正則表示式取反_Python正則表示式（二）

阿新 • • 發佈：2021-01-04

技術標籤：正則表示式取反

回顧

上節我們說到Python正則表示式的基本字元，以及這些字元的用法

今天，我們繼續講講Python中一些擴充套件標記法，以及一些特殊序列

擴充套件標記法

(?...): 這種擴充套件標記法以括號內?開頭，其後第一個字元決定了採用什麼樣的語法。

1、`(?aiLmsux)`

介紹

在?後面新增( 'a', 'i', 'L', 'm', 's', 'u', 'x'中的一個或多個)，然後加上匹配規則。

這些字元對正則表示式設定以下標記，免去設定 flag 引數

'a' ==> re.A(re.ASCII) ==> 只匹配 ASCII 字元
'i' ==> re.I(re.IGNORECASE) ==> 忽略大小寫
'L' ==> re.L(re.LOCALE) ==> 由當前語言區域決定 w, W, b, B 和大小寫敏感匹配，不推薦使用。
'm' ==> re.M(re.MULTILINE) ==> 多行模式
's' ==> re.S(re.DOTALL) ==> .匹配全部字元
'u' ==> re.U ==> Unicode匹配，Python3預設開啟這個模式
'x' ==> re.X(re.VERBOSE) ==> 冗長模式

注意：'a', 'L', 'u' 作為內聯標記是相互排斥的，它們不能結合在一起

示例

# 忽略大小寫
re.findall('(?i)ab', 'Ab')
# out: ['Ab']

# 連用s、i
re.findall('(?si)ab.', 'Abn')
# out: ['Ab']

# 多行模式
re.findall('^a.', 'abnac')
# out: ['ab']
re.findall('(?m)^a.', 'abnac')
# out: ['ab', 'ac']

# .匹配全部字元
re.findall('(?s)ab.', 'abn')
# out: ['abn']

# 冗長模式
# 這個標記允許你編寫更具可讀性更友好的正則表示式。
# 通過分段和添加註釋,其中空白符號會被忽略
re.findall(r"""(?x)d +  # 整數位
                .       # 小數點
                d *     # 小數位
                """, '3.1415na')
# out: ['3.1415']

2、`(?:…)`

介紹

括號分組的非捕獲版本，該分組所匹配的子字串不能在執行匹配後被獲取或是在之後的模式中被引用

可以配合 | 和 {m} 使用

示例

re.findall('(abc){2}', 'abcabc')
# out: ['abc']

re.findall('(?:abc){2}', 'abcabc')
# out: ['abcabc']

# 可以看出，捕獲版本和非捕獲版本的區別
# 捕獲版本會捕獲到()分組內的匹配字元
# 非捕獲版本會將()分組內的字元與外面的字元作為一個整體返回
# 看一個巢狀捕獲的例子
re.findall('(a(bc))cbs', 'abccbs')
# out: [('abc', 'bc')]

re.findall('(a(?:bc))cbs', 'abccbs')
# out: ['abc']

re.findall('(abc)|cbs', 'cbs')
# out: ['']

re.findall('(?:abc)|cbs', 'cbs')
# out: ['cbs']

3、`(?P<name>…)` 和 `(?P=name)`

介紹

(?P<name>…)

為分組再指定一個組合名

每個組合名只能用一個正則表示式定義，只能定義一次

(?P=name)

反向引用一個命名組合

匹配前面那個名字叫 name 的命名組中匹配到的字串

示例

re.findall('(?P<name>abc)1', 'abcabc')
re.findall('(?P<name>abc)(?P=name)', 'abcabc')
# out: ['abc']

4、`(?#…)`

介紹

註釋資訊，裡面的內容會被忽略。

示例

re.findall('abc(?#這是註釋)123', 'abc123')
# out: ['abc123']

5、`(?=…)`, `(?!…)`

介紹

(?=…)：匹配 … 的內容。這個叫 lookahead assertion （後視斷言）
(?!…)：匹配 … 不符合的情況。這個叫 negative lookahead assertion（前視取反）

哈哈，是不是沒看懂，沒事，舉個栗子

示例

re.findall('Isaac (?=Asimov)', 'Isaac Asimov, Isaac Ash')
# out: ['Isaac ']
# 只有後面是 'Asimov' 的時候才匹配前面的 'Isaac '

re.findall('Isaac. (?!Asimov)', 'Isaac1 Asimov, Isaac2 Ash')
# out: ['Isaac2 ']
# 為了顯示區別，我們加了 '.' 匹配數字 1、2
# 從中可以看出，只有後面 不 是 'Asimov' 的時候才匹配 'Isaac '

看看，是不是一下子就明瞭了。

6、`(?<=…)`, `(?<?…)`

介紹

匹配當前位置之前是 ... 的樣式。這個叫 positive lookbehind assertion （正向後視斷定）
匹配當前位置之前不是 ... 的樣式。這個叫 negative lookbehind assertion （後視取反）

哈哈，這個又看不懂？

思考一下，既然有根據後面字元斷言的，那麼根據前面字元來斷言，也是很合理的，

示例

re.findall('(?<=Isaac )Asimov.', 'Isaac Asimov1, Asimov2')
# out: ['Asimov1']

re.findall('(?<!Isaac )Asimov.', 'Isaac Asimov1, Asimov2')
# out: ['Asimov2']

7、`(?(id/name)yes-pattern|no-pattern)`

介紹

如果給定的 id 或 name 存在，將會嘗試匹配 yes-pattern，否則就嘗試匹配 no-pattern，no-pattern 可選，也可以被忽略。

是不是有點像if else三目運算，其中 id 和 name 是分組 id、和指定的分組名 name

照舊，舉個栗子吧

示例

re.findall('(<)?([email protected]+(?:.w+))(?(1)>|$)', '<[email protected]>')
# out: [('<', '[email protected]')]

re.findall('(<)?([email protected]+(?:.w+))(?(1)>|$)', '[email protected]>')
# out: []

re.findall('(<)?([email protected]+(?:.w+))(?(1)>|$)', '<[email protected]')
# out: [('', '[email protected]')]

re.findall('(<)?([email protected]+(?:.w+))(?(1)>|$)', '[email protected]')
# out: [('', '[email protected]')]

看了栗子是不是有點糊塗呢，我們來解析一下這個正則表示式

第一個括號捕獲的是 <
? 是判斷 < 是否存在
第二個括號，裡面是郵箱的格式，w 代表數字、字母和下換線集合
第三個括號巢狀在第二個當中，而且宣告非捕獲版本，是郵箱 . 及後面的字元
最後一個括號當中，?(1)>|$：其中1 是對第一個括號分組的引用，如果存在，就匹配 >，否則匹配空

其結果匹配的就是<[email protected]>和[email protected]。

而不會匹配 <[email protected]' 和 <[email protected]

但是上面的第三個結果為啥不一樣呢？

因為findall允許返回空匹配的，在有 ?的情況下，所以它會分兩種情況去匹配

在<存在的情況下，匹配不到 >，
在<不存在時，能匹配到 [email protected]

特殊序列

字元描述

簡單示例

re.findall('(ab)c1', 'abcab')
# out: ['ab']
# 注意，這裡需要 ，等同於 r'(ab)c1'
# 為了方便，我們下面都使用 r''

re.findall(r'Aabc', 'abccadcnabc')
re.findall(r'^abc', 'abccadcnabc')
# out: ['abc']
# 只有開頭的 abc 匹配了

re.findall(r'bHellob', 'Hello world! Hellooo')
# out: ['Hello']
# 注意，通常 b 定義為 w 和 W 字元之間，或者 w 和字串開始/結尾的邊界

re.findall(r'bHellob', 'Hello world! Hello.')
# out: ['Hello', 'Hello']

re.findall(r'BHelloB', 'Hello worldHello123')
# out: ['Hello']
# Hello 兩邊都需要 b 未定義的分隔字元

re.findall(r'd+', 'ab123dnabc')
# out: ['123']

re.findall(r'D+', 'ab123dnabc')
# out: ['ab', 'dnabc']

re.findall(r's+', 'ab12 3dnabtc')
# out: [' ', 'n', 't']

re.findall(r'S+', 'ab12 3dnabtc')
# out: ['ab12', '3d', 'ab', 'c']

re.findall(r'w+', '[email protected]')
# out: ['user_name', 'host163', 'com']

re.findall(r'W+', '[email protected]')
# out: ['@', '.']

re.findall(r'ddZ', 'abddacdd')
re.findall(r'dd$', 'abddacdd')
# out: ['dd']