2019年6月25日

正则表达式简单使用

符号

元字符

以下摘自百度百科

元字符 描述
\ 将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如,“\n”匹配 \n。“\n”匹配换行符。序列“\”匹配“\”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。
^ 匹配输入字行首。如果设置了 RegExp 对象的Multiline属性,^ 也匹配“\n”或“\r”之后的位置。
$ 匹配输入行尾。如果设置了RegExp对象的Multiline属性,$ 也匹配“\n”或“\r”之前的位置。
.点 匹配除“\n”和”\r”之外的任何单个字符。要匹配包括“\n”和”\r”在内的任何字符,请使用像“[\s\S]”的模式。
(pattern) 获取匹配,匹配 pattern 并获取这一匹配。
(?:pattern) 非获取匹配,匹配 pattern 但不获取匹配结果,不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern) 非获取匹配,正向肯定预查,在任何匹配 pattern 的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”,但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。
(?!pattern) 非获取匹配,正向否定预查,在任何不匹配 pattern 的字符串开始处匹配查找字符串,该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”,但不能匹配“Windows2000”中的“Windows”。
(?<=pattern) 非获取匹配,反向肯定预查,与正向肯定预查类似,只是方向相反。例如,“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”,但不能匹配“3.1Windows”中的“Windows”。*python的正则表达式没有完全按照正则表达式规范实现,所以一些高级特性建议使用其他语言如java、scala等
(?<!patte_n) 非获取匹配,反向否定预查,与正向否定预查类似,只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”,但不能匹配“2000Windows”中的“Windows”。*python的正则表达式没有完全按照正则表达式规范实现,所以一些高级特性建议使用其他语言如java、scala等
x|y 匹配x或y。例如,“z|food”能匹配“z”或“food”(此处请谨慎)。“[z|f]ood”则匹配“zood”或“food”。
[xyz] 字符集合。匹配所包含的任意一个字符。例如,“[abc]”可以匹配“plain”中的“a”。
[^xyz] 负值字符集合。匹配未包含的任意字符。例如,“[^abc]”可以匹配“plain”中的“plin”任一字符。
[a-z] 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b 匹配一个单词的边界,也就是指单词和空格间的位置(即正则表达式的“匹配”有两种概念,一种是匹配字符,一种是匹配位置,这里的\b就是匹配位置的)。例如,“er\b”可以匹配“never”中的“er”,但不能匹配“verb”中的“er”;“\b1_”可以匹配“1_23”中的“1_”,但不能匹配“21_3”中的“1_”。
\B 匹配非单词边界。“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。
\d 匹配一个数字字符。等价于[0-9]。grep 要加上-P,perl正则支持
\D 匹配一个非数字字符。等价于[^0-9]。grep要加上-P,perl正则支持
\s 匹配任何不可见字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S 匹配任何可见字符。等价于[^ \f\n\r\t\v]。
\w 匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”,这里的”单词”字符使用Unicode字符集。
\W 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\num 匹配num,其中num是一个正整数。对所获取的匹配的引用。例如,“(.)\1”匹配两个连续的相同字符。
( ) 将( 和 ) 之间的表达式定义为“组”(group),并且将匹配这个表达式的字符保存到一个临时区域(一个正则表达式中最多可以保存9个),它们可以用 \1 到\9 的符号来引用。
| 将两个匹配条件进行逻辑“或”(Or)运算。例如正则表达式(him|her) 匹配”it belongs to him”和”it belongs to her”,但是不能匹配”it belongs to them.”。注意:这个元字符不是所有的软件都支持的。

量词

基本量词

语法 描述
? 零个或一个(可选)
+ 一个或多个
* 零个或多个

范围语法总结

语法 描述
{n} 精确匹配 n 次
{n,} 匹配 n 次或更多次
{m,n} 匹配 m 至 n 次
{0,1} 与 ? 相同 (零次或一次)
{1,0} 与 + 相同 (一次或更多)
{0,} 与 * 相同 (零次或更多)

懒惰量词

语法 描述
?? 懒惰匹配零次或一次(可选)
+? 懒惰匹配一次或多次
*? 懒惰匹配零次或多次
{n }? 懒惰匹配 n 次
{n ,}? 懒惰匹配 n 次或多次
{m ,n }? 懒惰匹配 m 至 n 次

python示例

import re
s = '55555'
pattern = re.compile('5*?')
print pattern.findall(s) # 结果为匹配 0 次5,所以为结果为空

占有量词(一般不支持,这里只是记录一下)

语法 描述
?+ 占有式匹配零次或一次(可选)
++ 占有式匹配一次或多次
*+ 占有式匹配零次或多次
{n }+ 占有式匹配 n 次
{n ,}+ 占有式匹配 n 次或更多次
{m ,n }+ 占有式匹配 m 至 n 次

Python 中的正则表达式

这里简单简绍一下 Python 的 re 模块,也就是 Python 正则表达式模块,这里只介绍一些常用的用法,具体的大家可以去参阅官方文档!

re 模块官方文档

常用函数

  1. re.compile(pattern, flags=0)
    将正则表达式的样式编译为一个 正则表达式对象 (正则对象),可以用于匹配
prog = re.compile(pattern)
result = prog.match(string)
等价于
result = re.match(pattern, string)
  1. re.search(pattern, string, flags=0)
    扫描整个字符串,找到匹配样式的第一个位置,并返回一个相应的 匹配对象。如果没有匹配,就返回一个 None 。
import re
s = 'ssss5'
pattern = re.compile('\d')
print pattern.search(s).group() # 结果为 5 ,扫描整个字符串
  1. re.match(pattern, string, flags=0)
    如果 string 开始的0或者多个字符匹配到了正则表达式样式,就返回一个相应的 匹配对象。 如果没有匹配,就返回 None。
    如果你想定位 string 的任何位置,使用 search() 来替代。
import re
s = 'ssss5'
pattern = re.compile('\d')
print pattern.match(s).group() # 结果为 None,从字符串开始匹配
  1. re.split(pattern, string, maxsplit=0, flags=0)
    用 pattern 分开 string 。 如果在 pattern 中捕获到括号,那么所有的组里的文字也会包含在列表里。如果 maxsplit 非零, 最多进行 maxsplit 次分隔, 剩下的字符全部返回到列表的最后一个元素。
import re
print re.split('\W+', 'words, words, words.')
# 输出为 ['words', 'words', 'words', '']
  1. re.findall(pattern, string, flags=0)
    对 string 返回一个不重复的 pattern 的匹配列表, string 从左到右进行扫描,匹配按找到的顺序返回。如果样式里存在一到多个组,就返回一个组合列表;就是一个元组的列表(如果样式里有超过一个组合的话)。空匹配也会包含在结果里。
  2. re.sub(pattern, repl, string, count=0, flags=0)
    返回通过使用 repl 替换在 string 最左边非重叠出现的 pattern 而获得的字符串。

一些常用的正则表达式

  1. 清除 HTML 标签
(<script(\s|\S)*?<\/script>)|(<style(\s|\S)*?<\/style>)|(<!--(\s|\S)*?-->)|(<\/?(\s|\S)*?>)
  1. 匹配 HTML 中的 a 标签
<\s*a(\s+.*?>|>).*?<\s*/\s*a\s*>
  1. 匹配电话号码
[\+]?[\d]?[ |-|\.]?[(]?\d{3}[)]?\s?-?\s?\d{3}\s?-?\s?\d{4,6}
  1. 匹配电子邮箱
b[\w\.-]+@[\w\.-]+\.\w{2,4}\b

You may also like...

1 Response

  1. Bernie说道:

    Hi, very nice website, cheers!
    ——————————————————
    Need cheap and reliable hosting? Our shared plans start at $10 for an year and VPS plans for $6/Mo.
    ——————————————————
    Check here: https://www.good-webhosting.com/

发表评论

电子邮件地址不会被公开。 必填项已用*标注