python-字符串全解（六）：正则表达式-逻辑运算或

在上一章我们提到过，正则表达式没有专门的逻辑与(&)非(!)运算，因为顺序的正则表达式字符就是与运算，例如正则表达式r'abc'，这里面的含义就是有一个字符串，需要第一个字符是a且第二个字符是b且第三个字符是c，这本身就是一个与(&)运算，只是不是通过显式的符号完成。同样的非，我们有负向先后行断言(?!)，(?<=)来确定前面的或者后面不是某个字符或者字符串，还有就是在字符类中我们用^来说明当前字符不能出现在括号中，例如 $\^abc$ 表示当前字符不能是abc中的一个。这样前中后刚好凑齐了逻辑非!。这三种情况都很详细的讲解了，之前我们简单的提到或｜运算符，本章我们详细的讲解一下。

9逻辑运算或（|）

或的含义和python语言中的or是一个意思，表示两个选择或者多个选择，只要符合其中一个条件即可，在正则表达式中就是可以用一个正则表达式表示多种组合，要是没有或，我们可能就需要多写几个正则表达式了，这样无疑做了很多重复的工作。接下来，我们来详细说一下逻辑或的应用场景。

9.1整个正则匹配其中一个

就是用|将正则表达式分为两个或者多个部分，只需要匹配其中某个部分即可。看下面的代码：

复制代码

import re
import time
a = "abc efg hij"
b = re.findall(r"abc|efg", a)
c = re.findall(r'abc|efg|hij', a)

print("b = {}, c = {}".format(b, c))
# 输出结果：b = ['abc', 'efg'], c = ['abc', 'efg', 'hij']

b中我们用|连接abc和efg，意思是只要匹配abc或者efg中任何一个子串都满足要求，可以看到结果我们得到了abc和efg两个结果。c是匹配abc，efg和hij任何一个子串都满足要求，结果便是abc，efg，hij。

9.2在分组中匹配其中一个

在分组中使用或，或的作用范围只是在分组内，我们看一下下面的代码：

python 复制代码

import re
a = "abc21efg123hij111"
b = re.findall(r"(?:abc|efg)\d+", a)
c = re.findall(r'(?:abc|efg|hij)\d+', a)

print("b = {}, c = {}".format(b, c))
# 输出结果：b = ['abc21', 'efg123'], 
# c = ['abc21', 'efg123', 'hij111']

我们用(?:...)表示不捕获分组内容，让findall返回完整的正则匹配内容，可以看到逻辑或|只是限制在分组内，对于b来讲只要满足abc后面跟数字或者efg后面跟数字，都符合正则表达式的要求，所以得到了abc21和efg123。c也是同样的意思是，只是多了一个选择。

如果我们不使用括号，则逻辑或|的作用域会扩展到整个正则表达式，我们看下面的例子：

python 复制代码

import re
a = "abc21efg123hij111"
b = re.findall(r"abc|efg\d+", a)
c = re.findall(r'abc|efg|hij\d+', a)

print("b = {}, c = {}".format(b, c))
# 输出结果：b = ['abc', 'efg123'], 
# c = ['abc', 'efg', 'hij111']

b的结果来看，我们需要寻找满足abc或者efg\d+这样的子串，而不是满足abc\d+或者efg\d+的子串，这说明失去了分组，逻辑或|便会作用于全局。c的效果也是一样，只有最后一个匹配带了数字。

9.3 和量词组合

在9.2的第一个例子中，我们只是将逻辑或|放在分组中，此时如果在分组外面加量词，就会有排列组合的效果，我们看一下下面的代码：

python 复制代码

import re
a = "abcefg123efgabchij123efghij111"
b = re.findall(r"(?:abc|efg)+", a)
c = re.findall(r'(?:abc|efg|hij)+', a)
d = re.findall(r"(?:abc|efg)+?", a)
e = re.findall(r'(?:abc|efg|hij)+?', a)
print("b = {}, c = {}, d = {}, e = {}".
      format(b, c, d ,e))
# 输出结果：b = ['abcefg', 'efgabc', 'efg'], 
# c = ['abcefg', 'efgabchij', 'efghij'], 
# d = ['abc', 'efg', 'efg', 'abc', 'efg'], e
# = ['abc', 'efg', 'efg', 'abc', 'hij', 'efg', 'hij']

b在分组外面加了一个+，我们看到abcefg和efgabc都会被匹配到，原因是+是贪婪算法，字符串匹配到abc的时候，会继续匹配，这时候efg也能匹配，所以会匹配出abcefg的结果，同样，后续字符串中efg被匹配到，可以继续匹配，匹配到了efgabc。c也一样，只是c可以匹配三个的组合，例如匹配到了efgabcchij。d和e只是在+后面加了？，表示非贪婪匹配，所以我们看到没有匹配到组合，只需要匹配到分组中的任何一个就算匹配成功。

当然，如果你要匹配固定次数的组合，可以用{n}来代替+，这样可能还不能满足业务需求，例如你需要abc，efg，hig这三个组合中的任意两个组合，并且并不能是两个相同的组合在一起，例如不能出现abcabc，efgefg这样的情况，只是用固定次数还不能满足，这还需要用到前面讲到的前后相断言。我们看一下下面的代码：

python 复制代码

import re
a = "abcefg|abchij|abcabc|hijhij|efghij|efgefg"
b = re.findall(r'''(?x)(?:abc(?!abc)|
               efg(?!efg)|hij(?!hij)){2}''', a)

print("b = {}".
      format(b))
# 输出结果：b = ['abcefg', 'abchij', 'efghij']

可以看到字符串a是abc，efg，hij这三个子串的任何组合，中间用|分割，记住这个在字符串中只是普通的字符|。b中首先我们用了全局的详细模式，表明这个正则表达式忽略换行，回车，tab，空格等，所以我们把正则分成了两行。然后我们在abc后面面用了负向先行断言(?!abc)，表明abc的后面不是能是abc，同样的，efg的后面不能是efg，以及hij的后面不能是hij，通过这种断言，我们会过滤到abcabc，efgefg，hijhij这种两个重复的情况，可以看到结果b也确实如此，可以看到通过组合正则语法，我们可以写出强大实用的功能。

9.4字符类中的或｜

如果你在字符类中写了或|，那么这个字符将变成普通字符，而不是逻辑或。原因是在字符类中的每个字符都是或的关系，所以没必要再加一个或的运算符，所以|会自动被当成普通字符。看一下下面的代码：

python 复制代码

import re
a = "a1|2c2|3\\3"
b = re.findall(r'[abc|]\d', a)
c = re.findall(r'[abc\|]\d', a)
print("b = {}, c = {}".format(b, c))
# 输出结果：b = ['a1', '|2', 'c2', '|3'],
# c = ['a1', '|2', 'c2', '|3']

到这里这一章就结束了，这一章没什么新的内容其实，只是将之前学到的内容在稍微的复杂化一下，在下一章中，我们将会讨论元字符，这也不是什么新的内容，我们一直在用，只是没有明确的说明。