Python之正则表达式基础语法

微信公众号：CodeId
有什么建议可以到公众号里进行留言。

本篇文章主要介绍python有关正则表达式的使用。说到使用正则表达式，我们首先应该了解什么是正则表达式，简单的说，正则表达式是一个描述字符串规则的代码。比如说我们经常使用的邮箱:1234567@qq.com，1234567@163.com…你会发现他们都有一定的规则，而这个规则的描述就涉及到具体的正则表达式语法了，下面我们就来了解一些基础的语法：

1. 最简单的正则表达式

最简单的正则表达式其实就是普通字符串，它可以匹配其自身。
比如：正则表达式 'CodeId' 可以匹配字符串 CodeId。

import re
result = re.search('CodeId','CodeId is very good')
print(result.group()) # CodeId

上述代码是通过python的re(正则表达式)模块对正则表达式的一个使用，其中re.search()方法的作用就是对整个字符串进行搜索，并返回第一个匹配的字符串的匹配对象，匹配失败会返回 None，它的语法是：
re.search(pattern, string, flags=0)

• pattern：表示使用的正则表达式
• string：表示要匹配的字符串
• flags：用来控制正则表达式匹配规则的标志位

group()方法的作用是：返回匹配的一个或多个子字符串

2. 限制数量的表达式（限定符）

在讲解限定符之前，先讲解一下什么是贪婪模式和非贪婪模式
贪婪模式：是尽可能多的匹配。限定符默认都是贪婪模式的。
非贪婪模式：是尽可能少的匹配。
比如我有一个书柜可以放1到100本书，贪婪模式就是放尽可能的接近或等于100本书，而非贪婪模式就是放尽可能的接近或等于1本书。
一、*:
作用：匹配前面的子表达式零次或者多次。
比如：ab*它会匹配a,ab,abb或者a后面任意数量的b

import re
result1 = re.search('ab*','a')
print(result1.group()) # a
result2 = re.search('ab*','abbb')
print(result2.group()) # abbb

二、+:
作用：匹配前面的子表达式一次或者多次
比如：ab+它会匹配ab,abb,abb或者ab后面任意数量的b
注意：*和+的区别就是：+中的a后面至少有一个b，而*中的a后面可以没有b。

result1 = re.search('ab+','a')
print(result1) # None
result2 = re.search('ab+','abbb')
print(result2.group()) # abbb

三、?:
作用1：匹配前面的子表达式零次或者一次
比如：ab?可以匹配a或者ab

result1 = re.search('ab?','a')
print(result1.group()) # a
result2 = re.search('ab?','abbb')
print(result2.group()) # ab

作用2：指定限定符为非贪婪模式。
比如：ab*?匹配字符串abbb会返回a

 result1 = re.search('ab*','abbb')# 贪婪模式 
print(result1.group()) # abbb 
result2 = re.search('ab*?','abbb')# 非贪婪模式 
print(result2.group()) # a 
result3 = re.search('ab+','abbb')# 贪婪模式 
print(result3.group()) # abbb 
result4 = re.search('ab+?','abbb')# 非贪婪模式
print(result4.group()) # ab

四、{n}:
作用：对前面的子表达式重复n次，n是一个非负整数。
比如：Co{2}deId可以匹配CoodeId，但是不可以匹配CodeId

result = re.search('Co{2}deId','CoodeId')
print(result.group())# CoodeId
result = re.search('Co{2}deId','CodeId')
print(result) # None

五、{n,m}:
作用：对前面的子表达式重复n到m次，n,m是一个非负整数并且n<=m。其中n和m是可以省略其中一个。比如：

• {n,}:表示对前面的子表达式至少重复n次。
• {,m}:表示对前面的子表达式至多重复m次。

result = re.search('Co{2,}deId','CooodeId')
print(result.group())# CooodeId
result = re.search('Co{,2}deId','CodeId')
print(result.group()) # CodeId
result = re.search('Co{2,4}deId','CooodeId')
print(result.group()) # CooodeId

3.定位符号

定位符用来描述字符串或单词的边界。指定在字符串的什么位置开始匹配。
定位符号如下：
一、^:
作用1：匹配字符串开始的位置。如果是多行模式，还会与\n,\r之后的位置匹配。
比如：^CodeId会匹配CodeId,CodeIda,不会匹配aCodeId

result = re.search('^CodeId','CodeIda')
print(result.group()) # CodeId
result = re.search('^CodeId','aCodeIda')
print(result) # None
result = re.search('^CodeId','a\nCodeIda',re.MULTILINE) # 多行模式下 
print(result.group()) # CodeId

re.MULTILINE是设置为多行模式
作用2：^在方括号表达式中使用，表示不的意思。
比如：[^1]表示匹配不是字符1。

result = re.search('[1]','a1')
print(result.group()) # 1
result = re.search('[^1]','a1')
print(result.group()) # a

二、$:
作用：匹配字符串结尾的位置。如果是多行模式，还会与\n,\r之前的位置匹配。
比如：ab$会匹配cdab,asab。

result = re.search('ab$','cdab')
print(result.group()) # ab
result = re.search('ab$','abcd')
print(result) # None

三、\b:
作用：匹配单词的开始或结束的位置.
比如：ry\b就是匹配单词中以ry结尾匹配项。\bis是匹配单词中以is开始的匹配项

result = re.search(r'ry\b','CodeId is very good')
print(result.group()) # ry
result = re.search(r'\bis','CodeId is very good')
print(result.group()) # is
result = re.search(r'\babc\b','bc abc abc')
print(result.group()) # abc

四、\B:
作用：不是匹配单词开始或结束的位置，和\b是相反的。
比如：\Ba它表示匹配不以a开始的单词，所以可以匹配bac,cba但是不能匹配abc

result = re.search(r'\Ba','bac')
print(result.group()) # a
result = re.search(r'\Ba','abc')
print(result) # None

4.一般字符

一、.:
作用：匹配除换行符之外的任何单个字符。
比如：ab.可以匹配abc,abd,abe等等

result = re.search(r'Co.e.d','CodeId')
print(result.group()) # CodeId

二、\:
作用：转义字符，改变后面一个字符原本的字符意思。
比如：n原本匹配字符n,但是在前面加上\之后就变成\n，用来匹配换行符。

result = re.search(r'Co\n.','Co\ndeId')
print(result.group())
'''
Co
d
'''

三、[]:
作用：字符集合。匹配集合中所包含的任意一个字符。其中集合中的元素可以一一列出，也可以写范围。
比如：[abco]可以匹配CodeId中的o。[0-9]等同于[0123456789]。

result = re.search(r'[0-9]','a1b')
print(result.group()) # 1
result = re.search(r'[oI]','CodeId')
print(result.group()) # o

注意：如果[]里面的第一个字符是^,那么表示取反的意思。比如：[^0-9]表示匹配不是数字的字符。

result = re.search(r'[^0-9]','a1b')
print(result.group()) # a

四、|:
作用：或的意思
比如：x|y表示先匹配x表达式如果不成功就匹配y表达式。

result = re.search(r'ab|ac','abc')
print(result.group()) # ab

5.分组

分组不是对数据进行分组，而是对匹配的表达式进行分组。看一下下面的讲解应该会明白一些。
一、(...):
作用：可以匹配括号中的任何表达式，同时也标志着组的开始和结束。当表达式中有多个括号时，从左向右，第一个左括号为第一组，第二个左括号为第二组，以此类推。
比如：(a){2}(b){3}会匹配aabbb，其中a是第一组，b是第二组

result = re.search(r'(a){2}(b){3}(c*)','aabbb')
print(result.group()) # aabbb
print(result.groups()) # ('a', 'b', '')

注意：result.groups()的作用是返回所有匹配的子组的元组,比如上面a,b都匹配上了，而c没有匹配上所以返回c组为空
二、(?P<name>...):
作用：在分组的同时，为组起一个名称，这个组名称必须是有效的Python标识符，并且每个组名称只能在正则表达式中定义一次。
比如：(?P<A>a)就是为组起了一个名称A.

result = re.search(r'(?P<A>a){2}(b){3}(a*)','aabbb')
# 通过组名称来组的匹配内容
print(result.group('A')) # a

三、(?P=name):
作用：引用表达式前面组中名称为name的组的匹配内容。
比如：(?P<A>.){2}(b){3}(?P=A)匹配的字符可以是aabbba，ccbbbc,ddbbbd….

result = re.search(r'(?P<A>.){2}(b){3}(?P=A)','aabbba')
print(result.group()) # aabbba

四、\number:
作用：引用表达式中编号为number的组的匹配内容。
比如：([0-9])([a-z])\1匹配的字符串有1a1,2s2,6a6…

result = re.search(r'([0-9])([a-z])\1','6a6')
print(result.group())# 6a6

6.反向引用

反向引用涉及到组(被圆括号括起来的部分)，组在匹配到内容时，会存储到缓冲区，按照存储的先后顺序，分别编号为1,2,3…99，最高到99。每个缓冲区的内容可以使用\number的方式进行访问调用。

7.非获取匹配

非获取匹配：就是组中匹配的内容不进行缓存，不供以后使用
一、(?:...):
作用：可以匹配括号中的任何表达式，但是不进行缓存以供后面使用。
比如：(?:123)abc\1表达式会报错，因为前面的组没有进行缓存，\1调用时会失败。
二、(?=...):
作用：起到一个条件约束的功能，约束括号前面的字符串。看做如果是...
比如：ab(?=c)会匹配abc中的ab但是不会匹配abd中的ab。换一种说法就是：如果ab的后面是c就匹配成功，否则失败。

result = re.search(r'ab(?=c)','abc')
print(result.group()) # ab
result = re.search(r'ab(?=c)','abd')
print(result) # None

三、(?!...):
作用：起到一个条件约束的功能，约束括号前面的字符串。看做如果不是...
比如：ab(?!c)会匹配abd中的ab但是不会匹配abc中的ab。换一种说法就是：如果ab的后面不是c就匹配成功，否则失败。

result = re.search(r'ab(?!c)','abc')
print(result) # None
result = re.search(r'ab(?!c)','abd')
print(result.group()) # ab

四、(?<=...):
作用：起到一个条件约束的功能，约束括号后面的字符串。看做如果前面是...
比如：(?<=c)ab会匹配cab中的ab,但是不会匹配dab中的ab。换一种说法就是：如果ab的前面是c就匹配成功，否则失败。

result = re.search(r'(?<=c)ab','cab')
print(result.group()) # ab
result = re.search(r'(?<=c)ab','dab')
print(result) # None

五、(?<!...):
作用：起到一个条件约束的功能，约束括号后面的字符串。看做如果前面不是...
比如：(?<!c)ab会匹配dab中的ab但是不会匹配cab中的ab。换一种说法就是：如果ab的前面不是c就匹配成功，否则失败。

result = re.search(r'(?<!c)ab','cab')
print(result) # None
result = re.search(r'(?<!c)ab','dab')
print(result.group()) # ab

8.表达式的注释

注释在表达式中起到解释说明的作用。
一、(?#...):
作用：起到注释作用，括号中的字符在表达式中运行时，不启动用。
比如：a(?#letter)只会匹配单个字符a,而letter是解释说明a是一个字母,方便阅读。

result = re.search(r'a(?#letter)','cab')
print(result.group()) # a

9.预定义

就是提前设定好一些字符代表什么意思，用来替换一些复杂的字符。
一、\d和\D:
代表：一个表示[0-9]，另一个表示[^0-9],它俩是对立的。
作用：\d表示匹配0-9中任意一个数字。\D表示匹配非数字的字符。
比如：a\d可以匹配a1,a0,a2,a6…；而a\D表示匹配aa,ab,a;只要a后面不是数字就行。

result = re.search(r'a\d','a1')
print(result.group()) # a1
result = re.search(r'a\D','a1')
print(result) # None

二、\w和\W:
代表：一个表示'[A-Za-z0-9_],另一个表示'[^A-Za-z0-9_],它俩是对立的。
作用：\w表示匹配字母、数字、下划线；\W表示匹配非字母数字下划线。
比如：\w+匹配13，时会得到13,而\W+匹配时只会匹配到，

result = re.search(r'\w+','13,')
print(result.group()) # 13
result = re.search(r'\W+','13,')
print(result.group()) # ,

三、\s和\S:
代表：一个表示[ \f\n\r\t\v],另一个表示[^ \f\n\r\t\v];
作用：\s表示匹配任何空白字符，包括空格、制表符、换页符等等，而\S表示匹配任何非空白字符。
比如：a\sc可以匹配a c，而a\Sc却不能。

result = re.search(r'a\sc','a c')
print(result.group()) # a c
result = re.search(r'a\Sc','a c')
print(result) # None

四、\A和\Z:
作用：\A表示匹配字符串的开头，\Z表示匹配字符串的结尾。
比如：\Aa会匹配字符串abcdcba中，开始的a,a\Z会匹配字符串abcdcba中结尾处的a。

result = re.search(r'\Aa','abcdcba')
print(result) # <_sre.SRE_Match object; span=(0, 1), match='a'>
result = re.search(r'a\Z','abcdcba')
print(result) # <_sre.SRE_Match object; span=(6, 7), match='a'>

今天的学习暂时告一段落，后面会不定时更新的。送大家一句话人必须相信自己，这是成功的秘诀
下面是我的公众号:CodeId 欢迎关注

公众号：CodeId