[Python知识库]python--正则表达式

元字符

• \b：代表单词的开头或结尾，为单词的交界处；虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是\b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。
• .：匹配除了换行符以外的任意字符。
• *：代表的是数量——它指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配，匹配重复任意次(可能是0次)。
• .*：任意数量的不包含换行的字符。
• +：同*，但匹配重复1次或更多次。
• -不是元字符，只匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它)。

字符转义

如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.

后向引用

后向引用用于重复搜索前面某个分组匹配的文本。如匹配go go或自己指定子表达式的组名

零宽断言

• 零宽度正预测先行断言：(?=exp)，它断言自身出现的位置的后面能匹配表达式exp。
  例：\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)；搜索I'm singing while you're dancing.，匹配sing和danc。

• 零宽度正回顾后发断言：(?<=exp)，它断言自身出现的位置的前面能匹配表达式exp。
  例：(?<=\bre)\w+\b，匹配以re开头的单词的后半部分(除了re以外的部分)；搜索reading a book，匹配ading。
  例：((?<=\d)\d{3})+\b，要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，查找需要在前面和里面添加逗号的部分；搜索1234567890，匹配234567890。
  例：(?<=\s)\d+(?=\s)，匹配以空白符间隔的数字(再次强调，不包括这些空白符)。

• 负向零宽断言：只是想要确保某个字符没有出现，但并不想去匹配它。
  例：\b\w*q[^u]\w*\b，匹配里面出现了字母q,但是q后面跟的不是字母u的单词；搜索Iraq,Benq，匹配Iraq。

• 零宽度负预测先行断言：(?!exp)，断言此位置的后面不能匹配表达式exp。
  例：\d{3}(?!\d)，匹配三位数字，而且这三位数字的后面不能是数字。
  例：\b((?!abc)\w)+\b，匹配不包含连续字符串abc的单词。

• 零宽度负回顾后发断言：(?<!exp)，断言此位置的前面不能匹配表达式exp。
  例：(?<![a-z])\d{7}，匹配前面不是小写字母的七位数字。

• 例：(?<=<(\w+)>).*(?=<\/\1>)，匹配不包含属性的简单HTML标签内里的内容。

  (?<=    # 断言要匹配的文本的前缀
  <(\w+)> # 查找尖括号括起来的内容
          # (即HTML/XML标签)
  )       # 前缀结束
  .*      # 匹配任意文本
  (?=     # 断言要匹配的文本的后缀
  <\/\1>  # 查找尖括号括起来的内容
          # 查找尖括号括起来的内容
  )       # 后缀结束
  

贪婪与懒惰

• 规则：最先开始的匹配拥有最高的优先权。
• 贪婪匹配：当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。
  例：a.*b，匹配最长的以a开始，以b结束的字符串；搜索aabab，匹配整个字符串aabab。
• 懒惰匹配：匹配尽可能少的字符。
• 例：a.*?b，匹配最短的，以a开始，以b结束的字符串；搜索aabab，匹配aab。

尚未详细讨论的语法

模块中的核心函数

总结

注意：如果需要匹配的字符是正则表达式中的特殊字符，那么可以使用\进行转义处理，例如想匹配小数点可以写成\.就可以了，因为直接写.会匹配任意字符；同理，想匹配圆括号必须写成\(和\)，否则圆括号被视为正则表达式中的分组。

超好用的测试正则的软件

百度网盘下载链接：https://pan.baidu.com/s/11jF03jPcrGxgGhNgciB6qQ；
提取码：nz29。