正则表达式学习笔记
1. 资源链接
- https://regex101.com/(很好用的测试正则表达式的工具)
- www.debuggex.com
- AI-Powered Regex Solver
- 10 分钟快速掌握正则表达式_哔哩哔哩_bilibili(入门学习视频)
2.主要内容
1. 元字符（Metacharacters）
元字符是正则表达式中具有特殊含义的字符，匹配特定的字符类型或位置。以下是一些常用的元字符：
.: 匹配任意单个字符（换行符除外）。^: 匹配字符串的开始。$: 匹配字符串的结束。*: 匹配前面的字符 0 次或多次。+: 匹配前面的字符 1 次或多次。?: 匹配前面的字符 0 次或 1 次。{n}: 精确匹配前面的字符 n 次。{n,}: 匹配前面的字符至少 n 次。{n,m}: 匹配前面的字符至少 n 次，至多 m 次。[]: 匹配方括号内的任意一个字符，例如[abc]匹配a、b或c。|: 或运算符，匹配符号两边的任意一个模式，例如a|b匹配a或b。(): 捕获组，用于提取匹配的子串或在模式中应用量词。\: 转义字符，用于匹配元字符本身或特殊的转义序列。
1.1 限定符 (Quantifier)
限定符用于指定前面的字符或表达式在目标字符串中出现的次数。
*: 匹配前面的字符 0 次或多次。+: 匹配前面的字符 1 次或多次。?: 匹配前面的字符 0 次或 1 次。{n}: 精确匹配 n 次。{n,}: 至少匹配 n 次。{n,m}: 匹配 n 到 m 次。
例如:
a*: 匹配a出现 0 次或多次。例如，"aaa"或""都可以匹配。a+: 匹配a出现 1 次或多次。例如，"a"或"aaa"可以匹配，但""无法匹配。a?: 匹配a出现 0 次或 1 次。例如，"a"或""可以匹配，但"aa"无法匹配。a{6}: 匹配a精确出现 6 次。例如，"aaaaaa"可以匹配。a{2,6}: 匹配a出现 2 到 6 次之间。例如，"aa"、"aaa"、"aaaaaa"可以匹配。a{2,}: 匹配a出现至少 2 次。例如，"aa"或"aaaaaa"可以匹配。
1.2 或运算符 (OR Operator)
或运算符用于在正则表达式中创建多个可选项。
(a|b): 匹配a或b中的任意一个。例如，"a"或"b"可以匹配。(ab)|(cd): 匹配ab或cd之一。例如，"ab"或"cd"可以匹配。
1.3 字符类 (Character Classes)
字符类用于匹配一组字符中的任意一个。
[abc]: 匹配a、b或c中的任意一个字符。[a-c]: 匹配a到c之间的任意一个字符，这种形式用于表示字符的范围。[a-fA-F0-9]: 匹配小写字母a到f、大写字母A到F以及数字0到9。这通常用于匹配十六进制数字。[^0-9]: 匹配非数字字符。^在字符类中表示取反。
1.4 贪婪/懒惰匹配 (Greedy / Lazy Match)
贪婪匹配和懒惰匹配用于控制量词的行为：
- 默认情况下，量词是贪婪的，这意味着它会尽可能多地匹配字符。例如，
<.+>会匹配尽可能多的字符。 - 使用
?使量词变为懒惰匹配，这样它会尽可能少地匹配字符。例如，<.+?>会匹配尽可能少的字符。
2. 常见转义序列
\d: 匹配任何一个数字，相当于[0-9]。\D: 匹配任何一个非数字字符。\w: 匹配任何一个字母、数字或下划线，相当于[a-zA-Z0-9_]。\W: 匹配任何一个非字母、数字或下划线的字符。\s: 匹配任何一个空白字符（空格、制表符、换行符等）。\S: 匹配任何一个非空白字符。
3. 边界匹配
^: 匹配字符串的开始。例如^Hello匹配以Hello开头的字符串。$: 匹配字符串的结束。例如world$匹配以world结尾的字符串。\b: 匹配单词边界。例如\bword\b匹配完整的单词word。
图片中显示的内容包括了一些正则表达式的核心概念和操作符，以下是这些概念的详细讲解：
4. 捕获组和非捕获组
捕获组用于提取匹配到的子字符串：
(abc): 匹配abc并捕获该匹配结果。(?:abc): 匹配abc但不捕获该匹配结果（非捕获组）。
捕获组在正则表达式中非常有用，特别是在匹配并提取子字符串时。
5. 零宽断言（Lookahead and Lookbehind）
零宽断言用于匹配位置，而不是匹配字符，它们不会消耗字符。
(?=pattern): 正向先行断言，匹配某个模式前的位置。(?!pattern): 负向先行断言，匹配某个模式前不存在的位置。(?<=pattern): 正向后行断言，匹配某个模式后的位置。(?<!pattern): 负向后行断言，匹配某个模式后不存在的位置。
图片中显示的内容包括了一些正则表达式的核心概念和操作符，以下是这些概念的详细讲解：
3. 应用场景
- 匹配字符串: 通过正则表达式查找、验证特定的字符串模式。
- 提取信息: 使用捕获组从字符串中提取特定的信息。
- 文本替换: 使用正则表达式替换文本中的某些部分。
- 数据验证: 验证用户输入的数据格式是否正确，例如验证电子邮件、电话号码等。
4. 示例和实践
示例 1：匹配电子邮件地址
import re
email = "contact@example.com"
pattern = r'[\w\.-]+@[\w\.-]+'
match = re.match(pattern, email)
if match:
print("Valid email address:", match.group())
else:
print("Invalid email address")
示例 2：提取文本中的日期
import re
text = "Today's date is 2024-08-23."
pattern = r'\d{4}-\d{2}-\d{2}'
date = re.search(pattern, text)
if date:
print("Found date:", date.group())
else:
print("No date found")
示例 3：替换文本中的敏感信息
import re
text = "My credit card number is 1234-5678-9876-5432."
pattern = r'\d{4}-\d{4}-\d{4}-\d{4}'
safe_text = re.sub(pattern, "****-****-****-****", text)
print("Safe text:", safe_text)
示例 4：匹配 IPv6 地址
import re
# 示例中的IPv6地址
ipv6_address = "2001:0db8:85a3:0000:0000:8a2e:0370:7334"
# 匹配IPv6地址的正则表达式模式
pattern = r'([0-9a-fA-F]{1,4}:){7}([0-9a-fA-F]{1,4})'
match = re.match(pattern, ipv6_address)
if match:
print("Valid IPv6 address:", match.group())
else:
print("Invalid IPv6 address")
[0-9a-fA-F]{1,4}: 匹配 1 到 4 个十六进制数字（0-9，a-f，A-F）。:: 匹配冒号分隔符。([0-9a-fA-F]{1,4}:){7}: 匹配 7 组由冒号分隔的 1 到 4 个十六进制数字。([0-9a-fA-F]{1,4}): 匹配最后一组 1 到 4 个十六进制数字。
扩展：
IPv6 地址的表示形式可能会有所不同，比如可以使用缩略表示法（双冒号::），这种情况下，正则表达式会更复杂。如果要匹配完整的 IPv6 地址（包括可能的缩略表示），可以参考更复杂的模式，如：
pattern = r'(([0-9a-fA-F]{1,4}:){7}([0-9a-fA-F]{1,4})|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}){1,7})'
这个正则表达式考虑了 IPv6 地址中的缩写形式，但实现起来比较复杂，通常可以借助专门的库来解析和验证 IPv6 地址。
浙公网安备 33010602011771号