1.正则表达式使用基础：字符组（一）

1.1普通字符组

1. 字符组是正则表达式最基本的结构之一。它表示“在同一位置可能出现的各种字符”。其写法是在一对方括号(这种括号** [] **)之间列出可能出现的字符。例如 [ABC]、[abc]、[123456789] 等。

2. 字符组中的顺序并不影响字符组的功能，出现重复字符也不会影响。例如 [0123456789] 完全等价于 [9873456210] 或者等价于 [99988877666541320] 。但是出现重复字符不符合认知，也不够直观。所以第三种重复字符组可以去掉了，顺序排列也比无须排列更好，第二种无需排列字符组也可以去掉了。

3. [0123456789] 表示匹配0到9的任意一个数字，但这种表示方法太麻烦了。正则表达式提供** 范围表示法 -**, [X-Y] 表示从X 到 Y 整个范围内的字符。

4. X和Y的值是ASCII表中字符对应的值。例如 [0-9] 和 [0123456789] 完全等价 ，[a-z] 完全等价于 [abcdefg...xyz] 。

5. [9-0] ：这种写法是错误的，因为9的ASCII值大于0，所以会报错。

6. 以下是ASCII码参照表。

image image

因此 [0-z] 这种写法是正确的，0的ASCII 码值 是48，而z是122。但是这种表示方法不够直观明确，因为这个范围内还包含了非数字和字母的其他字符。

7. 判断十六进制字符串：

re.search("^[0-9a-fA-F]$",''TEST STRING")

字符组也可以使用ASCII编码的码值表示。例如 \xhex 来表示字符， \x41 表示 A（A的十六进制码值为41）

所有ASCII字符对应的字符组表达式是：[\x00-\x7F]

1.2元字符与转义

1. 细心的朋友已经发现，在上述例子中，字符组中的 - 并不能匹配横线字符，而是表示范围，这类字符叫做 元字符 （meta-character）。字符组的开方括号 [ 、闭方括号 ] 和之前出现的 ^ 、 $ 都算元字符。在匹配中都是有特殊含义的，比如 ^ 表示以某某字符开始。但有时候不需要这些字符的特殊含义，只需要匹配这类元字符本身，例如我就是只想匹配 "-" ，此时就需要作特殊处理。

2. 例如 "-"，如果它紧邻字符组中的开方括号 [ ，那么它就是普通字符，其他情况下都是元字符；而对于其他字符，取消特殊含义的做法都是转义，也就是在正则表达式中的元字符前加上反斜线字符 \ 。

3. 如果要在字符组内部使用横线 - ，最好的办法是将它排列在字符组的开头。[-09] 就是包含三个字符的字符组，-，0，9；[0-9] 是包含0~9这10个字符的字符组，[-0-9] 就是包含 横线及0~9这11个字符的字符组。

4. 从上述例子可以看出，横线 - 出现的位置不同，含义也不同。

• 作为普通字符

re.search("^[-09]$", "3") != None  # => False   
re.search("^[-09]", "-") !=None  # =>True

• 作为元字符

re.search("^[0-9]$",  "3") !=None  # =>True  
re.search(^"[0-9]","-") !=None   # =>False

• 转义后作为普通字符

re.search("^[0\\-9]", "3") !=None  # =>False    
re.search(["^[0\\-9]$", "-"]) !=None    # =>True

5. 仔细观察上述例子，会发现在 \ 前面还加了 \ ，这是因为 \ 本身 也需要转义符 \ 来表示。所以这样就比较麻烦，我们可以通过使用Python 原生字符串（Raw String）来表示。原生字符串的形式是 r"string" （JAVA、Python、PHP、NET 等语言中的正则表达式都是以字符串形式给出的）

re.search(r"^[0\-9]", "3")  等价于 re.search("^[0\\-9]", "3")