【python之re模块学习第1天】正则表达式的应用：元字符

目录

• 1 简介
• 2 限制匹配的字符(集)
• • 2.1 匹配单个字符
  • 2.2 匹配字符集中的某个字符
  • 2.3 匹配字符集中不存在的字符
  • 2.4 匹配任意（非）数字字符
  • 2.5 匹配任意（非）普通字符
  • 2.6 匹配任意（非）空字符
• 3 限制匹配起终点
• • 3.1 匹配字符串开始位置
  • 3.2 匹配字符串的结束位置
  • 3.3 匹配（非）单词的边界位置
• 4 限制匹配的数量
• • 4.1 匹配0次或多次
  • 4.2 匹配1次或多次
  • 4.3 匹配0次或1次
  • 4.4 匹配出现精准次数
  • 4.5 匹配出现模糊次数
• 5 其他元字符
• • 5.1 匹配或关系
  • 5.2 分组匹配
  • 5.3 转义
• 6 总结
• 参考文献

1 简介

1. 正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。
2. 在了解模式之前，需要了解正则表达式的各种元字符的使用。
3. 本文例子使用re.findall()函数进行演示，该函数用于在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。后续再分享re模块各个函数的详细功能。
4. 元字符：可以简单认为一个有特殊含义的符号。

2 限制匹配的字符(集) 2.1 匹配单个字符

1. 元字符：.
2. 匹配规则：匹配除换行符外的任意一个字符。

print(re.findall('张.','张三李四'))
#输出['张三']

2.2 匹配字符集中的某个字符

1. 元字符：[字符集]
2. 匹配规则：匹配字符集中的任意一个字符。

# [abc#!中文]：表示匹配能匹配到其中任意一个字符即可。
# [0-9]：表示0~9任意一个数
# [a-z]：表示任意一个小写字母
# [A~Z]：表示任意一个大写字母
print(re.findall('[0-9]','abc123'))
#输出['1','2','3']

2.3 匹配字符集中不存在的字符

1. 元字符：[^字符集]
2. 匹配规则：匹配除了字符集以外的任意一个字符。

print(re.findall('[^0-9]','abc123'))
#输出['a', 'b', 'c']
print(re.findall('[^ ]+','port-9 Error #404# %@STD'))
#输出['port-9', 'Error', '#404#', '%@STD']

2.4 匹配任意（非）数字字符

1. 元字符：\d与\D
2. 匹配规则：\d匹配任意数字字符，等同于[0-9]；\D匹配任意非数字字符，等同于[^0-9]。

print(re.findall('\d{1,5}','Mysql:3306; http:80'))
#输出['3306', '80']

2.5 匹配任意（非）普通字符

1. 元字符：\w与\W
2. 匹配规则：\w匹配普通字符；\W匹配非普通字符。
3. 说明：普通字符指数字、字母、下划线、汉字等，utf-8的普通字符都能匹配到，如日语等。

print(re.findall('\w+','server_port = 8888'))	#+号含义见下文
#输出['server_port', '8888']
print(re.findall('\W+','server_port = 8888'))
#输出[' = ']

2.6 匹配任意（非）空字符

1. 元字符：\s与\S
2. 匹配规则：\s匹配空字符；\S匹配非空字符。
3. 说明：空字符指 空格、\r、\n、\t、\v、\f 等字符。

print(re.findall('\S+','server_port = 8888'))
#输出['server_port', '=', '8888']
print(re.findall('\s+','server_port = 8888'))
#输出[' ', ' ']

3 限制匹配起终点 3.1 匹配字符串开始位置

1. 元字符：^等同于\A
2. 匹配规则：匹配目标字符串的开头位置。

print(re.findall('^Jame','Jame hello'))
#输出['Jame']
print(re.findall('^Jame','hello Jame'))
#输出[]，因为Jame不在字符串开头，故匹配不上。
print(re.findall('\AJame','Jame hello'))
#输出['Jame']
print(re.findall('\AJame','hello Jame'))
#输出[]，因为Jame不在字符串开头，故匹配不上。

3.2 匹配字符串的结束位置

1. 元字符：$等同于\Z
2. 匹配规则：匹配目标字符串的结尾位置。
3. 小技巧：元字符^和$必然出现在正则表达式的开头或结尾处。如果两者同时出现，则中间的部分必须匹配整个目标字符串的全部内容。

print(re.findall('Jame$','Jame hello'))
#输出[]，因为Jame不在字符串结尾，故匹配不上。
print(re.findall('Jame$','hello Jame'))
#输出['Jame']
print(re.findall('Jame\Z','Jame hello'))
#输出[]，因为Jame不在字符串结尾，故匹配不上。
print(re.findall('Jame\Z','hello Jame'))
#输出['Jame']
print(re.findall('^Jame$','Jame'))
#输出['Jame']，完全匹配
print(re.findall('\AJame\Z','Jame'))
#输出['Jame']，完全匹配

3.3 匹配（非）单词的边界位置

1. 元字符：\b 与 \B
2. 匹配规则：\b表示单词边界，\B表示非单词边界。
3. 匹配规则说明：单词边界指的是数字、字母、汉字、下划线与其他字符的交界位置。
4. 例子说明：匹配模式中在字符串签名加了字母r，表示是原生字符串，下节再分析加不加r的区别。

print(re.findall(r'\bis\b','This is a test.'))
#输出['is']，此处输入的是句子中的单词is，而不是This中的is。
print(re.findall(r'\Bis\b','This is a test.'))
#输出['is']，此处输入的是This中的is。

4 限制匹配的数量

当可能存在不同数量匹配情况时，默认规则下为贪婪算法，后续章节再分析贪婪算法与非贪婪算法（或者称为懒惰算法）。

4.1 匹配0次或多次

1. 元字符：*
2. 匹配规则：匹配前面的字符出现0次或多次。

print(re.findall('wo*','wooooo~w!'))
#输出['wooooo', 'w']。句末出现了w但是没有o，也是能够匹配上该模式。
print(re.findall('[a-zA-Z]*','How are you?'))
#输出['How', '', 'are', '', 'you', '', '']，出现空字符，是因为*解析为0个字符。

4.2 匹配1次或多次

1. 元字符：+
2. 匹配规则：匹配前面的字符出现1次或多次。

print(re.findall('wo+','wooooo~w!'))
#输出['wooooo']。句末的w后面没有o，不能够匹配上该模式。

4.3 匹配0次或1次

1. 元字符：?
2. 匹配规则：匹配前面的字符出现0次或1次。

print(re.findall('-?[0-9]+','Jame age 18, and -26'))
#输出['18', '-26']。
print(re.findall('ab?','abbbb,abcda'))
#输出['ab', 'ab', 'a']。

4.4 匹配出现精准次数

1. 元字符：{n}
2. 匹配规则：匹配前面的字符出现n次。

print(re.findall('1[0-9]{10}','Jame 18888888888'))	#用于匹配手机号码
#输出['18888888888']。

4.5 匹配出现模糊次数

1. 元字符：{n,m}
2. 匹配规则：匹配前面的字符出现 n~m 次，包含 n 和 m 。

print(re.findall('[1-9][0-9]{5,10}','Jame 888888'))	#用于匹配QQ号码
#输出['888888']。

5 其他元字符 5.1 匹配或关系

1. 元字符：|。
2. 匹配规则：匹配 “|” 两侧任意的正则表达式即可。

print(re.findall('com|cn','www.baidu.com/www.tmooc.cn'))
#输出['com','cn']

5.2 分组匹配

1. 元字符：()。
2. 定义：在正则表达式中，以()建立正则表达式的内部分组，子组是正则表达式的一部分，可作为内部整体 *** 作的对象。
3. 该元字符用法较复杂，需多加理解。更多内容参考《【python之re模块学习第4天】正则表达式的应用：分组》

5.3 转义

1. 元字符：\。
2. 匹配规则：如果使用正则表达式匹配特殊字符，则需加 \ 表示转义。
3. 特殊字符包括上述各类元字符：. * + ? $ [] () {} | \。
4. 转义符号与原生字符串的理解将在后续文章中给出。

print(re.findall(r'-?\d+\.?\d*','100, -100, 1.2, 1, -1.2'))
#输出['100', '-100', '1.2', '1', '-1.2']

6 总结

1. 熟记每个元字符的作用；
2. 虽然每个元字符看起来作用很单一，但是组合起来却是非常复杂，需要在实践中多尝试摸索。

参考文献

1. 《Python3 正则表达式》菜鸟教程。
2. 《RE正则表达式模块》Python视频教程，推荐观看。