文章目錄

• • 聲明
  • |
  • ^
  • $
  • \A
  • \Z
  • \b
  • \B
  • 分組
  • 反向引用
  • 注意

聲明

有些元字符它們不匹配任何字符，只是簡單地表示成功或失敗，因此這些字符也稱之為零寬斷言。例如 \b 表示當前位置位于一個單詞的邊界，但 \b 并不能改變位置。因此，零寬斷言不應該被重復使用，因為 \b 并不會修改當前位置，所以 \b\b 跟 \b 是沒什么兩樣的。

解釋：
很多人可能不理解“改變位置”和“零寬斷言”的意思？我嘗試解釋下，比如 abc 匹配完 a 之后，咱的當前位置就會移動，才能繼續匹配 b，依次類推…但是 \babc 的話，\b 表示當前位置在單詞的邊界（單詞的第一個字母或者最后一個字母），這時候當前位置不會發生改變，接著將 a 與當前位置的字符進行匹配…

|

或操作符，對兩個正則表達式進行或操作。如果 A 和 B 是正則表達式，A | B 會匹配 A 或 B 中出現的任何字符。為了能夠更加合理的工作，| 的優先級非常低。例如 Fish|C 應該匹配 Fish 或 C，而不是匹配 Fis，然后一個 'h' 或 'C'。

同樣，我們使用 \| 來匹配 '|' 字符本身；或者包含在一個字符類中，像這樣 [|]。

^

匹配字符串的起始位置。如果設置了 MULTILINE 標志，就會變成匹配每一行的起始位置。在 MULTILINE 中，每當遇到換行符就會立刻進行匹配。
舉個例子，如果你只希望匹配位于字符串開頭的單詞 From，那么你的正則表達式可以寫為 ^From：

>>> print(re.search('^From', 'From Here to')) <_sre.SRE_Match object; span=(0, 4), match='From'> >>> print(re.search('^From', 'Reciting From Memory')) None

實現結果：

$

匹配字符串的結束位置，每當遇到換行符也會離開進行匹配。

>>> print(re.search('}$', '{block}')) <_sre.SRE_Match object; span=(6, 7), match='}'> >>> print(re.search('}$', '{block} ')) None >>> print(re.search('}$', '{block}\n')) <_sre.SRE_Match object; span=(6, 7), match='}'>

實現結果：

同樣，我們使用 \$ 來匹配 '$' 字符本身；或者包含在一個字符類中，像這樣 [$]。

print(re.search('}[$]', '{block}$')) print(re.search('}\$', '{block}$'))

實現結果：

\A

只匹配字符串的起始位置。如果沒有設置 MULTILINE 標志的時候，\A 和 ^ 的功能是一樣的；但如果設置了 MULTILINE 標志，則會有一些不同：\A 還是匹配字符串的起始位置，但 ^ 會對字符串中的每一行都進行匹配

\Z

只匹配字符串的結束位置。

\b

單詞邊界，這是一個只匹配單詞的開始和結尾的零寬斷言。“單詞”定義為一個字母數字的序列，所以單詞的結束指的是空格或者非字母數字的字符。

下邊例子中，class 只有在出現一個完整的單詞 class 時才匹配；如果出現在別的單詞中，并不會匹配。

>>> p = re.compile(r'\bclass\b') >>> print(p.search('no class at all')) <_sre.SRE_Match object; span=(3, 8), match='class'> >>> print(p.search('the declassified algorithm')) None >>> print(p.search('one subclass is')) None

實現結果：

在使用這些特殊的序列的時候，有兩點是需要注意的：第一點需要注意的是，Python 的字符串跟正則表達式在有些字符上是有沖突的（回憶之前反斜杠的例子）。比如說在 Python 中，\b 表示的是退格符（ASCII 碼值是 8）。所以，你如果不使用原始字符串，Python 會將 \b 轉換成退格符處理，這樣就肯定跟你的預期不一樣了。

下邊的例子中，我們故意不寫表示原始字符串的 'r'，結果確實大相庭徑：

>>> p = re.compile('\bclass\b') >>> print(p.search('no class at all')) None >>> print(p.search('\b' + 'class' + '\b')) <_sre.SRE_Match object; span=(0, 7), match='\x08class\x08'>

實現結果：

第二點需要注意的是，在字符類中不能使用這個斷言。跟 Python 一樣，在字符類中，\b 只是用來表示退格符。

\B

一個零寬斷言，與 \b 的含義相反，\B 表示非單詞邊界的位置。

分組

通常在實際的應用過程中，我們除了需要知道一個正則表達式是否匹配之外，還需要更多的信息。對于比較復雜的內容，正則表達式通常使用分組的方式分別對不同內容進行匹配。

下邊的例子，我們將 RFC-822 頭用“:”號分成名字和值分別匹配：

From: author@example.com User-Agent: Thunderbird 1.5.0.9 (X11/20061227) MIME-Version: 1.0 To: editor@example.com

像這種情況，我們就可以寫一個正則表達式先來匹配一整個 RFC-822 頭，然后利用分組功能，使用一個組來匹配頭的名字，另一個組匹配名字對應的值。

RFC-822 是電子郵件的標準格式，當然看到這里你還不知道分組要怎么分，不急，請接著往下看…

在正則表達式中，使用元字符 ( ) 來劃分組。( ) 元字符跟數學表達式中的小括號含義差不多；它們將包含在內部的表達式組合在一起，所以你可以對一個組的內容使用重復操作的元字符，例如 *，+，? 或者 {m,n}。

例如，(ab)* 會匹配零個或者多個 ab：

>>> p = re.compile('(ab)*') >>> print(p.match('ababababab').span()) (0, 10)

使用 ( ) 表示的子組我們還可以對它進行按層次索引，可以將索引值作為參數傳遞給這些方法：group()，start()，end() 和 span()。序號 0 表示第一個分組（這個是默認分組，一直存在的，所以不傳入參數相當于默認值 0）：

>>> p = re.compile('(a)b') >>> m = p.match('ab') >>> m.group() 'ab' >>> m.group(0) 'ab'

有幾對小括號就是分成了幾個子組，例如 (a)(b) 和 (a(b)) 都是由兩個子組構成的。

子組的索引值是從左到右進行編號，子組也允許嵌套，因此我們可以通過從左往右來統計左括號 ( 來確定子組的序號。

>>> p = re.compile('(a(b)c)d') >>> m = p.match('abcd') >>> m.group(0) 'abcd' >>> m.group(1) 'abc' >>> m.group(2) 'b'

group() 方法可以一次傳入多個子組的序號：

>>> m.group(2,1,2) ('b', 'abc', 'b')

start() 是獲得參數子組的開始位置；end() 是獲得對應子組的結束位置；span() 是獲得對應子組的范圍。

可以通過 groups() 方法一次性返回所有的子組匹配的字符串：

>>> m.groups() ('abc', 'b')

反向引用

還有一個反向引用的概念需要介紹。反向引用指的是你可以在后面的位置使用先前匹配過的內容，用法是反斜杠加上數字。例如 \1 表示引用前邊成功匹配的序號為 1 的子組。

>>> p = re.compile(r'(\b\w+)\s+\1') >>> p.search('Paris in the the spring').group() 'the the'

如果只是搜索字符串，反向引用不會被用到，因為很少有文本格式會這樣來重復字符。但是，你很快會發現，在字符串替換的時候，反向引用是非常有用的！

注意

在 Python 的字符串中會使用反斜杠加數字的方式來表示數字的值對應的 ASCII 字符，所以在使用反向索引的正則表達式中，我們依然強調要使用原始字符串。

總結

以上是生活随笔為你收集整理的Python正则表达式之零宽断言（4）的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。