正则表达式

元字符与转义

正则表达式的元字符包括： ^ $ . [ ] { } - ? * + ( ) |

元字符有着特殊的意义，当需要取消元字符的特殊含义时，需要在元字符之前加上反斜线字符 。

锚

^ 和 $ 在正则表达式中被当作锚，其中 ^ 匹配字符串的起始位置，$ 匹配字符串的结束位置。

任意字符

. 匹配除 之外的任意字符。

否定

如果中括号内的第一个字符是 ^，表示匹配不在指定字符集内的字符。

字符范围

- 字符连接的两个字符表示范围，例如 [0-9] 等价于 [0123456789]。需要注意的是：- 左边字符的码值要小于右边字符的码值。

或选项

regex1 | regex2 表示匹配 regex1 或 regex2。

实例

a) 判断字符串 str 是否以数字开头

>>> re.search(r"^[d][sS]*", str) != None;

b) 判断字符串 str 是否以小写字母结尾

>>> re.search(r"[sS]*[a-z]$", str) != None;

c) 匹配由空格隔开的字符串

>>> re.findall(r"[^ ]+", "long time no see");
['long', 'time', 'no', 'see']

字符类简记法

d 等价于 [0-9]，其中的 d 表示数字(digital)
D 等价于 [^d]

w 等价于 [0-9a-zA-Z]，其中的 w 表示单词字符(word)
W 等价于 [^w]

s 等价于 [ vf]，其中的 s 表示空白字符(space)
S 等价于 [^s]

实例

a) 匹配字符串中的数字

>>> re.findall(r"[d]+", "abc123def456");
['123', '456']

b) 使用 [sS] 或 [dD]、[wW] 匹配任意字符，包括

>>> re.search("^[sS]+$", "!@#$%^&*()12345qwert") != None
True

POSIX 字符类

POSIX 字符类	描述	ASCII 字符类
[:alnum:]	字母字符与数字字符	[0-9A-Za-z]
[:blank:]	空格符与制表符	[ ]
[:cntrl:]	控制字符	[x00-x1Fx7F]
[:digit:]	数字字符	[0-9]
[:graph:]	可见字符	[x21-x7E]
[:lower:]	小写字母字符	[a-z]
[:print:]	可打印字符，包括 [:graph:] 中所有字符再加上空格符	[x20-x7E]
[:punct:]	标点符号字符
[:space:]	空白字符	[ vf]
[:upper:]	大写字母字符	[A-Z]
[:word:]	字母字符	[0-9A-Za-z_]
[:xdigit:]	十六进制字符	[0-9A-Fa-f]

需要注意的是，有些语言不支持 POSIX 字符类，比如 Python、JavaScript 。Java 中，POSIX 字符类 [[:name:]] 必须使用 p{Name} 的形式，比如 [:space:] 当写作 p{Space}，注意第一字母要大写，除了 [:xdigit:] 要写作 p{XDigit}。

量词

量词	含义
{n}	前面的元素恰好出现 n 次则匹配
{m,n}	前面的元素出现的次数在 n~m 次之间时则匹配
{m,}	前面的元素出现次数超过 n 次则匹配
{,n}	前面的元素出现次数不超过 m 次则匹配
*	等价于 {0,}
+	等价于 {1,}
?	等价于 {0,1}

贪婪匹配与惰性匹配

实例

a) 贪婪匹配

>>> re.findall(r"<span>[sS]*</span>", "<div><span>abc</span><br><span>xyz</span></div>");
['<span>abc</span><br><span>xyz</span>']

a) 惰性匹配

>>> re.findall(r"<span>[sS]*?</span>", "<div><span>abc</span><br><span>xyz</span></div>");
['<span>abc</span>', '<span>xyz</span>']