正则表达式
概述
正则表达式，Regular Expression，缩写为regex、regexp、RE等。
正则表达式是文本处理极为重要的技术，用它可以对字符串按照某种规则进行检索、替换。
1970年代，Unix之父Ken Thompson将正则表达式引入到Unix中文本编辑器ed和grep命令中，由此正则表达式普 及开来。
1980年后，perl语言对Henry Spencer编写的库，扩展了很多新的特性。1997年开始，Philip Hazel开发出了PCRE (Perl Compatible Regular Expressions)，它被PHP和HTTPD等工具采用。
正则表达式应用极其广泛，shell中处理文本的命令、各种高级编程语言都支持正则表达式。
参考 [https://www.w3cschool.cn/regex_rmjc/]{.underline}
分类
1. BRE
基本正则表达式，grep、sed、vi等软件支持。vim有扩展。
2. ERE
扩展正则表达式，egrep（grep -E）、sed -r等。
3. PCRE
几乎所有高级语言都是PCRE的方言或者变种。Python从1.6开始使用SRE正则表达式引擎，可以认为是PCRE 的子集，见模块re。
基本语法
元字符 metacharacter
±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | 代码 | 说明 | 举例 | +=+===++ | . | 匹配除换行符外任意一个字符 | . | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | [abc] | 字符集合，只能表示一个字符位置。 匹配所包含的任意一个字符 | [abc]匹配plain中的’a’ | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | [^abc] | 字符集合，只能表示一个字符位置。 匹配除去集合内字符的任意一个字符 | [^abc]可以匹配plain中的’p’、‘l’、‘i’或者’n’ | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | [a-z] | 字符范围，也是个集合，表示一个字符位置 匹配所包含的任意一个字符 | 常用[A-Z][0-9] | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | [^a-z] | 字符范围，也是个集合，表示一个字符位置 匹配除去集合内字符的任意一个字符 | ** ** | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | \b | 匹配单词的边界 | \bb 在文本中找到单词中b开头的b字符 | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | \B | 不匹配单词的边界 | t\B 包含t的单词但是不以t结尾的t字符，例如 write | | | | | | | | > \Bb不以b开头的含有b的单词，例如able | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | \d | [0-9]匹配1位数字 | \d | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | \D | [^0-9]匹配1位非数字 | ** ** | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | \s | 匹配1位空白字符，包括换行符、制表符、空 格 | ** ** | | | | | | | [ \f\r\n\t\v] | | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | \S | 匹配1位非空白字符 | ** ** | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | \w | 匹配[a-zA-Z0-9_]，包括中文的字 | \w | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+ | \W | 匹配\w之外的字符 | ** ** | ±--------------±----------------------------------------------------------------------------±-----------------------------------------------------------+
转义
凡是在正则表达式中有特殊意义的符号，如果想使用它的本意，请使用\转义。 反斜杠自身，得使用\\
\r、\n还是转义后代表回车、换行
重复
±----------±-----------------------------------------±-------------------------------------------------------+ | 代码 | 说明 | 举例 | +=++========================+ | * | 表示前面的正则表达式会重复0次或多 次 | e\w* 单词中e后面可以有非空白字符 | ±----------±-----------------------------------------±-------------------------------------------------------+ | + | 表示前面的正则表达式重复至少1次 | e\w+ 单词中e后面至少有一个非空白字符 | ±----------±-----------------------------------------±-------------------------------------------------------+ | ? | 表示前面的正则表达式会重复0次或1次 | e\w? 单词中e后面至多有一个非空白字符 | ±----------±-----------------------------------------±-------------------------------------------------------+ | {n} | 重复固定的n次 | e\w{1} 单词中e后面只能有一个非空白字符 | ±----------±-----------------------------------------±-------------------------------------------------------+ | {n,} | 重复至少n次 | e\w{1,} 等价 e\w+ | | | | | | | | e\w{0,} 等价 e\w* | | | | | | | | e\w{0,1} 等价 e\w? | ±----------±-----------------------------------------±-------------------------------------------------------+ | {n,m} | 重复n到m次 | e\w{1,10} 单词中e后面至少1个，至多10个非空白字 符 | ±----------±-----------------------------------------±-------------------------------------------------------+
练习：
1、匹配手机号码
字符串为"手机号码13851888188。"
2、匹配中国座机
字符串为"号码025-83105736、0543-5467328。" 1、\d{11}
2、\d{3,4}-\d{7,8}
** **
±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | 代码 | 说明 | 举例 | +++=======+ | x|y | 匹配x或者y | wood took foot food | | | | | | | | 使用 w|food 或者 (w|f)ood | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | 捕获 | ** ** | ** ** | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | (pattern) | 使用小括号指定一个子表达式，也叫分组 捕获后会自动分配组号从1开始 | ** ** | | | | | | | 可以改变优先级 | | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | \数字 | 匹配对应的分组 | (very) \1 匹配very very，但捕获的组 group是very | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | (?:pattern) | 如果仅仅为了改变优先级，就不需要捕获分组 | (?:w|f)ood | | | | | | | | 'industr(?:y|ies)等价 | | | | | | | | ‘industry|industries’ | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | (? | 命名分组捕获，但是可以通过name访问分组 Python语法必须是(?P<name>exp) | ** ** | | | | | | <name>exp) | | | | | | | | (?'name’exp) | | | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | 零宽断言 | ** ** | wood took foot food | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | (?=exp) | 零宽度正预测先行断言 | f(?=oo) f后面一定有oo出现 | | | | | | | 断言exp一定在匹配的右边出现，也就是说断 言后面一定跟个exp | | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | (?<=exp) | 零宽度正回顾后发断言 | (?<=f)ood、(?<=t)ook分别匹配ood、 ook，ook前一定有t出现 | | | | | | | 断言exp一定出现在匹配的左边出现，也就是 说前面一定有个exp前缀 | | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | 负向零宽断 言 | ** ** | ** ** | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | (?!exp) | 零宽度负预测先行断言 | \d{3}(?!\d)匹配3位数字，断言3位数字后 面一定不能是数字 | | | | | | | 断言exp一定不会出现在右侧，也就是说断言 后面一定不是exp | foo(?!d) foo后面一定不是d | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | (?<!exp) | 零宽度负回顾后发断言 | (?<!f)ood ood的左边一定不是f | | | | | | | 断言exp一定不能出现在左侧，也就是说断言 前面一定不能是exp | | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | 注释 | ** ** | ** ** | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+ | (? | 注释 | f(?=oo)(?#这个后断言不捕获) | | | | | | #comment) | | | ±-------------------±---------------------------------------------------------------------------±--------------------------------------------------------------+
注意：
断言会不会捕获呢？也就是断言占不占分组号呢？
断言不占分组号。断言如同条件，只是要求匹配必须满足断言的条件。
分组和捕获是同一个意思
使用正则表达式时，能用简单表达式，就不要复杂的表达式
贪婪与非贪婪
默认是贪婪模式，也就是说尽量多匹配更长的字符串。
非贪婪很简单，在重复的符号后面加上一个?问号，就尽量的少匹配了。
代码 说明 举例
*? 匹配任意次，但尽可能少重复 ** ** +? 匹配至少1次，，但尽可能少重复 ** ** ?? 匹配0次或1次，，但尽可能少重复 ** ** {n,}? 匹配至少n次，但尽可能少重复 ** ** {n,m}? 匹配至少n次，至多m次，但尽可能少重复 ** **
very very happy 使用v.*y和v.*?y 引擎选项
±----------------------------±------------------------------------------------------------------------±------------------+ | 代码 | 说明 | Python | +=+===========================+=+ | IgnoreCase | 匹配时忽略大小写 | re.I | | | | | | | | re.IGNORECASE | ±----------------------------±------------------------------------------------------------------------±------------------+ | Singleline | 单行模式 . 可以匹配所有字符，包括\n | re.S | | | | | | | | re.DOTALL | ±----------------------------±------------------------------------------------------------------------±------------------+ | Multiline | 多行模式 ^ 行首、$ 行尾 | re.M | | | | | | | | re.MULTILINE | ±----------------------------±------------------------------------------------------------------------±------------------+ | IgnorePatternWhitespace | 忽略表达式中的空白字符，如果要使用空白字符用转 义，#可以用来做注释 | re.X | | | | | | | | re.VERBOSE | ±----------------------------±------------------------------------------------------------------------±------------------+
单行模式：
. 可以匹配所有字符，包括换行符
^ 表示整个字符串的开头，$整个字符串的结尾
多行模式：
. 可以匹配除了换行符之外的字符，多行不影响.点号
^ 表示行首，$行尾，只不过这里的行是每一个行
默认模式：可以看做待匹配的文本是一行，不能看做多行，.点号不能匹配换行符，^和$表示行首和行尾，而行首行尾就 是整个字符串的开头和结尾
单行模式：基本和默认模式一样，只是.点号终于可以匹配任意一个字符包括换行符，这时所有文本就是一个长长的只有 一行的字符串。^就是这一行字符串的行首，$就是这一行的行尾。
多行模式：重新定义了行的概念，但不影响.点号的行为，^和$还是行首行尾的意思，只不过因为多行模式可以识别换行 符了。"开始"指的是\n后紧接着下一个字符；"结束"指的是\n前的字符，注意最后一行结尾可以没有\n
简单讲，单行模式只影响.点号行为，多行模式重新定义行影响了^和$
注意：注意字符串中看不见的换行符,\r\n会影响e$的测试，e$只能匹配e\n
举例
very very happy
harry key
上面2行happy之后，有可能是\r\n结尾。
y$ 单行匹配key的y，多行匹配happy和key的y。
**.$指的是此行的结尾，而默认模式和单行模式都是一行，指的是这个大字符串的最后一个字符，就是key的y。 **
