Python for Informatics 第11章 正则表达式五（译）

注：文章原文为Dr. Charles Severance 的 《Python for Informatics》。文中代码用3.4版改写，并在本机测试通过。

11.4 转义字符

　　之前我们在正则表达式中使用特殊字符来匹配一行的开头和结尾，或者是指定通配符，当我们想匹配象"$"或"^"的实际字符时，我们需要一个方法来表示这些“正常”的字符。

　　我们可以简单的在字符前添加反斜线"\"即可实现匹配。例如，我们可以使用下面的正则表达式找到金钱数额：

import re
x = 'We just received $10.00 for cookies.'
y = re.findall('\$[0-9.]+', x)

　　因为我们在“$"符前添加了反斜线前缀，"\$"这个表示式就表示匹配正常的"$"符，而不是表示匹配行的尾部了。这个表达式的后半部分"[0-9.]+"表示匹配一个或者更多的数字或点。要注意的是，在方括号中，字符不是”特殊的“。所以它们是实际上的数字或点。在方括号外的"."，则是一个通配符了，可以匹配任何字符。

11.5 小结

　　以上是关于正则表达式的浅显介绍，要想更好的应用正则表达式，我们还需更多地学习它的语言。这些包含特殊字符的查询字符串，是沟通你匹配和抽取字符的愿望和正则表达式系统之间的桥梁。下面是一些特殊字符和字符序列：

　　^　　匹配行的开头

　　$　　匹配行的末尾

　　.　　 匹配任意字符（通配符）

　　\s　  匹配一个空白字符

　　\S　 匹配一个非空白字符（和\s相反）

　　*　　应用到它左侧紧挨的字符，表示匹配零个及以上的左侧字符

　　*?　  应用到它左侧紧挨的字符，表示以非贪婪模式匹配零个及以上的左侧字符

　　+　　应用到它左侧紧挨的字符，表示匹配一个及以上的左侧字符

　　+?　 应用到它左侧紧挨的字符，表示以非贪婪模式匹配一个及以上的左侧字符

　　[aeiou]　　匹配一个只要是在指定字符集内的元音字符。在这个例子中，它将匹配"a","e","i","o","u"，而不是其它字符。

　　[a-z0-9]　　你可以用减号指定字符的范围，本例匹配一个必须是小写字母或数字的任意字符。

　　[^A-Za-z]　　当方括号内的第一个字符是插入符，它将反转逻辑。本例匹配一个除大小写字母外的其它字符。

　　()　　在使用findall()过程中，在正则表达式中添加的括号，在查询匹配过程中将被忽略，但是允许你抽取括号内的匹配字符。

　　\b　　匹配空的字符串，但只在一个词的开头和结尾。

　　\B　　匹配空的字符串，但不是在一个词的开头和结尾。

　　\d　　匹配任意十进制数字，等同与[0-9]。

　　\D　　匹配任意非数字字符，等同与[^0-9]。

11.6 Unix用户的红利

　　自19世纪六十年代，Unix系统就集成了正则表达式用于支持查询文件，并且几乎所有的编程语言都支持正则表达式。

　　事实上Unix内置了一个叫做grep(Generalized Regular Expression Parser)的命令行程序。它可以做到本章中search()函数几乎一样的功能。所以如果你使用的是Macintosh或Linux系统，你可以在你的命令行窗口尝试以下命令：

$ grep '^From:' mbox-short.txt

From: stephen.marquard@uct.ac.za
From: louis@media.berkeley.edu
From: zqian@umich.edu
From: rjlowe@iupui.edu

　　这个命令让grep显示mbox-short.txt文件中以"From:"开始的行。如果你对grep命令有一定的经验并且读过它的帮助文档，你会发现Python中的正则表达式和grep中的正则表达式有细微的差别。例如，grep不支持非空格字符"\S"，所以你需要使用稍微复杂的组合"[^ ]"来匹配一个非空格的任意字符。