正则表达式符号及特殊用法

 .            表示匹配除了换行符外的任何字符
              注:通过设置 re.DOTALL 标志可以使 . 匹配任何字符(包含换行符) 
 |            A | B,表示匹配正则表达式 A 或者 B 


 ^            1. (脱字符)匹配输入字符串的开始位置
              2. 如果设置了 re.MULTILINE 标志,^ 也匹配换行符之后的位置 


 $            1. 匹配输入字符串的结束位置
              2. 如果设置了 re.MULTILINE 标志,$ 也匹配换行符之前的位置 


 \            1. 将一个普通字符变成特殊字符,例如 \d 表示匹配所有十进制数字
              2. 解除元字符的特殊功能,例如 \. 表示匹配点号本身
              3. 引用序号对应的子组所匹配的字符串
              4. 详见下方列举 


 [...]        字符类,匹配所包含的任意一个字符
              注1:连字符 - 如果出现在字符串中间表示字符范围描述;如果如果出现在首位则仅作为普通字符
              注2:特殊字符仅有反斜线 \ 保持特殊含义,用于转义字符。其它特殊字符如 *、+、? 等均作为普通字符匹配
            
  注3:脱字符 ^ 如果出现在首位则表示匹配不包含其中的任意字符;如果 ^ 出现在字符串中间就仅作为普通字符匹配
 
 {M,N}        M 和 N 均为非负整数,其中 M <= N,表示前边的 RE 匹配 M ~ N 次
              注1:{M,} 表示至少匹配 M 次
              注2:{,N} 等价于 {0,N}
              注3:{N} 表示需要匹配 N 次 


 *            匹配前面的子表达式零次或多次,等价于 {0,} 


 +            匹配前面的子表达式一次或多次,等价于 {1,} 


 ?            匹配前面的子表达式零次或一次,等价于 {0,1} 


*?, +?, ??    默认情况下 *、+ 和 ? 的匹配模式是贪婪模式(即会尽可能多地匹配符合规则的字符串);*?、+? 和 ?? 表示启用对应的非贪婪模式。举个栗子:对于字符串 "FishCCC",正则表达式 FishC+ 会匹配整个字符串,而 FishC+? 则匹配 "FishC"。 


{M,N}?        同上,启用非贪婪模式,即只匹配 M 次 


(...)         匹配圆括号中的正则表达式,或者指定一个子组的开始和结束位置
              注:子组的内容可以在匹配之后被 \数字 再次引用 
              举个栗子:(\w+) \1 可以字符串 "FishC FishC.com" 中的 "FishC FishC"(注意有空格) 


(?...)        (? 开头的表示为正则表达式的扩展语法(下边这些是 Python 支持的所有扩展语法) 


(?aiLmsux)    1. (? 后可以紧跟着 'a','i','L','m','s','u','x' 中的一个或多个字符,只能在正则表达式的开头使用
              2. 每一个字符对应一种匹配标志:re-A(只匹配 ASCII 字符),re-I(忽略大小写),re-L(区域设置),re-M(多行模式), re-S(. 匹配任何符号),re-X(详细表达式),包含这些字符将会影响整个正则表达式的规则
              3. 当你不想通过 re.compile() 设置正则表达式标志,这种方法就非常有用啦
              注意,由于 (?x) 决定正则表达式如何被解析,所以它应该总是被放在最前边(最多允许前边有空白符)。如果 (?x) 的前边是非空白字符,那么 (?x) 就发挥不了作用了。 


(?:...)       非捕获组,即该子组匹配的字符串无法从后边获取 


(?P<name>...) 命名组,通过组的名字(name)即可访问到子组匹配的字符串 


(?P=name)     反向引用一个命名组,它匹配指定命名组匹配的任何内容  


(?#...)       注释,括号中的内容将被忽略 


(?=...)       前向肯定断言。如果当前包含的正则表达式(这里以 ... 表示)在当前位置成功匹配,则代表成功,否则失败。一旦该部分正则表达式被匹配引擎尝试过,就不会继续进行匹配了;剩下的模式在此断言开始的地方继续尝试。
举个栗子:love(?=FishC) 只匹配后边紧跟着 "FishC" 的字符串 "love" 


(?!...)       前向否定断言。这跟前向肯定断言相反(不匹配则表示成功,匹配表示失败)。
              举个栗子:FishC(?!\.com) 只匹配后边不是 ".com" 的字符串 "FishC"   


(?<=...)      后向肯定断言。跟前向肯定断言一样,只是方向相反。
              举个栗子:(?<=love)FishC 只匹配前边紧跟着 "love" 的字符串 "FishC" 


(?<!...)      后向否定断言。跟前向肯定断言一样,只是方向相反。
              举个栗子:(?<!FishC)\.com 只匹配前边不是 "FishC" 的字符串 ".com" 


(?(id/name)yes-pattern|no-pattern)   
              1. 如果子组的序号或名字存在的话,则尝试 yes-pattern 匹配模式;否则尝试 no-pattern 匹配模式
              2. no-pattern 是可选的
              举个栗子:(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$) 是一个匹配邮件格式的正则表达式,可以匹配 <[email protected]> 和 '[email protected]',但是不会匹配 '<[email protected]' 或 '[email protected]>' 


 \            下边列举了由字符 '\' 和另一个字符组成的特殊含义。注意,'\' + 元字符的组合可以解除元字符的特殊功能 


\序号         1. 引用序号对应的子组所匹配的字符串,子组的序号从 1 开始计算
              2. 如果序号是以 0 开头,或者 3 个数字的长度。那么不会被用于引用对应的子组,而是用于匹配八进制数字所表示的 ASCII 码值对应的字符
              举个栗子:(.+) \1 会匹配 "FishC FishC" 或 "55 55",但不会匹配 "FishCFishC"(注意,因为子组后边还有一个空格) 


\A            匹配输入字符串的开始位置 


\Z            匹配输入字符串的结束位置 


\b            匹配一个单词边界,单词被定义为 Unidcode 的字母数字或下横线字符
              举个栗子:\bFishC\b 会匹配字符串 "love FishC"、FishC." 或 "(FishC)" 


\B            匹配非单词边界,其实就是与 \b 相反
              举个栗子:py\B 会匹配字符串 "python"、"py3"  或 "py2",但不会匹配 "py  "、"py." 或  "py!" 


\d            1. 对于 Unicode(str 类型)模式:匹配任何一个数字,包括 [0-9] 和其他数字字符;如果开启了 re.ASCII 标志,就只匹配 [0-9]
              2. 对于 8 位(bytes 类型)模式:匹配 [0-9] 中任何一个数字 


\D            匹配任何非 Unicode 的数字,其实就是与 \d 相反;如果开启了 re.ASCII 标志,则相当于匹配 [^0-9] 


\s            1. 对于 Unicode(str 类型)模式:匹配 Unicode 中的空白字符(包括 [ \t\n\r\f\v] 以及其他空白字符);如果开启了 re.ASCII 标志,就只匹配 [ \t\n\r\f\v]
              2. 对于 8 位(bytes 类型)模式:匹配 ASCII 中定义的空白字符,即 [ \t\n\r\f\v] 


\S            匹配任何非 Unicode 中的空白字符,其实就是与 \s 相反;如果开启了 re.ASCII 标志,则相当于匹配 [^ \t\n\r\f\v] 


\w            1. 对于 Unicode(str 类型)模式:匹配任何 Unicode 的单词字符,基本上所有语言的字符都可以匹配,当然也包括数字和下横线;如果开启了 re.ASCII 标志,就只匹配 [a-zA-Z0-9_]
              2. 对于 8 位(bytes 类型)模式:匹配 ASCII 中定义的字母数字,即 [a-zA-Z0-9_] 


\W            匹配任何非 Unicode 的单词字符,其实就是与 \w 相反;如果开启了 re.ASCII 标志,则相当于 [^a-zA-Z0-9_] 


转义符号      正则表达式还支持大部分 Python 字符串的转义符号:\a,\b,\f,\n,\r,\t,\u,\U,\v,\x,\\
              注1:\b 通常用于匹配一个单词边界,只有在字符类中才表示“退格”
              注2:\u 和 \U 只有在 Unicode 模式下才会被识别
              注3:八进制转义(\数字)是有限制的,如果第一个数字是 0,或者如果有 3 个八进制数字,那么就被认为是八进制数;其他情况则被认为是子组引用;至于字符串,八进制转义总是最多只能是 3 个数字的长度 




===================================================编译标志=========================================================


ASCII,A        使得转移符号如\w,\b,\s和\d只能匹配ASCII字符
DOTALL,S       使得,匹配任何符号,包括换行符
IGNORECASE,I   匹配的时候不区分大小写
LOCALE,L       支持当前的语言(区域)设置
MULTILINE,M    多行匹配,影响^和$
VERBOSE,X(for 'extended')     启用详细的正则表达式(空格全被忽略,除了出现在字符串中和使用反斜杠转义的空格)(同时允许在正则表达式字符串中使用注释)















猜你喜欢

转载自blog.csdn.net/tianmuha/article/details/80943118