正则表达式

什么是正则表达式

正则表达式（英语：Regular Expression，在代码中常简写为regex、regexp或RE），又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法，是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。----引自维基百科

相信大家肯定都遇到过这种情况，就是在windows系统中要快速的找到某个目录下的所有的doc格式的文档，在windows底下我们怎么做的呢？你会在windows的搜索框中输入.doc。在这里，‘’会被解释成任意的字符串，和通配符类似，正则表达式也是用来进行文本匹配的工具，它比通配符更能精确地描述你的需求。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。许多程序设计语言都支持利用正则表达式进行字符串操作。Python也不例外，下面我们来详细讲解在Python中的正则表达式是什么样的。

因为正则表达式通常用于字符匹配和检索，所以我认为简单的理解，要写一个正则表达式主要包括两方面，一个是做字符匹配，另一个是做次数匹配。

字符匹配

元字符和反义：

代码	解释	示例	说明
.	匹配除换行符以外的任意字符	b.t	可以匹配到but,b#t,b1t
\w	匹配字母或数字或下划线或汉字	b\wt	可以匹配bat,b1t,b_t等 但不能匹配b#t
\W	匹配任意不是字母，数字，下划线，汉字的字符	b\Wt	可以匹配b#t / b@t等 但不能匹配but / b1t / b_t等
\s	匹配任意的空白符 （包括\r、\n、\t等）	love\syou	可以匹配love you
\S	匹配任意不是空白符的字符	love\Syou	可以匹配love#you等 但不能匹配love you
\d	匹配数字	\d\d	可以匹配99 / 20 / 19等
\D	匹配任意非数字的字符	\D\d	可以匹配到#9,!8等一个非数字，一个数字的字符
\b	匹配单词的开始或结束	\bThe\b
\B	匹配不是单词开头或结束的位置	\Bio\B
^	匹配字符串的开始	^th	可以匹配到以th开头的字符串 如:the / this
$	匹配字符串的结束	se$	可以匹配到以se结尾的字符串 如：these / close
[^x]	匹配除了x以外的任意字符	[^aeiou]	匹配除了aeiou这几个字母以外的任意字符
[X]	匹配X这个字母	[aeiou]	匹配aeiou这几个字母中的任意一个字符
|	匹配 | 两边的任意一个	dog|cat	这里匹配到的内容是dog或者cat

注意：
1.在使用两个中括号"[" "]"匹配内容时，中括号中的所有字符串都是字符串原来的意思，不需要转义。如：[^.|*]这里就是匹配托字符，或者点或者星号。
2. " | "它匹配的内容时它两边的整条规则，而不是它两边的某些字符。如果要匹配它两边的某些字符则要使用无捕获组' (?:) '包起来。比如要匹配 ‘I have a dog' 或者 ’I have a cat'。就需要写成r'I have a (?:dog|cat)'而不能写成r'I have a dog|cat'

转义字符

在上面也看到了，“ . ”和“ | ”和“ ^ ”等这些字符在正则表达式中已经有了特殊的含义了，你在查找它们的时候就有问题了。你没法指定它们，因为它们会被解释成其它的意思。这时你就需要使用" \ "来取消这些字符的特殊意义。因此，你应该使用" . "和" * "。当然，要查找\本身，你也得用" \ "。如果不使用“ \ ”来转义也可以使用" [ ] "将要转义的字符括起来达到使用本义的目的，只是这样做有一点麻烦，使用转义字符“ \ ”方便一点，当然如果有多个字符需要转义的时候使用" \ "将使整个表达式变得复杂。所以还有一种更简单的方法，就是在引号外加一个r，使用r后 ‘ ’ 中需要转义的字符就会自动转义(双引号中的双引号除外)。
例如：deerchao.net匹配deerchao.net，要匹配c:\windows我们可以写成c:\windows或者r'c:\windows'。

分组

代码	解释	示例	说明
(exp)	匹配exp并捕获到自动命名的组中
(?<name>exp)	匹配exp并捕获到名为name的组中
(?:exp)	匹配exp但是不捕获匹配的文本	I have a (?:dog|cat)	匹配的结果为I have a dog 和I have a cat

零宽断言

代码	解释	示例	说明
(?=exp)	匹配exp前面的位置	\b\w+(?=ing)	可以匹配I’m dancing中的danc
(?<=exp)	匹配exp后面的位置	(?<=\bdanc)\w+\b	可以匹配I love dancing and reading中的第一个ing
(?!exp)	匹配后面跟的不是exp的位置
(?<!exp)	匹配前面不是exp的位置
(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

注意：要包含注释的话，最好是启用“忽略模式里的空白符”选项，这样在编写表达式时能任意的添加空格，Tab，换行，而实际使用时这些都将被忽略。启用这个选项后，在#后面到这一行结束的所有文本都将被当成注释忽略掉。

次数匹配

代码	解释	示例	说明
*	重复零次或更多次	\w*	表示字母数字下划线可以出现任意次
+	重复一次或更多次	\w+	\w匹配到的内容至少出现一次
?	重复零次或一次	\w?	\w匹配到的内用出现一次或零次
{n}	重复n次	\w{3}	\w匹配到的内容出现3次
{n,}	重复n次或更多次	\w{3,}	\w匹配到的内容至少出现3次
{n,m}	重复n到m次	\w{3,6}	\w匹配到的内容出现三到六次
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

注意：当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。
有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧：
a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。
为什么第一个匹配是aab（第一到第三个字符）而不是ab（第二到第三个字符）？简单地说，因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权

附加

代码	解释
\a	报警字符(打印它的效果是电脑嘀一声)
\t	制表符，Tab
\r	回车
\v	竖向制表符
\f	换页符
\n	换行符
\e	Escape

这里只是大致说了一下正则表达式的匹配规则，在python中的具体使用还看下一篇Python之正则表达式运用

说明:以下内容是个人对Python中正则表达式的理解，如有不妥之处还望见谅。