正则表达式必知必会

在线测试

基本语法

速查表

single char	quantifiers(数量)	position(位置)	需要注意的转义符号
\d 匹配数字	* 0个或者更多	^一行的开头	\\
\w 匹配word(数字、字母)	+ 1个或更多，至少1个	$一行的结尾	\(
\s 匹配white space(包括空格、tab等)	? 0个或1个,一个Optional	\b 单词"结界"(word bounds)
\S 匹配非white space(包括空格、tab等)	{min,max}出现次数在一个范围内
. 匹配任何，任何的字符	{n}匹配出现n次的

进阶内容

分类符

1. []的作用，用英文表达就是"alternation",表达一个或的逻辑；

2. /[-.(]/ 在符号中的连字符-放在第一位表示连字符本身，如果放在中间，表示"从..到.."，比如[a-z]表示a-z

3. [.)] 括号中的特殊符号不需要转义，就表示其本身

4. [^ab] 括号中的^表示非，anythings except a and b

5. (a|b)也可表示选择，但是它有更强大的功能....

分组捕获

1. 分组捕获，使用()进行数据分组，编号0代表整个匹配项，选择的分组从1号开始
2. 选择器可以使用$1和\1，但是使用场景不同，\用在正则表达式自己身上

贪婪匹配

如何匹配HTML标签

1. <.+?> ?符号可以禁止贪婪属性，放在.*`之后，表示一次匹配遇到重点就可以停止。否则将会一直向后匹配。

2. <[^<>]+> 匹配除了<和>的字符

前向匹配

1. d(?=r) 只有d紧跟r才会匹配，但是r不是匹配串的一部分
2. (?<=r)d 只有d前面是r才会匹配，但是r不是匹配串的一部分
3. (?r)**d 只有d前面不是r才会匹配，但是r不是匹配串的一部分

在Python中的应用

反斜杠困境

在字符串之前加一个r可以保证匹配原始符号

Regular String	Raw string
"ab*"	r"ab*"
"\\\\section"	r"\\section"
"\\w+\\s+\\1"	r"\w+\s+\1"

分步匹配

编译Pattern objects

import re
p = re.compile('ab*',re.X) # 创建Pattern objects

Pattern objects编译标记

Flag	Meaning
IGNORECASE, I	忽略大小写
MULTILINE, M	多行匹配，会影响^ 和 $

Pattern objects常用方法

Method/Attribute	Purpose
match()	返回匹配对象（Match Object）
search()	返回匹配的位置
findall()	以列表形式返回所有匹配的子串
finditer()	以迭代器形式返回所有匹配的子串
sub('替换串','待替换串',count=1)	找到所有的字符串并替换
subn()	和sub效果一样，但会多返回一个替换位置

Match object常用方法

• 调用相关方法前，先确定Match Object是否匹配

Method/Attribute	Purpose
group()	返回匹配的字符串
start()	返回匹配的起始位置
end()	返回匹配的结束位置
span()	返回匹配的起止位置

直接匹配

• 不在循环中进行正则匹配时可以考虑直接匹配

re.match(r'From\s+', 'From amk Thu May 14 19:12:10 1998')  
<re.Match object; span=(0, 5), match='From '>

参考

正则表达式的教程笔记

Regex tutorial — A quick cheatsheet by examples

Regular Expression HOWTO在线测试

基本语法

速查表

single char	quantifiers(数量)	position(位置)	需要注意的转义符号
\d 匹配数字	* 0个或者更多	^一行的开头	\\
\w 匹配word(数字、字母)	+ 1个或更多，至少1个	$一行的结尾	\(
\s 匹配white space(包括空格、tab等)	? 0个或1个,一个Optional	\b 单词"结界"(word bounds)
\S 匹配非white space(包括空格、tab等)	{min,max}出现次数在一个范围内
. 匹配任何，任何的字符	{n}匹配出现n次的

进阶内容

分类符

1. []的作用，用英文表达就是"alternation",表达一个或的逻辑；

2. /[-.(]/ 在符号中的连字符-放在第一位表示连字符本身，如果放在中间，表示"从..到.."，比如[a-z]表示a-z

3. [.)] 括号中的特殊符号不需要转义，就表示其本身

4. [^ab] 括号中的^表示非，anythings except a and b

5. (a|b)也可表示选择，但是它有更强大的功能....

分组捕获

1. 分组捕获，使用()进行数据分组，编号0代表整个匹配项，选择的分组从1号开始
2. 选择器可以使用$1和\1，但是使用场景不同，\用在正则表达式自己身上

贪婪匹配

如何匹配HTML标签

1. <.+?> ?符号可以禁止贪婪属性，放在.*`之后，表示一次匹配遇到重点就可以停止。否则将会一直向后匹配。

2. <[^<>]+> 匹配除了<和>的字符

前向匹配

1. d(?=r) 只有d紧跟r才会匹配，但是r不是匹配串的一部分
2. (?<=r)d 只有d前面是r才会匹配，但是r不是匹配串的一部分
3. (?r)**d 只有d前面不是r才会匹配，但是r不是匹配串的一部分

在Python中的应用

反斜杠困境

在字符串之前加一个r可以保证匹配原始符号

Regular String	Raw string
"ab*"	r"ab*"
"\\\\section"	r"\\section"
"\\w+\\s+\\1"	r"\w+\s+\1"

分步匹配

编译Pattern objects

import re
p = re.compile('ab*',re.X) # 创建Pattern objects

Pattern objects编译标记

Flag	Meaning
IGNORECASE, I	忽略大小写
MULTILINE, M	多行匹配，会影响^ 和 $

Pattern objects常用方法

Method/Attribute	Purpose
match()	返回匹配对象（Match Object）
search()	返回匹配的位置
findall()	以列表形式返回所有匹配的子串
finditer()	以迭代器形式返回所有匹配的子串
sub('替换串','待替换串',count=1)	找到所有的字符串并替换
subn()	和sub效果一样，但会多返回一个替换位置

Match object常用方法

• 调用相关方法前，先确定Match Object是否匹配

Method/Attribute	Purpose
group()	返回匹配的字符串
start()	返回匹配的起始位置
end()	返回匹配的结束位置
span()	返回匹配的起止位置

直接匹配

• 不在循环中进行正则匹配时可以考虑直接匹配

re.match(r'From\s+', 'From amk Thu May 14 19:12:10 1998')  
<re.Match object; span=(0, 5), match='From '>

参考

正则表达式的教程笔记

Regex tutorial — A quick cheatsheet by examples

Regular Expression HOWTO