正则表达式(复习)
文章目录
- 一、[]: 一个字符集合
- 二、{}: 重复次数
- 三、特殊符号
- 四、(): 分组
- 五、python代码示例
- 六、注意
正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
一、[]: 一个字符集合
[]被称为字符类，用于定义一个字符集合，匹配该集合中任意一个字符。
在方括号内列出所有可能匹配的字符，正则表达式会匹配方括号中任意一个字符。
| 特殊符号 | 含义 |
|---|---|
| - | 来表示一个字符范围 |
| ^ | 表示排除方括号中指定的字符，例如：[ ^0-9] 非数字 |
| \d | [0-9] |
| \D | [^0-9] |
| \w | [a-zA-Z0-9_] |
| \W | [^a-zA-Z0-9_] |
| \s | 匹配任意空白字符，包括空格、制表符、换行符等 |
| \S | 匹配任意非空白字符 |
| \b | 单词边界，匹配单词的开始或结束位置，例如：\bcat\b匹配独立的单词 cat，而不会匹配 category 中的 cat |
| \B | 非单词边界，匹配不在单词开始或结束的位置，例如：\Bing\B 对于 string 中的 ing 会匹配，而对于 sing 则不匹配 |
二、{}: 重复次数
{}被称为量词，用于指定前面的元素（字符、字符类或分组）出现的次数。
| 特殊符号 | 含义 |
|---|---|
| + | {1, } 1次以上 |
| * | {0,} 0次以上 |
| ? | {0,1} 0次或1次、注：跟在 *、+、{} 等后面时，表示非贪婪匹配 |
| . | 匹配任意一个字符（换行除外） |
三、特殊符号
| 特殊符号 | 含义 |
|---|---|
| ^ | 匹配开始的字符串 |
| $ | 匹配结尾的字符串 |
| \ | 转译符，例如：\. 匹配 .、\d 匹配任意数字（等价于 [0-9]） |
| | | 或者。例如：[a|b] |
四、(): 分组
- 分组，将多个字符组合成一个整体
- 创建捕获组，保存匹配内容
- 创建非捕获组（
(?:)）- 反向引用（
\数字）
- 分组，将多个字符组合成一个整体
import re
# 匹配连续出现两次的 "ab"
pattern = r'(ab){2}'
text = 'abababc'
result = re.findall(pattern, text)
print(result) # ['ab']
- 创建捕获组，保存匹配内容
import re
# 匹配日期，格式为 "年-月-日"，并捕获年、月、日
pattern = r'(\d{4})-(\d{2})-(\d{2})'
text = 'Today is 2024-10-15.'
result = re.search(pattern, text)
if result:
print("Full match:", result.group(0)) # Full match: 2024-10-15
print("Year:", result.group(1)) # Year: 2024
print("Month:", result.group(2)) # Month: 10
print("Day:", result.group(3)) # Day: 15
- 创建非捕获组（
(?:)）
import re
# 使用非捕获组匹配 "abc" 或 "def" 后面跟着一个数字
pattern = r'(?:abc|def)\d'
text = 'abc1 def2 ghi3'
result = re.findall(pattern, text)
print(result) # ['abc1', 'def2']
- 反向引用（
\数字）
import re
# 匹配连续出现两次相同的单词
pattern = r'(\b\w+\b)\s+\1'
text = 'hello hello world'
result = re.findall(pattern, text)
print(result) # ['hello']
五、python代码示例
在Python中，使用re模块来实现正则表达式。
import re
regex = 'a'
string = 'abc'
# 1. re.search(regex, string)
# 检查这个字符串string是否匹配正则表达式
if re.search(regex, string) is not None:
print(string) # abc
# 2. results = re.findall(regex, string)
# 匹配带正则表达式的那部分字符串
string = '2014 was a good year, but 2025 will be better!'
years = re.findall('[1-2][0-9]{3}', string)
print(years) # ['2014', '2025']
# 3. result.group(0)
# 分组提取，见上面分组
六、注意
正则表达式里使用\作为转义字符
假如你需要匹配文本中的字符\，name编程语言表示的正则表达式需要4个反斜杠\\\\，前两个和后两个分别用于在编程语言中转义成反斜杠，转换成两个反斜杠后再在正则表达式中转义成一个反斜杠。Python中的原生字符串很好的解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"，不需要再担心是否漏写了反斜杠，写出来的表达式也更直观。
import re
if re.search("\\\\", "I have one nee\dle") is not None:
print("Match")
else:
print("Not Match")
import re
if re.search(r"\\", "I have one nee\dle") is not None:
print("Match")
else:
print("Not Match")