正则表达式基本语法
1、正则表达式的作⽤
  正则表达式是很繁琐的，但也相当有⽤。学会正则表达式，可以让你做很多⼯作时都成倍地提⾼效率。正则表达式的作⽤可以概括为三个⽅⾯测试字符串内模式、替换⽂本、基于模式匹配从字符串中提取⼦字符串。
它的应⽤领域也相当⼴泛，C#, java, python等等语⾔中都有应⽤。这⾥主要说明python中的正则表达式。
2、正则表达式语法
  正则表达式是由普通字符（如a-z）以及特殊字符（“元字符"）组成的⽂字模式。模式描述在搜索⽂本时要匹配的⼀个或多个字符串。正则表达式作为⼀个模板，将字符串模式与搜索资源进⾏匹配。
  构造正则表达式的⽅法实际上跟构造数学公式相似。即⽤多种元字符与运算符将⼩的表达式结合在⼀起来创建更⼤的表达式。正则表达式的组建可以是单个字符、字符集合、字符范围、字符间的选择或者所有这些组建的任意组合。
3、字符种类
  字符⼀般分为普通字符、⾮打印字符、特殊字符、限定符、定位符等。
  1）普通字符：包括没有显⽰指定为元字符的所有可打印和不可打印字符。这包括所有⼤写和⼩写字母，所有数字、所有标点符号和⼀些其他符号。
  2）⾮打印字符，如下表所⽰：
字符概述
\cx匹配由x指明的控制字符。如\cM匹配⼀个Control-M1或者回车符。X值必须为A-Z或a-z
之⼀。否则，将c是为⼀个原义的’c’字符。
\f匹配⼀个换页符。等价于\x0c和\cL。
\n匹配⼀个换⾏符。等价于\x0d和\cJ。
\r匹配⼀个回车符。等价于\x0d和\cM。
\s匹配任何空⽩字符，包括空格、制表符、换页符等等。等价于[\f\v\r\t\v]
\S匹配任何空⽩字符。等价于[^\f\v\r\t\v]。
\t匹配⼀个制表符。等价于\x09和\cl。
\v匹配垂直制表符。等价于\x0b和\cK。
3）特殊字符，有特殊含义的字符。如要匹配这些元素需要在字符前⾯加转义符，即反斜杠字符(\)。
4）限定符：⽤来指定正则表达式的⼀个给定组件必须要出现多少次才能满⾜匹配。如下表所⽰：
限定符概述
*匹配前⾯的⼦表达式0次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+匹配前⾯的⼦表达式1次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配
"z"。+ 等价于 {1,}。
匹配前⾯的⼦表达式0次或1次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do"
。? 等价于 {0,1}。
{n}n 是⼀个⾮负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能
匹配 "food" 中的两个 o。
{n,}n 是⼀个⾮负整数。⾄少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配
"foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}m 和 n 均为⾮负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例
如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号
和两个数之间不能有空格。
和两个数之间不能有空格。
5）定位符：定位符⽤来描述字符串或单词的边界，^和$分别指字符串的开始与结束，\b描述单词的前或后边界，\B表⽰⾮单词边界。TIPS：不能将限定符与定位点⼀起使⽤。由于在紧靠换⾏或者字边界的前⾯或后⾯不能有⼀个以上位置，因此不允许诸如 ^* 之类的表达式。
若要匹配⼀⾏⽂本开始处的⽂本，请在正则表达式的开始使⽤ ^ 字符。不要将 ^ 的这种⽤法与中括号表达式内的⽤法混淆。
若要匹配⼀⾏⽂本的结束处的⽂本，请在正则表达式的结束处使⽤ $ 字符。
4、⾮捕获元素与反向引⽤
⽤圆括号将所有选择项括起来，相邻的选择项之间⽤|分隔。但⽤圆括号会有⼀个副作⽤，相匹配的项会被缓存，⽤?：放在第⼀个选项前就可消除这⼀副作⽤。
这是⼀个⾮捕获元，其他还有?=与?!。前者为正向预查，在任何开始匹配圆括号内的正则表达式模式的位置搜索字符串，后者为负向预查，在任何不匹配该正则表达式的位置来匹配搜索字符串。
反向引⽤最简单、最有⽤的应⽤之⼀是提供查⽂本中相同的相邻单词的匹配项的能⼒。
5、元字符
所有元字符如下表所⽰：
\^$*+?
{n}{n,}{n,m}?(pattern)(?:pattern)
(?=pattern)(?!pattern)x|y[xyz][^xyz][a-z]
[^a-z]\b\B\cx\d\D
\f\n\r\s\S\t
\v\w\W\xn\num\n
\nm\nml\un.
其在正则表达式上下⽂中的⾏为如下表：
元字符概述
当该字符紧跟在任何⼀个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后⾯时，匹配模式是⾮贪婪的。⾮贪婪模式尽可能少的匹
配所搜索的字符串，⽽默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单
个 "o"，⽽ 'o+' 将匹配所有 'o'。
.匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使⽤象 '[.\n]' 的模式。
(pattern)匹配 pattern 并获取这⼀匹配。所获取的匹配可以从产⽣的 Matches 集合得到，在VBScript 中使⽤ SubMatches 集合，在JScript 中则使⽤ $0…$9 属性。要匹配圆括号字符，请使⽤ '\(' 或 '\)'。
(?:pattern)匹配 pattern 但不获取匹配结果，也就是说这是⼀个⾮获取匹配，不进⾏存储供以后使⽤。这在使⽤ "或" 字符 (|) 来组合⼀个模式的各个部分是很有⽤。例如， 'industr(?:y|ies) 就是⼀个⽐ 'industry|industries' 更简略的表达式。
(?=pattern)正向预查，在任何匹配 pattern 的字符串开始处匹配查字符串。这是⼀个⾮获取匹配，也就是说，该匹配不需要获取供以后使⽤。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，
在⼀个匹配发⽣后，在最后⼀次匹配之后⽴即开始下⼀次匹配的搜索，⽽不是从包含预查的字符之后开始。
(?!pattern)负向预查，在任何不匹配 pattern 的字符串开始处匹配查字符串。这是⼀个⾮获取匹配，也就是说，该匹配不需要获取供以后使⽤。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在⼀个匹配发⽣后，在最后⼀次匹配之后⽴即开始下⼀次匹配的搜索，⽽不是从包含预查的字符之后开始。
x|y匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
[xyz]字符集合。匹配所包含的任意⼀个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。
[a-z]字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意⼩写字母字符。
[^a-z]负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。\b匹配⼀个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"nev
er" 中的 'er'，但不能匹配 "verb" 中的'er'。
\B匹配⾮单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\cx匹配由 x 指明的控制字符。例如， \cM 匹配⼀个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之⼀。否则，将 c 视为⼀个原义的 'c' 字符。
\d匹配⼀个数字字符。等价于 [0-9]。
\D匹配⼀个⾮数字字符。等价于 [^0-9]。
\f匹配⼀个换页符。等价于 \x0c 和 \cL。
\n匹配⼀个换⾏符。等价于 \x0a 和 \cJ。
\r匹配⼀个回车符。等价于 \x0d 和 \cM。
\s匹配任何空⽩字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\s匹配任何空⽩字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S匹配任何⾮空⽩字符。等价于 [^ \f\n\r\t\v]。
\t匹配⼀个制表符。等价于 \x09 和 \cI。
\v匹配⼀个垂直制表符。等价于 \x0b 和 \cK。
\w匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W匹配任何⾮单词字符。等价于 '[^A-Za-z0-9_]'。
\xn匹配 n，其中 n 为⼗六进制转义值。⼗六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使⽤ ASCII 编码。
\num匹配 num，其中 num 是⼀个正整数。对所获取的匹配的引⽤。例如，'(.)\1' 匹配两个连续的相同字符。
\n标识⼀个⼋进制转义值或⼀个向后引⽤。如果 \n 之前⾄少 n 个获取的⼦表达式，则 n 为向后引⽤。否则，如果 n 为⼋进制数字 (0-7)，则 n 为⼀个⼋进制转义值。
\nm 标识⼀个⼋进制转义值或⼀个向后引⽤。如果 \nm 之前⾄少有 nm 个获得⼦表达式，则 nm 为向后引⽤。如果 \nm 之前⾄少有 n 个获取，则 n 为⼀个后跟⽂字 m 的向后引⽤。如果前⾯的条件都不满⾜，若 n 和 m 均为⼋进制数字 (0-7)，则 \nm 将匹配⼋进制转义值 nm。
\nml如果 n 为⼋进制数字 (0-3)，且 m 和 l 均为⼋进制数字 (0-7)，则匹配⼋进制转义值 nml。
\un匹配 n，其中 n 是⼀个⽤四个⼗六进制数字表⽰的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。
6、运算符优先级
运算符概述
\转义符
(),(?:),(?=),[]圆括号，⽅括号
*,+,?,{n},{n,},{n,m}限定符
^,$,\任何字符，任何字符定位点和序列
||替换，"或"操作
字符具有⾼于替换运算符的优先级，使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food"，请使⽤括号创建⼦表达式，从⽽产⽣"(m|f)ood"。
7、匹配规则
这⾥主要包括⼀个常⽤的模式，如字符簇、重复出现等。具体如下表所⽰：
字符簇概述
[a-z]匹配所有⼩写字母
[A-Z]匹配所有⼤写字母
[a-zA-Z]匹配所有字母
[0-9]匹配所有数字
[0-9\.\-]匹配所有数字、句号、减号
[ \f\r\t\n]匹配所有⽩字符
[[:alpha]]任何字母（以下为PHP通⽤字符簇）
[[:digit]]任何数字
[[:alnum]]任何字母和数字
[[:space]]任何空⽩字符
[[:upper]]任何⼤写字母
[[:lower]]任何⼩写字母
[[:punct]]任何标点符号
[[:xidigit]]任何16进制的数字，等价于[0-9a-fA-F]
8、python正则表达式常⽤函数
  .*：贪⼼算法，可以包括符合正则表达式的所有字符包括' '、'\n'、'\t'等
  .*?：⾮贪⼼算法，包括符合正则表达式的连续的字段。
  python中的re库包括的⼏乎所有的正则表达式功能。compile函数根据⼀个模式字符串和可选的标志参数⽣成⼀个正则表达式对象。该对象具有⼀系列⽤于正则表达式匹配和替换。
1）re.match⽅法，从字符串的起始位置匹配⼀个模式，如果不是起始位置匹配成功的话，返回none。
regex匹配
⽤法及参数为：
re.match(pattern,string, flags=0
pattern是正则表达式，string是要匹配的字符串，flags是标志位，⽤于控制正则表达式的匹配⽅式，如区分⼤⼩写，多⾏匹配等等。
  匹配成功返回⼀个匹配对象，这⾥⽤group(num)或groups()匹配对象函数来获取匹配表达式。
2）re.search⽅法：扫描整个字符串并返回第⼀个成功的匹配，其他与match相同。3）re.findall⽅法：匹配所有符合规律的内容，返回结果列表。
4）re.sub⽅法：替换符合规律的内容，返回替换后的值。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。