技術標籤：otherpython正則表示式字串

一、字元匹配

1.元字元： . ^ $ * + ? { } [ ] \ | ( )

2.方括號 [ ] ：指定一個【字元類】，用來存放你希望匹配的字元集合。一個連續範圍內的字元也可以用橫槓‘-’連線首尾兩個字元指定。 比如，[abc]可以匹配 a，b 或 c，[a-c]也有同樣的效果。

2.1元字元在方括號內不會被啟用!比如，[akm$]可以匹配字元‘a’，‘k’， ‘m’或者’ ’ ， ‘ ’，‘ ’，‘’元字元會失去它的特性，匹配自身。

2.2匹配未在方括號中列出的字元，這需要在方括號中的第一個字元前面加上‘^{’脫字元號，方括號字元集合之外的字元可以簡單地匹配‘}

’符號。比如，[^5]可以匹配任何 不是‘5’的字元。

3.反斜槓\：如果反斜槓後面跟著一個元字元，那麼元字元的 “特殊功能”將不會被觸發。比如需要去匹配一個 [ 或者 \ ，可以在它們之前加上反 斜槓 \ 以去掉它們的特殊語義:\ [ 或者 \。

3.1有一些特殊的、常用的序列也以反斜槓開始，比如十進位制數字，或者非空白的字元集合。\w 匹配所有字母數字字元，如果正則表示式以位元組的形式表示， 這相當於字元類[a-zA-Z0-9]。如果正則表示式是一個字串，\w 會匹配所有在 Unicode 資料 庫中標記的為字母的字元。你在編譯正則表示式的時候可以通過提供 re.ASCII 標誌進一步限制 \w 的定義。下面列舉一些反斜槓加字元構成的特殊序列(並不完整)。

      \d:匹配所有十進位制數字，相當於字元類[0-9]
      \D:匹配所有非數字字元，相當於字元類[^0-9] 
      \s:匹配所有空白字元(包括製表符、換行符等)，相當於字元類[\t\n\r\f\v] 
      \S:匹配所有非空白字元，相當於字元類[^\t\n\r\f\v] 
      \w:匹配所有字母數字字元，相當於字元類[a-zA-Z0-9] 
      \W:匹配所有非字母數字字元，相當於字元類[^a-zA-Z0-9]

這些序列可以被包含在一個字元類中，比如，[\s,.]是一個字元類，可以匹配任何空白字 符，或者‘,’和‘.’。

二、重複

1.元字元星號 * ：它並不匹配它自身，而是指定它的前一個字元重複 0 次或者多次，而不是確定的多少次。比如，ca*t 可以匹配 ct(有 0 個 a 字元)、cat(有 1 個 a 字元)、caaat(有 3 個 a 字元) 等等。正則表 達式引擎總是先儘可能遠的匹配重複的字元，如果不匹配，他將逐步回退，然後再次嘗試去 匹配 RE 剩餘的部分，直到重複字元的個數為 0，如果這時仍然匹配失敗，引擎就會得出結 論:這個字串不匹配這個 RE。

2.元字元加號 + ：它指定匹配它前面的字元 1 次或者多次。星號 * 匹配 0 次或者多次，所以被匹配的內容可能壓根兒 就不出現，但是加號 + 要求重複的字元至少出現 1 次。舉一個簡單的例子，ca+t 可以匹配 cat(1 個 a 字元)、caaat(3 個 a 字元)，但是它不匹配 ct。

3.問號 ? : 它用於指定匹配它前面的字元 0 次或者 1 次，你可以認為它用於標誌一個可選的字元。比如，home-?brew 可以匹配 homebrew 或者 home-brew。

4.最靈活的表示重複的限定符: {m,n}。表示它前面的字元至少重複 m 次，最多重複 n 次。比如，a/{1,3}b 可以匹配 a/b，a//b 和 a///b。但是 它不匹配 ab，因為 ab 沒有斜槓，也不匹配 ab，因為它有 4 個斜槓超過了 3 個。省略 m 將預設下限為 0，省略 n 將預設無上限。(譯者注:還有一種使用方式，{n}指定它前面的字元重複 n 次，{0,}與星號 * 作用一樣，{1,}與加號 + 作用一樣，{0,1}與問號 ? 作用一樣。然而，在實際應用中，首選星號 * 、加號 + 和問號 ? ，因為它們更短，效率更高。

三、更多的元字元

1.“I”或操作符：如果 A 和 B 都是正則表示式，A|B 將匹配任何能夠匹配 A 或者 B 的字串。 為了讓或操作符 | 在多字元的字串匹配中工作地更加合理，它的優先順序很低，例如 Crow | Servo 將會匹配 Crow 或者 Servo，而不是 Cro 然後[w] or [S]。

如果需要匹配字元‘|’，使用 |，或者將它放在一個字元類中，[|]。

2.“^”：匹配一行的開頭位置。如果沒有設定 MULTILINE 標誌，它只匹配字串的開頭位置，如果設定了 MULTILINE 標誌，它將匹配字串中每一行(根據換行符)的開頭。舉個例子，如果你只想在一行的開頭位置匹配 From 這個單詞，這個正則表示式應該是 ^From。

3.“$”：匹配一行的結尾，它每當遇到換行符也會進行匹配。

4.\A：只匹配字串的開始位置。如果不在 MULTILINE 模式下，\A 和 ^ 的有一樣的效果。在 MULTILINE 模式下，它們是不一樣的:\A 還是隻匹配字串的開頭，而 ^ 將匹配字串每 一行的開頭，即每一個換行符之後也會進行匹配。

5.\Z: 只匹配字串的結尾。

6.\b: 單詞邊界。這是一個零寬斷言，只匹配一個單詞的開始位置或者結束位置。單詞是由字母或者數字構成的序列，所以一個單詞由空格或者非字母數字字元作為結束標誌。下述例子只有當 class 作為單獨的一個完整單詞的時候才會被匹配，當 class 是其他單詞的一部分時不會被匹配。

7.\B: 這個零寬斷言與\b 的意義相反，它匹配非單詞邊界。

四、RE模組

1.匹配一個反斜槓字元‘\’，你需要寫四個反斜槓‘\\。解決方法是使用Python中的原始字串，即在字串最前面加上字母 r，這樣字串中的反斜槓都會被去掉特殊語義，看做普通字元。比如，字串 r”\n” 是 包含‘\’和‘n’兩個字元的字串，而字串 “\n” 是隻有一個換行符的字串。正則表示式通常使用 Python 中的原始字串來表示。

匹配物件例項也有一些方法和屬性，這裡列出最重要的幾個:

match()方法是判斷正則表示式是否從開始處匹配字串，所以start()方法總是返回 0。然而，search()方法就不一樣了，它掃描整個字串，匹配的子字串的開始位置不一定是 0。

findall()方法需要在它返回結果之前創建出整個列表。但是finditer()方法將匹配物件作為迭代器返回(譯者注:迭代器的方式更節省記憶體，效率更高)。

2.模組級別的函式：

不需要去建立一個匹配物件來呼叫它的方法，re 模組中也提供一些全域性函式比如 match()、search()、findadd()、sub()等等。這些函式的第一個引數是正則表示式字串，其他引數跟模式物件同名的方法採用一樣的引數，返回值也一樣，都是返回 None。由於內部緩衝機制，兩者的效率不差上下。