老夫的正则表达式大成了，桀桀桀桀！！！【Python 正则表达式笔记】

一、正则表达式语法

（一） 字符与字符类

特殊字符

\.^$?+*{}[]()| 为特殊字符，若想要使用字面值，必须使用 \ 进行转义

字符类 []

[] 匹配包含在方括号中的任何字符。它也可以指定范围，例：

• [a-zA-Z0-9]表示a到z，A到Z，0到9之间的任何一个字符
• [u4e00-u9fa5] 匹配 Unicode 中文
• [^\x00-\xff] 匹配双字节字符（包括中文）

在 [] 中：

• [^] 表示否定字符类，比如[^0-9]表示可以匹配一个任意非数字的字符
• ^ 放在第一个位置表示否定，放在其他位置表示字面值
• \ 表示转义
• - 放在中间表示范围，放在其他位置表示字面值
• 其他特殊字符不再具备特殊意义，都表示字面值
• 字符类内部可以使用速记法，比如\d \s \w

速记法

• . 可以匹配除换行符之外的任何字符，如果有 re.DOTALL 标志，则匹配任意字符包括换行
• \d 匹配一个 Unicode 数字，如果有 re.ASCII 标志，则匹配0-9
• \D 匹配 Unicode 非数字
• \s 匹配 Unicode 空白，如果带有 re.ASCII 标志，则匹配\t\n\r\f\v中的一个
• \S 匹配 Unicode 非空白
• \w 匹配 Unicode 单词字符，如果带有 re.ASCII 标志,则匹配[a-zA-Z0-9_]中的一个
• \W 匹配 Unicode 非单词字符

（二）量词

• ? 0次或1次
• * 0次或多次
• + 1次或者多次
• {m} m次
• {m,} 至少m次
• {,n} 最多n次
• {m,n} 至少m次，最多n次

注意点：以上量词都是「贪婪模式」，后加 ? 切换为「最小匹配模式」

（三） 断言

断言不会匹配任何文本，只是施加约束。常用断言：

• \b匹配单词的边界，放在字符类 [] 中则表示 backspace
• \B匹配非单词边界，受ASCII标记影响
• \A 在起始处匹配
• \Z 在结尾处匹配
• ^ 在起始处匹配，如果有 MULTILINE 标志，则在每个换行符后匹配
• $ 在结尾处匹配，如果有 MULTILINE 标志，则在每个换行符前匹配

（四）捕获组

()的作用：

• ()是一个捕获组，可被 \N 引用，N 是序号，以左括号排位决定。\0 表示整个匹配的内容。
• (?:) 可以关闭捕获，只用作分组
• 使用 | 组合多个表达式，表示「或」
• (?=...) 向前正项匹配，前方必须存在。 如\w(?=,) 匹配 apple, banana 中的 apple
• (?!...) 向前负项匹配，前方必须没有
• (?<=...) 向后正项匹配，后方必须存在
• (?<!...) 向后负项匹配，后方必须没有

命名捕获组：

语言	命名捕获组	搜索中引用	替换中引用
Python	(?P<name>...)	\N (?P=name)	\N \g<name> $N
JavaScript	(?<name>...)	\N \k<name>	$N
.NET	(?<name>...) (?'name'...)	\N \k<name> \k'name'	$N ${N} ${name}
Perl	(?<name>...) (?'name'...)	\N \gN \g{N} \g{name} (?N) (?+N) (?-N) (?Name) 兼容 .Net Python 的语法	$N ${N} $+{Name}

技巧：

• 在搜索中，若 \12 无法表示「第一个捕获组 + 数字2」，可用 (?:\1)2 或者 \1[2] 表示
• 在替换中，若 $12 无法表示「第一个捕获组 + 数字2」，可以用 $1\l2 或者 $1\u2 表示

（五）条件匹配

• (?(id)yes_exp|no_exp)：对应 id 的子表达式如果匹配到内容，则这里匹配 yes_exp，否则匹配 no_exp
• Perl 支持的语法：(?(N)Yes|No) (?(<Name>)Yes|No) (?('Name')Yes|No) (?(?=Ahead)Yes|No)

实测 JavaScript 不支持条件匹配

（六）替换语法补充

一些在替换中使用的语法：

替换语法	作用
\l	下一个字符输出小写
\L	下一串字符输出小写
\u	下一个字符输出大写
\U	下一串字符输出大写
\E	终止 \U 和 \L

语言	引用匹配之前的文本	引用匹配文本	引用匹配之后的文本
Perl	${^PREMATCH} | ${^MATCH}	${^POSTMATCH}

（七） 标志

传标志方法：

• 正则表达式开头加标志 (?flags)pattern ，如 (?im)apple 表示不区分大小写
  • i 或 IGNORECASE：忽略大小写，使匹配不区分大小写。
  • m 或 MULTILINE：启用多行模式
  • s 或 DOTALL：启用点字符（.）匹配任意字符，包括换行符。s 是 special 的缩写。
  • x 或 VERBOSE：启用详细模式，忽略空格和注释，可以使用多行形式编写更易读的正则表达式。可以用 [ ] \x20 (?-x: ) 表示空格。x 是 extended 缩写
  • g 或 GLOBAL: 查找所有符合条件的结果（Python 中不需要）
• python 中 re.compile 的 flags 参数。flags 实质是一个数字，可以用 | 按位与传入多个标志
  • re.A 或 re.ASCII
  • re.I 或 re.IGNORECASE
  • re.M 或 re.MULTILINE
  • re.S 或 re.DOTALL
  • re.X 或 re.VERBOSE

注释示例，匹配 <img> 标签：

pattern = re.compile(r"""(?ix)          # i 表示忽略大小写，x 表示开启注释模式
        <img\s+                         #标签的开始
            [^>]*?                      #不是src的属性
            src=                        #src属性的开始
                (?P<quote>["'])         #左引号
                (?P<image_name>[^"'<>]+?)  #图片名字
                (?P=quote)              #右括号
            [^>]*?                      #不是src的属性
        >                               #标签的结束
    """)

二、Python正则表达式模块

模块级 ：

方法、属性	作用
compile(pattern)	预先编译正则表达式，返回 re.Pattern 对象
search(pattern, string, flags=0)	查找匹配的部分，返回 re.Match
match(pattern, string, flags=0)	从头匹配，返回符合规则的第一个值 re.Match
fullmatch(pattern, string, flags=0)	完全匹配（要从头到尾都匹配），返回 re.Match
split(pattern, string, maxsplit=0)	用匹配到的内容作为分割符，分割后，返回列表
findall(pattern, string)	查找所有，返回为列表，元素为 str。如果有捕获组，则列表元素为 tuple，包含空结果。
finditer(pattern, string)	查找所有，返回为 re.Match 的迭代器。
sub(pattern, repl, string, count=0)	返回替换后的字符串，repl 可以是一个函数（接收 Match，返回替换后的值）
subn(pattern, repl, string, count=0)	返回元组 (new_str, number)，包含了替换次数
escape(pattern)	将特殊字符转义后返回，如 . 会返回 \.
purge()	清除缓存

re.compile() 可以预先编译正则表达式，返回 re.Pattern 对象，以提高匹配效率

方法、属性	作用
.search(string[, pos[, endpos]])	查找匹配的部分，返回 re.Match，pos 和 endpos 限制查找区间
.match(string[, pos[, endpos]])
.fullmatch(string[, pos[, endpos]])
.split(string, maxsplit=0)
.findall()
.finditer()
.sub(repl, string, count=0)
.subn(repl, string, count=0)
.flags
.groups	有几个捕获组
.groupindex	一个字典，命名捕获组与序号对应
.pattern

re.Match 对象用于表示正则表达式匹配的结果：

方法、属性	作用
Match.group([group1, ...])	返回：捕获组，或多个捕获组 tuple
Match[0]	等同于 group(0)
.group()	等同于 group(0)
.groups(default=None)	返回：元组，所有的子捕获组 (1, 2, 3...)。没有捕获到的组返回为 None。
.groupdict(default=None)	返回：词典，只包含有命名的捕获组
.start()	返回：匹配的起始位置
.end()	返回：匹配的结束位置
.span()	返回：元组 (start, end)
.expand(template)	用捕获到的组将 template 中的组引用展开
.pos	匹配开始的索引位置
.endpos	匹配结束的索引位置
.lastindex	最后一个捕获组的索引
.lastgroup	最后一个捕获组的名字
.string	传入的字符串