[TOC]

正则表达式

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

一、[]: 一个字符集合

[] 被称为字符类，用于定义一个字符集合，匹配该集合中任意一个字符。
在方括号内列出所有可能匹配的字符，正则表达式会匹配方括号中任意一个字符。

特殊符号	含义
-	来表示一个字符范围
^	表示排除方括号中指定的字符，例如：[ ^0-9] 非数字
\d	[0-9]
\D	[^0-9]
\w	[a-zA-Z0-9_]
\W	[^a-zA-Z0-9_]
\s	匹配任意空白字符，包括空格、制表符、换行符等
\S	匹配任意非空白字符
\b	单词边界，匹配单词的开始或结束位置，例如：\bcat\b匹配独立的单词 cat，而不会匹配 category 中的 cat
\B	非单词边界，匹配不在单词开始或结束的位置，例如：\Bing\B 对于 string 中的 ing 会匹配，而对于 sing 则不匹配

二、{}: 重复次数

{} 被称为量词，用于指定前面的元素（字符、字符类或分组）出现的次数。

特殊符号	含义
+	{1, } 1次以上
*	{0,} 0次以上
?	{0,1} 0次或1次、注：跟在 *、+、{} 等后面时，表示非贪婪匹配
.	匹配任意一个字符（换行除外）

三、特殊符号

特殊符号	含义
^	匹配开始的字符串
$	匹配结尾的字符串
\	转译符，例如：\. 匹配 .、\d 匹配任意数字（等价于 [0-9]）
|	或者。例如：[a|b]

四、(): 分组

1. 分组，将多个字符组合成一个整体
2. 创建捕获组，保存匹配内容
3. 创建非捕获组（(?:)）
4. 反向引用（\数字）

1. 分组，将多个字符组合成一个整体

import re

# 匹配连续出现两次的 "ab"
pattern = r'(ab){2}'
text = 'abababc'
result = re.findall(pattern, text)
print(result) 	 # ['ab']

2. 创建捕获组，保存匹配内容

import re

# 匹配日期，格式为 "年-月-日"，并捕获年、月、日
pattern = r'(\d{4})-(\d{2})-(\d{2})'
text = 'Today is 2024-10-15.'
result = re.search(pattern, text)
if result:
    print("Full match:", result.group(0))	# Full match: 2024-10-15
    print("Year:", result.group(1))			# Year: 2024
    print("Month:", result.group(2))		# Month: 10
    print("Day:", result.group(3))			# Day: 15

3. 创建非捕获组（(?:)）

import re

# 使用非捕获组匹配 "abc" 或 "def" 后面跟着一个数字
pattern = r'(?:abc|def)\d'
text = 'abc1 def2 ghi3'
result = re.findall(pattern, text)
print(result) 		# ['abc1', 'def2']

4. 反向引用（\数字）

import re

# 匹配连续出现两次相同的单词
pattern = r'(\b\w+\b)\s+\1'
text = 'hello hello world'
result = re.findall(pattern, text)
print(result) 		# ['hello']

五、代码示例

在Python中，使用re模块来实现正则表达式。

import re
regex = 'a'
string = 'abc'

# 1. re.search(regex, string)
# 检查这个字符串string是否匹配正则表达式
if re.search(regex, string) is not None:
	print(string)	# abc

# 2. results = re.findall(regex, string)
# 匹配带正则表达式的那部分字符串
string = '2014 was a good year, but 2025 will be better!'
years = re.findall('[1-2][0-9]{3}', string)
print(years)	# ['2014', '2025']

# 3. result.group(0)
# 分组提取，见上面分组

六、注意

正则表达式里使用\作为转义字符

假如你需要匹配文本中的字符\，name编程语言表示的正则表达式需要4个反斜杠\\\\，前两个和后两个分别用于在编程语言中转义成反斜杠，转换成两个反斜杠后再在正则表达式中转义成一个反斜杠。Python中的原生字符串很好的解决了这个问题，这个例子中的正则表达式可以使用r"\\"表示。同样，匹配一个数字的"\\d"可以写成r"\d"，不需要再担心是否漏写了反斜杠，写出来的表达式也更直观。

import re

if re.search("\\\\", "I have one nee\dle") is not None:
    print("Match")
else:
    print("Not Match")

import re

if re.search(r"\\", "I have one nee\dle") is not None:
    print("Match")
else:
    print("Not Match")