Python正则表达式学习笔记（入门）

1. 介绍

正则表达式是一种强大的模式匹配工具，用于处理文本数据。在Python中，我们使用re模块来操作正则表达式。

2. 基本语法

建议先看

"5. re模块函数 "了解search 和match 的区别"和
2.3 特殊字符转义"了解如何应对特殊符号

2.1 字符匹配

.: 匹配任意字符（除了换行符 \n）

python 复制代码

import re
pattern = re.compile(r"he..o")
result = pattern.match("hello")
print(result.group())

Output: hello

[]: 匹配方括号内的任一字符

python 复制代码

pattern = re.compile(r"[aeiou]")
result = pattern.search("Hello")
print(result.group())

Output: e
注意：方括号内的字母之间无需空格，因为空格算一个字符，也会参与匹配

|: 匹配两个或多个模式之一

python 复制代码

pattern = re.compile(r"cat|dog")
result = pattern.search("I love my cat")
print(result.group())

Output: cat

2.2 重复匹配

*: 匹配前一个字符0次或多次
+: 匹配前一个字符1次或多次

?: 匹配前一个字符0次或1次

python 复制代码

pattern = re.compile(r"go*gle")
result = pattern.match("gooogle")
print(result.group())

Output: gooogle

2.3 特殊字符转义

使用\转义特殊字符，如.、*、+等

3. 弱进阶用法

敲黑板：groups() 用于返回捕获组 的匹配结果元组，

而 group() 用于返回整个匹配结果或指定编号的捕获组的匹配结果 。

要注意的是，捕获组编号从 1 开始计数，而不是从 0 开始。

3.1 分组和捕获

使用圆括号 () 进行分组和捕获

python 复制代码

pattern = re.compile(r"(\d+)-(\d+)-(\d+)")
result = pattern.match("2023-11-15")
print(result.groups())

Output: ('2023', '11', '15')

当内容很重要时，捕获以后可以 方便后面引用

3.2 非捕获组

有时我们需要分组但不捕获，可以使用 (?:...)。

python 复制代码

pattern = re.compile(r"Mr (?:John|Doe)")
result = pattern.match("Mr John")
print(result.group())

Output: Mr John

不重要的内容无需捕获，可以提高程序性能，减少资源占用

3.3 向后引用

使用\1、\2等引用前面捕获的组的内容(再次强调：是内容，而不是格式)

python 复制代码

pattern = re.compile(r"(\d+)-\1")
result = pattern.match("2023-2023")
print(result.group())

Output: 2023-2023

4. 匹配开始和结尾

^: 匹配字符串的开始

$: 匹配字符串的结尾

python 复制代码

pattern = re.compile(r"^Hello")
result = pattern.match("Hello, World!")
print(result.group())

Output: Hello

python 复制代码

pattern = re.compile(r"(World!$)")
result = pattern.search("Hello, World!")
print(result.group())

Output: World!
在正则表达式中，^ 用于匹配一行的开头 ，而不是整个文本的开头,

当使用 ^ 放在正则表达式的开头时，它表示该模式只匹配行的开头位置 。

换句话说，模式必须在行的开头出现才能匹配成功

例如，如果你有一个多行的字符串，每行以数字开头，你可以使用 ^\d 来匹配每行的开头数字。
$ 匹配字符串的结尾,同理

5. re模块函数

re.match(): 从字符串的开头匹配模式
re.search(): 在字符串中查找匹配模式的第一个位置
re.findall(): 返回字符串中所有匹配的模式
re.sub(): 替换字符串中匹配模式的部分

6. 贪婪与非贪婪匹配

在重复匹配时，加上?可以实现非贪婪匹配。

python 复制代码

pattern = re.compile(r"<.*?>")
result = pattern.search("<html><head><title>Title</title></head></html>")
print(result.group())

Output:
默认情况下，正则表达式是贪婪匹配 ，也就是它会尽可能地匹配最长的字符串 。贪婪匹配会将模式中的量词（如 *、+、?、{}）设置为尽可能多地匹配字符。

例如，正则表达式 a.*b 可以匹配 "afoobarb" 中的整个字符串，而不只是 "a" 和 "b" 之间的部分。
相比之下，非贪婪匹配 是匹配尽可能少的字符 。它使用量词的非贪婪版本来实现。在正则表达式中，非贪婪模式的量词是加上 ? 符号。

例如，a.*?b 是一个非贪婪匹配模式，它只匹配 "a" 和 "b" 之间的最短字符串。对于 "afoobarb"，匹配结果将是 "afoob"。

7. 预搜索

(?=...): 正向预查

(?!...): 负向预查

python 复制代码

pattern = re.compile(r"\d+(?=%)")
result = pattern.search("42%")
print(result.group())

Output: 42
正向预查 (?=...) 表示在匹配当前位置之后的内容时，需要满足 ... 的条件。但是，正向预查不会消耗字符串，也不会将预查的内容包含在匹配结果中。
负向预查 (?!..) 则表示在匹配当前位置之后的内容时，需要不满足 ... 的条件才能匹配成功。与正向预查类似，负向预查也不会消耗字符串，也不会将预查的内容包含在匹配结果中。
相当于先判断后面的字符串是否符合条件决定是否匹配