的正则规则
• 能够熟练使用re模块操作正则表达式

二、元字符使用：

1.普通字符：

• 匹配规则：每个普通字符匹配其对应的字符
• 例子：re.findall(‘ab‘,"abcdefabcd")
• # [‘ab‘, ‘ab‘]

注意事项：正则表达式在python中也可以匹配中文

2.元字符：| （或关系）

• 匹配规则：匹配 | 两侧任意的正则表达式即可
• 例子：re.findall(‘com|cn‘,"www.baidu.com/www.tmooc.cn")
• #[‘com‘, ‘cn‘]

3.元字符：. （匹配单个元字符）

• 匹配规则：匹配除换行外的任意一个字符
• 例子：re.findall(‘张.丰‘,"张三丰,张四丰,张五丰")
• # [‘张三丰‘, ‘张四丰‘, ‘张五丰‘]

4.元字符： [字符集]

• 匹配规则: 匹配字符集中的任意一个字符
• 表达形式: 
  • [abc#!好] 表示 [] 中的任意一个字符
  • [0-9],[a-z],[A-Z] 表示区间内的任意一个字符
  • [_#?0-9a-z]  混合书写，一般区间表达写在后面
• 例子：re.findall(‘[aeiou]‘,"How are you!")
• # [‘o‘, ‘a‘, ‘e‘, ‘o‘, ‘u‘]

5.元字符：[^字符集] （匹配反字符集）

• 匹配规则：匹配除了字符集以外的任意一个字符
• 例子：re.findall(‘[^0-9]‘,"Use 007 port")
• #[‘U‘, ‘s‘, ‘e‘, ‘ ‘, ‘ ‘, ‘p‘, ‘o‘, ‘r‘, ‘t‘]

6.元字符：^           \A

• 匹配规则：匹配字符串开始位置
• 例子：re.findall(‘^Jame‘,"Jame,hello")
• #[‘Jame‘]

7.元字符：$           \Z

• 匹配规则：匹配目标字符串的结尾位置
• 例子：re.findall(‘Jame$‘,"Hi,Jame")
• #[‘Jame‘]

规则技巧: ^ 和 $必然出现在正则表达式的开头和结尾处。如果两者同时出现，则中间的部分必须匹配整个目标字符串的全部内容。

8.元字符：*

• 匹配规则：匹配前面的字符出现0次或多次
• 例子：re.findall(‘wo*‘,"wooooo~~w!")
• #[‘wooooo‘, ‘w‘]

9.元字符：+

• 匹配规则：匹配前面的字符出现1次或多次
• 例子：re.findall(‘[A-Z][a-z]+‘,"Hello World")
• #[‘Hello‘, ‘World‘]

10.元字符：?

• 匹配规则：匹配前面的字符出现0次或1次
• 例子：匹配手机号 re.findall(‘-?[0-9]+‘,"Jame,age:18, -26")
• #[‘18‘, ‘-26‘]

11.元字符：{n}

• 匹配规则：匹配前面的字符出现n次
• 例子：re.findall(‘1[0-9]{10}‘,"Jame:13886495728")
• #[‘13886495728‘]

12.元字符：{m,n}

• 匹配规则： 匹配前面的字符出现m-n次
• 例子：匹配QQ号 re.findall(‘[1-9][0-9]{5,10}‘,"Baron:1259296994") 
• #[‘1259296994‘]

13.元字符：\d   \D

• 匹配规则：\d 匹配任意数字字符，\D 匹配任意非数字字符
• 例子：匹配端口 re.findall(‘\d{1,5}‘,"Mysql: 3306, http:80")
• #[‘3306‘, ‘80‘]

14.元字符：\w   \W

• 匹配规则：\w 匹配普通字符，\W 匹配非普通字符
• 说明: 普通字符指数字，字母，下划线，汉字。
• 例子： re.findall(‘\w+‘,"server_port = 8888")
• #[‘server_port‘, ‘8888‘]

15.元字符：\s   \S

• 匹配规则：\s 匹配空字符，\S 匹配非空字符
• 说明:空字符指 空格 \r \n \t \v \f 字符
• 例子： re.findall(‘\w+\s+\w+‘,"hello    world")
• #[‘hello    world‘]

16.元字符：\s   \S

• 匹配规则：\s 匹配空字符，\S 匹配非空字符
• 说明:空字符指 空格 \r \n \t \v \f 字符
• 例子： re.findall(‘\w+\s+\w+‘,"hello    world")
• #[‘hello    world‘]

17.元字符：\b   \B

• 匹配规则：\b 表示单词边界，\B 表示非单词边界
• 说明:单词边界指数字字母(汉字)下划线与其他字符的交界位置。
• 例子：re.findall(r‘\bis\b‘,"This is a test.")
• #[‘is‘]

三、普通字符集的替换

四、计数符

 五、正则表达式的转义

1. 如果使用正则表达式匹配特殊字符则需要加 \ 表示转义。

• 特殊字符: . * + ? ^ $ [] () {} | \
• 匹配特殊字符 . 时使用 \. 表示本身含义
•  例子1：re.findall(‘-?\d+\.?\d*‘,"123,-123,1.23,-1.23")
•  #[‘123‘, ‘-123‘, ‘1.23‘, ‘-1.23‘]
• 例子2：s="1992年5月2日出生于中国，中国内地影视女演员-12,12.34,1/0,40%,-1.6"
• r=re.findall(‘-?\d+\.?/?\d*%?‘,s) 
• #[‘1992‘, ‘5‘, ‘2‘, ‘-12‘, ‘12.34‘, ‘1/0‘, ‘40%‘, ‘-1.6‘]

2. 在编程语言中，常使用原生字符串书写正则表达式避免多重转义的麻烦。

• python字符串  -->    正则    -->    目标字符串
• "\\$\\d+"   解析为   \$\d+   匹配   "$100"
• "\\$\\d+"  等同于  r"\$\d+"

六、贪婪模式和非贪婪模式

贪婪模式: 默认情况下，匹配重复的元字符总是尽可能多的向后匹配内容。比如: *  +  ?  {m,n}

非贪婪模式(懒惰模式): 让匹配重复的元字符尽可能少的向后匹配内容。

贪婪模式转换为非贪婪模式

在匹配重复元字符后加 ‘?‘ 号即可

*  :  *?  #1
+  :  +?  #1
?  :  ??  #0
{m,n} : {m,n}?  #n

• 例子: re.findall(r‘\(.+?\)‘,"(abcd)efgh(higk)")
• # [‘(abcd)‘, ‘(higk)‘]

七、正则表达式分组

1.定义：

　　在正则表达式中，以（）建立正则表达式的内部分组，子组是正则表达式的一部分，可以作为内部整体操作对象。

2.作用：

　　(1)可以别作为整体操作，改变元字符的操作对象。

#(1)改变 +号 重复的对象
re.search(r‘(ab)+‘,"ababababab").group()
 #‘ababababab‘
#(2)改变 |号 操作对象
re.search(r‘(王|李)\w{1,3}‘,"王者荣耀").group()
#‘王者荣耀‘

　　(2)可以通过编程语言某些借口获取陪陪内容中子组对应的内容部分

#获取url协议类型
re.search(r‘(https|http|ftp|file)://\S+‘,"https://www.baidu.com").group(1)

3.捕获组:

　　可以给正则表达式的子组起一个名字，表达该子组的意义。这种有名称的子组即为捕获组

　　格式:"(?P<name>pattern)"

#给子组命名为 "pig"
re.search(r‘(?P<pig>ab)+‘,"ababababab").group(‘pig‘)
#‘ab‘

4.注意事项:

• 一个正则表达式中可以包含多个子组
• 子组可以嵌套，但是不要重叠或者嵌套结构复杂
• 子组序列号一般从外到内，从左到右计数

八、正则表达式原则

1.正确性，能够正确的匹配出目标字符串。

2.排他性，除了目标字符串意外尽可能少的匹配其他内容。

3.全面性，尽可能考虑到目标字符串的所有情况，不遗漏。

正则表达式--元字符的使用

原文：https://www.cnblogs.com/maplethefox/p/11056072.html