| 正则表达式 | 代表的匹配字符 |
|---|---|
| [0-9] | 0123456789任意之一 |
| [a-z] | 小写字母任意之一 |
| [A-Z] | 大写字母任意之一 |
| \d | 等同于[0-9] |
| \D | 等同于[^0-9]匹配非数字 |
| \w | 等同于[a-z0-9A-Z_]匹配大小写字母、数字和下划线 |
| \W | 等同于[^a-z0-9A-Z_]等同于上一条取非 |
下面列举一些正则表达式里的元字符及其作用
| 元字符 | 说明 |
|---|---|
| . | 代表任意字符 |
| | | 逻辑或操作符 |
| [ ] | 匹配内部的任一字符或子表达式 |
| [^] | 对字符集和取非 |
| - | 定义一个区间 |
| \ | 对下一字符取非（通常是普通变特殊，特殊变普通） |
| * | 匹配前面的字符或者子表达式0次或多次 |
| *? | 惰性匹配上一个 |
| + | 匹配前一个字符或子表达式一次或多次 |
| +? | 惰性匹配上一个 |
| ? | 匹配前一个字符或子表达式0次或1次重复 |
| {n} | 匹配前一个字符或子表达式 |
| {m,n} | 匹配前一个字符或子表达式至少m次至多n次 |
| {n,} | 匹配前一个字符或者子表达式至少n次 |
| {n,}? | 前一个的惰性匹配 |
| ^ | 匹配字符串的开头 |
| \A | 匹配字符串开头 |
| $ | 匹配字符串结束 |
| [\b] | 退格字符 |
| \c | 匹配一个控制字符 |
| \d | 匹配任意数字 |
| \D | 匹配数字以外的字符 |
| \t | 匹配制表符 |
| \w | 匹配任意数字字母下划线 |
| \W | 不匹配数字字母下划线 |
组与捕获
-
()的作用：
1.捕获()中正则表达式的内容以备进一步利用处理，可以通过在左括号后面跟随?:来关闭这个括号的捕获功能import re url = 'https://113.215.20.136:9011' pattern1 = re.findall(r'(\d{1,3}\.){3}\d{1,3}',url) print(pattern1) pattern2 = re.findall(r'(?:\d{1,3}\.){3}\d{1,3}',url) print(pattern2) #运行结果 ['20.'] ['113.215.20.136']2.将正则表达式的一部分内容进行组合，以便使用量词或者|。
-
反向引用前面()内捕获的内容：
- 通过组号反向引用
每一个没有使用?:的小括号都会分配一个组号，从1开始，从左到右递增，可以通过\i引用前面()内表达式捕获的内容
import re strhtml1 = '<h1>这是一个标题<h1>' pattern1 = re.findall(r'<h([0-9])>(.*?)<h\1>',strhtml1) print(pattern1) strhtml2 = '<h1>这是一个标题<h3>' pattern2 = re.findall(r'<h([0-9])>(.*?)<h\1>',strhtml2) print(pattern2) #运行结果 [('1', '这是一个标题')] []- 通过组名反向引用前面小括号内捕获的内容
可以通过在左括号后面跟随?P<name>,尖括号中放入组名来为一个组起一个别名，后面通过(?P=name)来引用 前面捕获的内容。如(? P<word>\w+)\s+(?P=word)来匹配重复的单词。
通常用在 后台匹配url路由。
- 通过组号反向引用
注意点：反向引用不能放在字符类[]中使用。
断言与标记
断言不会匹配任何文本，只是对断言所在的文本施加某些约束
| 常用断言 | 说明 |
|---|---|
| \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 |
| ^ | 在起始处匹配，如果有MULTILINE标志，则在每个换行符后匹配 |
| \Z | 在结尾处匹配 |
| $ | 在结尾处匹配，如果有MULTILINE标志，则在每个换行符前匹配 |
| (?=e) | 正前瞻 |
| (?!e) | 负前瞻 |
| (?<=e) | 正回顾 |
| (?<!e) | 负回顾 |
import re
key = r"<html><body><h1>hello world</h1></body></html>"
pattern1 = re.findall(r"(?<=<h1>).+?(?=</h1>)",key)
print(pattern1)
#运行结果
['hello world']
url = 'https://113.215.20.136:9011/113.215.6.77/'
pattern = re.findall(r'(?<![\.\d])(?:\d{1,3}\.){3}\d{1,3}(?![\.\d])',url)
print(pattern)
#运行结果
['113.215.20.136', '113.215.6.77']
前瞻回顾的解释
| 说明 | 格式 | 描述 |
|---|---|---|
| 前瞻 | exp1(?=exp2) | exp1后面的内容要匹配exp2 |
| 负前瞻 | exp1(?!exp2) | exp1后面的内容不能匹配exp2 |
| 后顾: | (?<=exp2)exp1 | exp1前面的内容要匹配exp2 |
| 负后顾 | (?<!exp2)exp1 | exp1前面的内容不能匹配exp2 |
例如：我们要查找hello，但是hello后面必须是world，正则表达式可以这样写："(hello)\s+(?=world)",用来匹配"hello wangxing"和"hello world"只能匹配到后者的hello
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
正则表达式的标志
- 正则表达式的标志有两种使用方法
1. 通过给compile方法传入标志参数，多个标志使用|分割的方法,如re.compile(r"#[\da-f]{6}\b", re.IGNORECASE|re.MULTILINE)
2. 通过在正则表达式前面添加(?标志)的方法给正则表达式添加标志，如(?ms)#[\da-z]{6}\b - 常用的标志
re.A或者re.ASCII， 使\b \B \s \S \w \W \d \D都假定字符串为假定字符串为ASCII
re.I或者re.IGNORECASE 使正则表达式忽略大小写
re.M或者re.MULTILINE 多行匹配，使每个^在每个回车后，每个$在每个回车前匹配
re.S或者re.DOTALL 使.能匹配任意字符，包括回车
re.X或者re.VERBOSE 这样可以在正则表达式跨越多行，也可以添加注释，但是空白需要使用\s或者[ ]来表示，因为默认的空白不再解释。
本文参考
