在线测试工具 http://tool.chinaz.com/regex/>
正则表达式是对字符串操作的一种逻辑公式, 就是用事先定义好的一些特定字符, 及这些特定字符的组合, 组成一个 "规则字符串", 这个 "规则字符串" 用来表达对字符串的一种过滤逻辑.
匹配:
直接匹配:
直接输入字符串, 它就会匹配这个字符串
元字符:
. | 匹配除了换行符以外的任意字符 |
---|---|
\w | 匹配字母或下划线 |
\s | 匹配任意的空白符 |
\d | 匹配数字 |
\n | 匹配一个换行符 |
\t | 匹配一个制表符 |
\b | 匹配一个单词的结尾 |
^ | 匹配字符串的开头 |
$ | 匹配字符串的结尾 |
\W | 匹配非字母或数字或下划线 |
\D | 匹配非数字 |
\S | 匹配非空白符 |
a|b | 匹配字符 a 或 b,通常把长的放在前面 |
() | 匹配括号内的表达式,也表示为一个组 |
[...] | 匹配字符组中的字符 |
... | 匹配除了字符组中的所有字符 |
量词:
# 不会单独用, 要和元字符匹配使用
* | 重复零次或更多次 |
---|---|
+ | 重复一次或更多次 |
? | 重复零次或一次 |
{n} | 重复 n 次 |
{n,} | 重复 n 次或更多次 |
{n,m} | 重复 n 到 m 次 |
.^*
正则 | 待匹配字符 | 匹配结果 | 说明 |
---|---|---|---|
海. | 海北海南海东 | 海北海南海东 | 匹配海后面的字符, 到下一个海字停下 |
^ 海. | 海北海南海东 | 海北 | 只找开头的第一个海 (开头) |
海.$ | 海北海南海东 | 海东 | 查找海的最后一个 (结尾) |
*+?{}
正则 | 待匹配字符 | 匹配结果 | 说明 |
---|---|---|---|
李.? | 李华和李大一和李二三 | 李华李大李二 | ? 表示只重复一次, 就只匹配李后面的第一个任意字符 |
李.* | 李华和李大一和李二三 | 李华和李大一和李二三 | * 表示重复零次和多次,所以他会 (贪婪匹配) 匹配第一个李后面的所有字符,?转义 |
李.+ | 李华和李大一和李二三 | 李华和李大一和李二三 | + 表示重复一次或多次, 默认是多次,(贪婪匹配), 可以用?改变 |
李.{1,2} | 李华和李大一和李二三 | 李华和李大一李二三 | {1,2}匹配李后面的 1 到 2 的任意字符 |
前面的 *,+,? 等都是贪婪匹配, 也就是尽可能匹配, 后面加? 号使其变成惰性匹配
字符集[][^]
正则 | 待匹配字符 | 匹配 结果 | 说明 |
---|---|---|---|
李[杰莲英二棍子]* | 李杰和李莲英和李二棍子 | 李杰 李莲英 李二棍子 | 表示匹配 "李" 字后面 [杰莲英二棍子] 的字符任意次 |
李 < span class="md-footnote" ztid="437" ow="17" oh="17">和 < span class="md-plain" ztid="440" ow="5" oh="17">* | 李杰和李莲英和李二棍子 | 李杰 李莲英 李二棍子 | 表示匹配一个不是 "和" 的字符任意次 |
[\d] | 456bdha3 | 4 5 6 3 | 表示匹配任意一个数字,匹配到 4 个结果 |
[\d]+ | 456bdha3 | 456 3 | 表示匹配任意个数字,匹配到 2 个结果 |
转义符 \
在正则表达式中, 有很多有特殊意义的是元字符, 比如 \ n 和 \ s 等, 如果要在正则中匹配正常的 "\n" 而不是 "换行符" 就需要对 ""进行转义, 变成'\'.
在 python 中, 无论是正则表达式, 还是待匹配的内容, 都是以字符串的形式出现的, 在字符串中 \ 也有特殊的含义, 本身还需要转义. 所以如果匹配一次 "\n", 字符串中要写成'\n', 那么正则里就要写成 "\\n", 这样就太麻烦了. 这个时候我们就用到了 r'\n'这个概念, 此时的正则是 r'\n'就可以了.
正则 | 待匹配字符 | 匹配 结果 | 说明 |
---|---|---|---|
\n | \n | False | 因为在正则表达式中 \ 是有特殊意义的字符,所以要匹配 \ n 本身,用表达式 \ n 无法匹配 |
\n | \n | True | 转义 \ 之后变成 < span ztid="529" ow="65" oh="17">\,即可匹配 |
"\\n " | ‘\n ‘ | True | 如果在 python 中,字符串中的‘‘ 也需要转义,所以每一个字符串‘‘ 又需要转义一次 |
r‘\n‘ | r‘\n‘ | True | 在字符串之前加 r,让整个字符串不转义 |
贪婪匹配
贪婪匹配: 在满足匹配时, 匹配尽可能长的字符串, 默认情况下, 采用贪婪匹配
正则 | 待匹配字符 | 匹配 结果 | 说明 |
---|---|---|---|
<.*> | ...<script> | ...<script> | 默认为贪婪匹配模式,会匹配尽量长的字符串 |
<.*?> | r‘\d‘ | <script> | 加上?为将贪婪匹配模式转为非贪婪匹配模式,会匹配尽量短的字符串 |
几个常用的非贪婪匹配 Pattern
*? 重复任意次, 但尽可能少重复 +? 重复 1 次或更多次, 但尽可能少重复?? 重复 0 次或 1 次, 但尽可能少重复 {n,m}? 重复 n 到 m 次, 但尽可能少重复 {n,}? 重复 n 次以上, 但尽可能少重复
.*? 的用法
. 是任意字符 * 是取 0 至 无限长度? 是非贪婪模式. 何在一起就是 取尽量少的任意字符, 一般不会这么单独写, 他大多用在:.*?x
就是取前面任意长度的字符, 直到一个 x 出现
正则表达式
来源: http://www.bubuko.com/infodetail-3126747.html