文章目錄

• 簡(jiǎn)介
• • 注意：
• 字符匹配
• • 元字符
  • • [ ]
    • • 注意：
    • 反斜杠\
    • .
    • *
    • +
    • ?
    • {}

簡(jiǎn)介

正則表達(dá)式（Regular expressions 也稱為 REs，或 regexes 或 regex patterns）本質(zhì)上是一個(gè)微小的且高度專業(yè)化的編程語言。它被嵌入到 Python 中，并通過 re 模塊提供給程序猿使用。使用正則表達(dá)式，你需要指定一些規(guī)則來描述那些你希望匹配的字符串集合。這些字符串集合可能包含英語句子、 e-mail 地址、TeX 命令

注意：

Python 的正則表達(dá)式引擎是用 C 語言寫的，所以效率是極高的。另，所謂的正則表達(dá)式，這里說的 RE，就是上文我們提到的“一些規(guī)則”。

字符匹配

大多數(shù)字母和字符會(huì)匹配它們自身。舉個(gè)例子，正則表達(dá)式Dog 將完全匹配字符串 “Dog”,默認(rèn)情況下區(qū)分大小寫。當(dāng)然這個(gè)規(guī)則也有例外。有少數(shù)特殊的字符我們稱之為元字符（metacharacter），它們并不能匹配自身，它們定義了字符類、子組匹配和模式重復(fù)次數(shù)等。

元字符

下邊是元字符的完整列表：

. ^ $ * + ? { } [ ] \ | ( )

如果沒有這些元字符，正則表達(dá)式就變得跟字符串的 find() 方法一樣平庸了…

[ ]

下方括號(hào) [ ]，它們指定一個(gè)字符類用于存放你需要匹配的字符集合。可以單獨(dú)列出需要匹配的字符，也可以通過兩個(gè)字符和一個(gè)橫桿 - 指定匹配的范圍。例如 [abc] 會(huì)匹配字符 a，b 或 c；[a-c] 可以實(shí)現(xiàn)相同的功能。后者使用范圍來表示與前者相同的字符集合。舉例：如果你想只匹配小寫字母，你的 RE 可以寫成 [a-z]

注意：

元字符在方括號(hào)中不會(huì)觸發(fā)“特殊功能”，在字符類中，它們只匹配自身。例如 [akm$] 會(huì)匹配任何字符 'a'，'k'，'m' 或 '$'，'$' 是一個(gè)元字符，但在方括號(hào)中它不表示特殊含義，它只匹配 ‘$’ 字符本身。

你還可以匹配方括號(hào)中未列出的所有其他字符。做法是在類的開頭添加一個(gè)脫字符號(hào) ^ ，例如 [^5] 會(huì)匹配除了 ‘5’ 之外的任何字符

反斜杠\

跟 Python 的字符串規(guī)則一樣，如果在反斜杠后邊緊跟著一個(gè)元字符，那么元字符的“特殊功能”也不會(huì)被觸發(fā)。例如你需要匹配符號(hào) [ 或 \，你可以在它們前面加上一個(gè)反斜杠，以消除它們的特殊功能：\[，\\

反斜杠后邊跟一些字符還可以表示特殊的意義，例如表示十進(jìn)制數(shù)字，表示所有的字母或者表示非空白的字符集合。

反斜杠后邊跟元字符去除特殊功能，反斜杠后邊跟普通字符實(shí)現(xiàn)特殊功能。

舉個(gè)例子：\w 匹配任何單詞字符。如果正則表達(dá)式以字節(jié)的形式表示，這相當(dāng)于字符類 [a-zA-Z0-9_]；如果正則表達(dá)式是一個(gè)字符串，\w 會(huì)匹配所有 Unicode 數(shù)據(jù)庫（unicodedata 模塊提供）中標(biāo)記為字母的字符。你可以在編譯正則表達(dá)式的時(shí)候，通過提供 re.ASCII 表示進(jìn)一步限制 \w 的定義。

re.ASCII 標(biāo)志使得 \w 只能匹配 ASCII 字符，不要忘了，Python3 是 Unicode 的。

特殊字符含義

\d	匹配任何十進(jìn)制數(shù)字；相當(dāng)于類 [0-9]
\D	與 \d 相反，匹配任何非十進(jìn)制數(shù)字的字符；相當(dāng)于類 [^0-9]
\s	匹配任何空白字符（包含空格、換行符、制表符等）；相當(dāng)于類 [ \t\n\r\f\v]
\S	與 \s 相反，匹配任何非空白字符；相當(dāng)于類 [^ \t\n\r\f\v]
\w	匹配任何單詞字符，見上方解釋
\W	于 \w 相反
\b	匹配單詞的開始或結(jié)束
\B	與 \b 相反

它們可以包含在一個(gè)字符類中，并且一樣擁有特殊含義。例如 [\s,.] 是一個(gè)字符類，它將匹配任何空白字符（/s 的特殊含義），',' 或 '.'。

.

另外一個(gè)元字符是 .，它匹配除了換行符以外的任何字符。如果設(shè)置了 re.DOTALL 標(biāo)志，. 將匹配包括換行符在內(nèi)的任何字符。

*

我們來看看 * 這個(gè)元字符，當(dāng)然它不是匹配 '*' 字符本身，它用于指定前一個(gè)字符匹配零次或者多次

例如 ca*t 將匹配 ct（0 個(gè)字符 a），cat（1 個(gè)字符 a），caaat（3 個(gè)字符 a），等等。需要注意的是，由于受到 C 語言的 int 類型大小的內(nèi)部限制，正則表達(dá)式引擎會(huì)限制字符 'a' 的重復(fù)個(gè)數(shù)不超過 20 億個(gè)。

正則表達(dá)式默認(rèn)的重復(fù)規(guī)則是貪婪的，當(dāng)你重復(fù)匹配一個(gè) RE 時(shí)，匹配引擎會(huì)嘗試盡可能多的去匹配。直到 RE 不匹配或者到了結(jié)尾，匹配引擎就會(huì)回退一個(gè)字符，然后再繼續(xù)嘗試匹配

通過例子一步步的給大家講解什么叫“貪婪”：先考慮一下表達(dá)式 a[bcd]*b，首先需要匹配字符 'a'，然后是零個(gè)到多個(gè) [bcd]，最后以 ‘b’ 結(jié)尾。那現(xiàn)在想象一下，這個(gè) RE 匹配字符串 abcbd 會(huì)怎樣？

步驟匹配說明

1	a	匹配 RE 的第一個(gè)字符 ‘a(chǎn)’
2	abcbd	引擎在符合規(guī)則的情況下盡可能地匹配 [bcd]*，直到該字符串的結(jié)尾
3	失敗	引擎嘗試匹配 RE 最后一個(gè)字符 ‘b’，但當(dāng)前位置已經(jīng)是字符串的結(jié)尾，所以失敗告終
4	abcb	回退，所以 [bcd]* 匹配少一個(gè)字符
5	失敗	再一次嘗試匹配 RE 最后一個(gè)字符 ‘b’，但字符串最后一個(gè)字符是 ‘d’，所以失敗告終
6	abc	再次回退，所以 [bcd]* 這次只匹配 'bc'
7	abcb	再一次嘗試匹配字符 ‘b’，這一次字符串當(dāng)前位置指向的字符正好是 ‘b’，匹配成功

RE 匹配的結(jié)果是 abcb。

正則表達(dá)式默認(rèn)的匹配規(guī)則是貪婪的，后邊有說如何使用非貪婪的方法匹配。

+

要特別注意 * 和 + 的區(qū)別：* 匹配的是零次或者多次，所以被重復(fù)的內(nèi)容可能壓根兒不會(huì)出現(xiàn)；+ 至少需要出現(xiàn)一次。例如 ca+t 會(huì)匹配 cat 和 caaat，但不會(huì)匹配 ct。

?

還有兩個(gè)表示重復(fù)的元字符，其中一個(gè)是問號(hào) ?，用于指定前一個(gè)字符匹配零次或者一次。你可以這么想，它的作用就是把某種東西標(biāo)志位可選的。例如 小?魚 可以匹配 小魚，也可以匹配 魚。

{}

最靈活的應(yīng)該是元字符 {m,n}（m 和 n 都是十進(jìn)制整數(shù)），上邊講到的幾個(gè)元字符都可以使用它來表達(dá)，它的含義是前一個(gè)字符必須匹配 m 次到 n 次之間。例如 a/{1,3}b 會(huì)匹配 a/b，a//b 和 a///b。但不會(huì)匹配 ab（沒有斜杠）；也不會(huì)匹配 ab（斜杠超過三個(gè)）。

你可以省略 m 或者 n，這樣的話，引擎會(huì)假定一個(gè)合理的值代替。省略 m，將被解釋為下限 0；省略 n 則會(huì)被解釋為無窮大（事實(shí)上是上邊我們提到的 20 億）。

如果是 {,n} 相當(dāng)于 {0,n}；如果是 {m,} 相當(dāng)于 {m,+無窮}；如果是 {n}，則是重復(fù)前一個(gè)字符 n 次。另外還有一個(gè)超容易出錯(cuò)的是寫成 {m, n}，看著挺美，但注意，正則表達(dá)式里邊不能隨意添加空格，不然會(huì)改變?cè)瓉淼暮x。

其實(shí) *、+ 和 ? 都可以使用 {m,n} 來代替。{0,} 跟 * 是一樣的；{1,} 跟 + 是一樣的；{0,1} 跟 ? 是一樣的。不過還是鼓勵(lì)大家記住并使用 *、+ 和 ?，因?yàn)檫@些字符更短并且更容易閱讀。

還有一個(gè)原因是匹配引擎對(duì) * + ? 做了優(yōu)化，效率要更高些。

總結(jié)

以上是生活随笔為你收集整理的Python正则表达式之元字符详解（1）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。