Python中正则表达式的特殊字符

Python的 re 模块提供了正则表达式匹配的功能,其中经常会用到一些特殊字符,下面罗列它们以及各自的用法。

特殊字符

  • .:匹配除了换行符\n之外的任何字符;
  • ^:匹配字符串的开头(需放到正则表达式开头);
  • $:匹配字符串的结尾(需放到正则表达式结尾);
  • *:匹配前一个表达式0次或多次。例如:ab*可匹配aababbbbbbbbb等;
  • +:匹配前一个表达式1次或多次。例如:ab*可匹配ababbbbbbbbb等;
  • ?:匹配前一个表达式0次或1次。例如:ab?可匹配aab
  • {m}:精确匹配前一个表达式m次。例如:ab{2}c不能匹配abc,但却能匹配abbc实测:可以匹配小于m个,但不能匹配大于m个,Why?,例如:ab{2}可以匹配abbbbbc,So精确模式?
  • {m,}:匹配前一个表达式至少m次,贪婪模式(尽可能多的匹配);
  • {m,n}:匹配前一个表达式m到n次,贪婪模式;
  • {m,n}?:匹配前一个表达式m到n次,非贪婪模式(尽可能少的匹配);
  • […]:用来表示一组字符
    • 匹配其中的单个字符。例如:[abc]将会匹配abc
    • 匹配一个范围,通过-表示。例如:[a-z]表示匹配任何小写字母,[0-9][0-9]表示匹配任意二位数字
    • [^…]将匹配不在[]中的字符。例如:[^abc]将匹配除了abc之外的字符。
  • a|b:匹配ab
  • (…):匹配括号内的表达式,作为一个整体;
  • \w:匹配字母数字及下划线,等价于[a-zA-Z0-9_]
  • \W:匹配非字母数字及下划线,等价于[^a-zA-Z0-9_]
  • \s:匹配任意空白字符,等价于[\t\n\r\f\v][1]
  • \S:匹配任意非空字符,等价于[^\t\n\r\f\v]
  • \d:匹配任意数字,等价于[0-9]
  • \D:匹配任意非数字,等价于[^0-9]

巧用?

正则表达式中*+?都是贪婪的,它们尽可能多的匹配,但实际使用中有时并不可取。通过对其加一个?来限制匹配的次数,达到非贪婪的效果。
例如,原文本为:

str = ‘AAsuixinBBAAsuixinBB’

使用贪婪表达式

1
2
res = re.search(r'AA(.+)BB', str)
print(res.group())

将会输出

1
AAsuixinBBAAsuixinBB

使用非贪婪模式

1
2
res = re.search(r'AA(.+?)BB', str)
print(res.group())

将会输出

1
AAsuixinBB

.+?.*?

  • 都是非贪婪匹配任意字符;
  • .+?必须匹配到至少一个任意字符,而.*?可以匹配到0次。例如,合理使用Python中正则表达式的特殊字符,无论‘合理’与‘使用’之间有没有‘的’,使用.*?均可匹配到结果,而使用.+?将返回None。

re中常用的四个函数findall,match,search和sub

re.findall(pattern, string, flags=0)

在string中从左到右匹配所有符合情况的字符串,返回一个list,如果没有匹配到,则返回一个空的list。其中flags表示匹配模式,比如忽略大小写,多行模式等。

re.match(pattern, string, flags=0)

从字符串开头进行匹配,返回“匹配对象”,如果未匹配到,则返回None。
“匹配对象”:布尔值为True,使用.group().group(0)返回匹配得到的字符串,使用.group(1)返回匹配的第一个括号内的字符串,依次类推……使用.start().end()分别返回匹配开始和结束的位置。

re.search(pattern, string, flags=0)

在字符串任意位置进行匹配,查到第一个符合pattern的字符串,返回“匹配对象”,如果未匹配到,则返回None。

re.sub(pattern, repl, string, count=0, flags=0)

返回将string中匹配的pattern替换为repl后的字符串,如果未匹配到则返回string。count表示可替换的最大次数,默认为0表示所有的都将被替换。

参考

https://docs.python.org/3/library/re.html
http://www.runoob.com/python/python-reg-expressions.html


[1] ‘\r’: 换行,光标在上一行;’f’: 换页符;’\v’: 垂直制表符。