文本操作基础知识：正则表达式

目录

摘要：

一、语法

二、匹配模式pattern

1、普通字符[  ]

2、限定字符

3、定位字符

4、运算字符(  )

三、修饰符flags

四、各语言的正则使用

1、Python的re

参考资料：

---

摘要：

常用匹配：[A-C]、[^A-C]、\w、\d、\n、\r、\t、*、+、?、｛n,m｝。

python的re.findall函数

一、语法

/pattern/flags

        pattern：表示匹配模式，需要匹配的具体内容。

        flags：表示修饰符。

二、匹配模式pattern

1、普通字符[  ]

        匹配多个字符条件要用[]，单个字符无需使用中括号括起来。例：/A/g和/[AB]/g。二者的区别在于前者只匹配单个字符A，而后者匹配单个字符A或B。

符合	解释
[ABC]	匹配单个字符
[A-C]	匹配A-C单个字符
[^ABC]	匹配除了ABC外的单个字符
\S	匹配非空字符，不包括回车换行
\s	匹配空字符，包括回车换行
\w	匹配字母、、数字、下划线等同于 [A-Za-z0-9_]
\d	匹配单个数字等同于[0-9]
\t	匹配一个制表符
\v	匹配一个垂直制表符

2、限定字符

普通字符只能匹配单个，限定字符可以匹配多个连起来的，主要用于匹配字符串。

符号	解释
.	匹配除了换行符外的单个字符等同于[^\n\r]
*	匹配子表达式子零次或多次，例：O*
+	匹配子表达式一次或多次，例：O+
?	匹配子表达式零次或一次，例：O？
\	转义字符，用于匹配特殊字符。
|	表示或
{n}	匹配固定n个字符，例：O{2}匹配food。
{n,}	至少匹配n次。
{n,m}	至少匹配n次，至多匹配m次。

3、定位字符

^匹配字符段落的开头，$匹配段落的结尾。

符号	解释
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配单词边界
\B	匹配非单词边界

案例：匹配字符串开头

        字符段开头会有一个非可见的字符，匹配的是这个，^he则是匹配he开头的字符段（这种状态要加上多行模式。

4、运算字符(  )

 了解即可，以下做个简单的介绍.。

字符	解释
(?=pattern)	匹配 pattern 但不获取匹配结果（不包括匹配模式字符）。
(?:pattern)	匹配 pattern 但获取匹配结果（包括匹配模式字符）
(?!pattern)	匹配不在pattern内的字符（不包括匹配模式字符）。
(?<=pattern)	与(?=pattern)类似，只不过(?=pattern)只能放在查询字符串末尾，(?<=pattern)只能放在查询字符串开头。
(?	与(?!pattern)类似，只不过(?!pattern)只能放在查询字符串末尾，(?

测试：?: 和 ?=

前者进行了结果获取。

 后者只是匹配，并没有获取结果。

三、修饰符flags

常用的修饰符为//i和//g，可以混合搭配使用。

案例：全局忽略大小写匹配ABC字符串

/ABC/gi

四、各语言的正则使用

1、Python的re

要引入re库：import re

import re

        Python的re库，无需按照正则表达式的语法，也就是两个双斜杠，修饰符模块由于python自定，这里举例常用的两个函数一个是全局搜索re.findall和全局替换re.sub。

python正则修饰符模块

 re模块中flags的常用属性：
标志位，用于控制正则表达式的匹配方式。
- re.I：忽略大小写
- re.L：表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
- re.M：多行模式
- re.S：即为 . ，并且包括换行符在内的任意字符（.不包括换行符）
- re.U：表示特殊字符集 \w, \W, \b, \B, \s, \S, \d, \D 依赖于 Unicode 字符属性数据库
- re.X：为了增加可读性，忽略空格和 # 后面的注释

案例：re.findall全局搜索返回list

findall：查找整个字符串，返回一个list
 - 语法：re.findall(pattern, string, flags=0)
 - 解释：pattern：表示模式字符串，由要匹配的正则表达式转换而来。
        string：表示要匹配的字符串。
        flags：可选参数，表示标志位，用于控制匹配方式，如是否区分字母大小写

import re
str="Sunlan love apple lSunlan" 
c=re.findall("[A-Z]",str,re.I)
print(c)

案例：re.sub全局替换返回

sub：查找字符串中所有匹配的数据进行替换
 - 语法：re.sub(pattern, repl, string[,count=0][,flags=0])
 - 解释：pattern：表示模式字符串，由要匹配的正则表达式转换而来。
        repl：表示替换的字符串。
        string：表示要匹配的字符串。
        count：可选参数，表示模式匹配后替换的最大次数，默认值为0，表示替换所有的匹配值。
        flags：可选参数，表示标志位，用于控制匹配方式，如是否区分字母大小写。

import re
str="Sunlan love apple lSunlan" 
str=re.sub(" lSunlan","s",str)
print(str)

参考资料：

正则表达式 – 简介 | 菜鸟教程

正则表达式在线测试 | 菜鸟工具