正則表達式

1、定義

• 正則表達式是對字符串操做的一種邏輯公式，通常使用正則表達式對字符串進行匹配和過濾
• 正則表達式由普通字符和元字符組成
• 優勢：靈活，功能性強，邏輯性強
• 缺點：上手難，一旦上手，會愛上這個東西
• 工具：各大文本編輯器通常都有正則匹配功能。在線測試網址：http://tool.chinaz.com/regex/

2、普通字符

    普通字符包含大小寫字母、數字。在匹配普通字符時直接寫就好。好比"abc"匹配的就是」abc」

3、元字符

1. 字符組

    用[ ]括起來，在[ ]中出現的內容會被匹配。例如：[abc]匹配a或b或c

• [a-z]：匹配a到z之間的一個字母
• [0-9]：匹配全部阿拉伯數字的一個
• [a-zA-Z0-9]：匹配a-z或A-Z或0-9其中的一個

2. 簡單元字符

• .：匹配換行符之外的任意字符
• \w：匹配字母或數字或下劃線
• \s：匹配任意的空白符
• \d：匹配數字
• \n：匹配一個換行符
• \t：匹配一個製表符
• \b：匹配一個單詞的結尾
• ^：匹配字符串的開始
• $：匹配字符串的結尾
• \W：匹配非字母或數字或下劃線
• \D：匹配非數字
• \S：匹配非空白符
• a|b：匹配字符a或字符b
• ()：匹配括號內的表達式，也表示一個組
• [...]：匹配字符組中的字符
• [^...]：匹配除了字符中字符的全部字符

3. 量詞

• *：重複0次或更屢次
• +：重複一次或更屢次
• ？：重複0次或一次
• {n}：重複n次
• {n, }：重複n次或更屢次
• {n, m}：重複n到m次

4、貪婪匹配與惰性匹配

1. 貪婪匹配

    量詞中的*，+，{}都屬於貪婪匹配，就是儘量多的匹配到結果

str：hello world
reg: h.*
此時匹配的結果：hello world

str：<div>hello</div>
reg：<.*>
此時匹配的結果：<div>hello</div>

 

2. 惰性匹配

    在使用.*後面若是加了"?"則是儘量的少匹配

str：hello world
reg：h.*?
此時匹配的結果：h

 

str：<div>hello</div>
reg：<.*?>
此時匹配的結果：
<div>
</div>

 

 5、分組

    在正則中使用()進行分組。

    例如要匹配一個相對複雜的身份證號。身份證號分紅兩種。老的身份證號有15位，而新的身份證號有18位。而且新身份證號結尾多是x

正則爲：
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$

6、轉義

    在正則表達式中，有不少有特殊意義的元字符，好比\n和\s等。若是要在正則中匹配正常的"\n"而不是換行就須要對"\"進行轉義。

    同理，在python中，對於\n,\s等也是有特殊意義的，若是要獲得"\n"也須要對"\"進行轉義，因此，若是須要匹配字符\n，在正則表達及python表達中須要寫成以下表格形式。

目標	正則	python
\n	\\n	\\\\n

表1  "\n"轉義

    此時能夠利用r"\n"不轉義，即上表中python中正則表達可寫爲：r"\\n"