10 正则表达式

1 匹配规则

1. 普通字符

大多数字符（字母、数字、汉字）就是普通字符，它们匹配自己。

• abc 匹配字符串中的 "abc"
• 你好 匹配字符串中的 "你好"

2. 元字符

• . (点号)：匹配任意一个字符（除了换行符 \n）。
  • a.c 匹配 "abc", "a@c", "a c"
• \d：匹配任意一个数字。等价于 [0-9]。
  • \d\d 匹配 "12", "05"
• \w：匹配任意一个字母、数字或下划线。等价于 [A-Za-z0-9_]。
  • \w\w 匹配 "Ab", "a1", "_x"
• \s：匹配任意一个空白字符（包括空格、制表符 \t、换行符 \n 等）。
• \D, \W, \S：分别是 \d, \w, \s 的反面。
  • \D 匹配非数字的任意字符。
• [...] (字符组)：匹配方括号内的任意一个字符。
  • [aeiou] 匹配任意一个元音字母。
  • [a-z] 匹配任意一个小写字母（- 表示范围）。
  • [0-9a-fA-F] 匹配一个十六进制数字。
• [^...] (否定字符组)：匹配不在方括号内的任意一个字符。
  • [^0-9] 匹配任意一个非数字字符。

3. 量词 - 控制字符出现的次数

• *：匹配零次或多次。
  • ab*c 匹配 "ac" (0次b), "abc" (1次b), "abbc" (多次b)
• +：匹配一次或多次。
  • ab+c 匹配 "abc", "abbc"，但不匹配 "ac"
• ?：匹配零次或一次（即可选的）。
  • colou?r 匹配 "color" 和 "colour" (u出现0次或1次)
• {n}：匹配确定的 n 次。
  • \d{4} 匹配恰好4个数字，如 "2024"
• {n,}：匹配至少 n 次。
  • \d{2,} 匹配至少2个数字，如 "12", "123"
• {n,m}：匹配至少 n 次，最多 m 次。
  • \d{2,4} 匹配2到4个数字，如 "12", "123", "2024"

4. 位置锚点 - 匹配位置，而不是字符

• ^：匹配字符串的开始位置。
  • ^Hello 匹配以 "Hello" 开头的字符串。
• $：匹配字符串的结束位置。
  • world!$ 匹配以 "world!" 结尾的字符串。
• \b：匹配一个单词的边界（即单词开头或结尾的空隙）。
  • \bcat\b 匹配单词 "cat"，但不匹配 "category" 或 "scatter" 中的 "cat"。

5. 分组与捕获

• (...)：
  1. 分组：将多个字符组合成一个整体，以便对其使用量词。
     • (abc)+ 匹配 "abc", "abcabc"。
  2. 捕获：提取匹配到的内容，供后续使用或替换。
     • 在替换操作中，可以用 $1, $2 来引用被括号捕获的内容。
• (?:...)：非捕获分组。只分组，不捕获，提高效率。

6. 选择符

• |：表示“或”关系。
  • cat|dog 匹配 "cat" 或 "dog"。
  • gr(a|e)y 匹配 "gray" 或 "grey"。

# []表示范围，只匹配一个字符
[abc]           只能是 a b c 其中之一
[a-zA-Z]        a到z 或 A到Z# ^ 表示 非
[^abc]          除 a b c 之外的任何字符# && 表示 且
[a-z&&[^e-g]]   a 到 z 且 除了 e 到 g（等同于[a-dh-z]）# | 表示 或
[a-z|A-Z]       小写字母或大写字母# 预定义字符
.    任何字符
\d   数字
\s   空白字符
\w   英文字母、数字、下划线\D   非数字
\S   非空白字符
\W   非英文字母、数字、下划线# 数量词
x?       0个或1个x
x*       0个或多个x
x+       1个或多个x
x{n}     正好n个x
x{n,}    至少n个x
x{n, m}  n到m个x# \ 转义字符
[0-9]\-[0-9]   数字-数字# ^ 必须是开头  $ 必须是结尾
^hello    可以匹配 hello world  不能匹配 say hello
world$    可以匹配 hello world  不能匹配 world peace

2 Python应用

2.1 re模块

re模块中包含正则表达式的所有功能，因为Python本来也有转义字符\，所以\\才能表示\，为了方便，我们可以直接使用r''去除转义功能。
使用re.match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None。常见的判断方法就是：

import re
if re.match(r'正则表达式', str):print('ok')
else:print('failed')

2.2 字符串分割

使用正则表达式分割字符串比常规的split()方法更加强大。

# 普通split()
'1   2 3  4'.split(' ')   # ['1', '', '', '2', '3', '', '4']# 正则split()
re.split(r'正则表达式', str)re.split(r'\s+', '1   2 3   4')  # ['1', '2', '3', '4']re.split(r'[\s,;]+', '1  , 2,;, 3 ,4')  # ['1', '2', '3', '4']

2.3 分组

()表示要提取的分组，如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。
group()和group(0)表示匹配的完整字符串，group(1)和group(2)依次代表第1、第2个子串，以此类推。

import re  qq = 'qq:12345678'  
reg = r'^(qq):([1-9]\d{4,9})$'  
m = re.match(reg, qq)  
print(m)  
print(m.group())  # qq:12345678
print(m.group(0))  # qq:12345678
print(m.group(1))  # qq
print(m.group(2))  # 12345678

2.4 预编译

如果一个正则表达式要用很多次，可以使用预编译。

import re# 预编译
re_qq = re.compile(r'^(qq):([1-9]\d{4,9})$')# 使用
print(re_qq.match('qq:41532531').group(2))