python 正則表達式

正則表達式描述了一種字符串匹配的模式。

1 爲何要使用正則表達式

a. 數據驗證

驗證手機號，銀行卡號等。

b. 替換文本

正則查找特定源文本，將其替換爲目標文本。

c. 提取子串

從給定字符串中提取目標子串。

2 正則表達式-語法

\s  匹配任何單個空白字符，包括tab鍵和換行符。

\S  匹配任何非空白字符。

\w  匹配包括[a-zA-Z0-9_]。（大小寫英文字母、數字、下劃線）

\W  匹配任何非\w中的字符。（除了大小寫英文字母、數組、下劃線以外的特殊字符）

\d  匹配包括[0-9]的數字。

\D 匹配任何非\d的數字。

a. 特殊字符

$  匹配字符串的結束位置，若設置了匹配的多行屬性，$也匹配\n,\r。

^  匹配字符串的開始位置。 

()  標記子表達式的開始和結束。

+  匹配前面的子表達式1次或屢次。

*  匹配前面的子表達式0次或屢次。

?  匹配前面的子表達式0次或1次。

\  將下一個字符標記爲或特殊字符，或原義字符，或反向引用。例如：\n匹配換行符，\1表示同前面的括號子表達式。

.  匹配除了換行符\n以外的任意單字符。

|  標記兩項之間的選擇。

[  方括號表達式的開始標記。

{  標記限定表達式的開始。

b. 限定符

限制匹配次數。

*  匹配前面的子表達式0次或屢次。

+  匹配前面的子表達式1次或屢次。

?  匹配前面的子表達式0次或1次。

{n}  準確匹配，匹配前面的子表達式n次。

{n,}  匹配前面的子表達式至少n次。

{n,m}  匹配前面的子表達式，至少n次，至多m次。

*和+限定符都是貪婪的，它們儘量多的匹配字符。只有在它們後面加一個?，就能實現非貪婪或最小匹配。

例：對於正則 [a-z]+，若對字符串abcde匹配，則會盡量匹配最長的結果，即貪婪匹配，匹配結果爲：abcde。如果對abcde使用正則[a-z]+?匹配，則會匹配最短知足條件的結果，爲a

c. 定位符

$  標記字符串的開始。

^  標記字符串的結尾。

\b  匹配一個單詞的邊界。即單詞與空格之間的位置。

例如：

/\bHel/  能夠匹配 "Hello World"，可是不能匹配"Haahel World"，由於Hel須要出如今單詞的開頭。

/Hel\b/ 沒法匹配"Hello World"，可是能夠匹配"ollHel World"，由於Hel須要出如今單詞的末尾。

\B  匹配非單詞的邊界。

例如：

/\BHel/  能夠匹配 "HaaHelooo World"，也能夠匹配 "oooHelHello World"，可是不能匹配"Hello World"，由於Hel匹配單詞的非邊界。

所以，\B非單詞邊界運算符，與位置無關，匹配不關心是在單詞的開頭仍是結尾。

3 選擇

用圓括號將一些項括起來，相鄰選擇項之間用 | 分隔。可是使用圓括號有一個缺點，就是相關的匹配會被緩存，此時能夠用?:加在第一個選項的前面，從而消除這種反作用。

例如：匹配AABA格式的字符串，且將A提取出來，定義正則="(\w)\1(?:\w)\1"，能夠知足要求。

4 反向引用

就是對前面出現的分組進行再一次引用。反向引用最有用的應用就是匹配字符串中重複出現的內容。

例如：匹配AA形式的字符串，定義正則="(\w)\1"，使用反向表達式\1表示引用前面的子表達式\w，而不用重複寫，尤爲在正則表達式比較繁雜的時候更有效。

5 re模塊

re.compile(pattern, flags)能夠編譯正則表達式，其中flags是以下一些常量參數，若是要設置多個，能夠用|分隔，例如：re.compile(r"^abc(\d)898$", re.I|re.M)，表示不區分大小寫，而且採用多行匹配。

r 表示原字符串的意思，不用加轉義字符。

re.I  ignorecase，表示不區分大小寫。

re.M multiline，表示多行匹配。

6 捕獲組與非捕獲組（正向預查，反向預查）

(pattern) 捕獲組，表示匹配pattern而且捕獲匹配結果。

例：this (is) a (happy) day  的意思是：匹配 this is a happy day，而且有兩個字模式匹配 is 與 happy，而且這兩個子模式的匹配會存儲下來。

(?:pattern) 非捕獲組，匹配pattern可是不須要捕獲匹配結果。消耗字符。

例：this (?:is) a (?:happy) day  的意思是：匹配 this is a happy day，而且有兩個字模式匹配 is 與 happy，可是這兩個子模式的匹配不存儲。

(?=pattern) 非捕獲組，正向確定預查。lookahead，在任何匹配pattern的字符串開始處匹配查找字符串，匹配結果不存儲，預查不消耗字符。

例：hello(?=world)  的意思是：匹配hello，且後面緊跟的是world。

(?!pattern) 非捕獲組，正向否認預查。lookahead，在任何不匹配pattern的字符串開始處匹配查找字符串，匹配結果不存儲，預查不消耗字符。

例：[0-9a-z]{2}(?!aa)  的意思是：匹配2個字符，且後面緊跟的不是aa。

例：a(?!a)  的意思是：匹配a，且a後面跟的不是a。

(?<=pattern) 非捕獲組，反向確定預查。lookbehind，與正向確定預查相似，只是方向相反。pattern中不能有+,*等不定長度的量詞。預查不消耗字符。

例：(?<=hello)world  的意思是：匹配world，且world前面是hello。

(?<!pattern) 非捕獲組，反向否認預查。lookbehind，與正向否認預查相似，只是方向相反。pattern中不能有+,*等不定長度的量詞。預查不消耗字符。

例：(?<!hello)world  的意思是：匹配world，且world前面不是hello。

7 實例解析

a. 檢測密碼強度

• 強密碼(必須包含大小寫字母和數字的組合，不能使用特殊字符，長度在 8-10 之間)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z])[a-zA-Z0-9]{8,10}$。使用了正向確定預查，可使用.*，且預查不消耗字符。

• 強密碼(必須包含大小寫字母和數字的組合，可使用特殊字符，長度在 8-10 之間)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$。使用了正向確定預查，可使用.*，且預查不消耗字符。