Python入門進階教程-原子

在正則表達式中，存在操做符和操做元，操做符存在優先級，操做元被稱作原子
操做符優先級（由高到低）
（先不用在乎操做符的名稱，雖然也看不太懂）

1. 轉義符號 (Escaping Symbol)：
    \
2. 分組、捕獲 (Grouping or Capturing)：
    (...) (?:...) (?=...) (?!...) (?<=...) (?<!...)
3. 數量 (Quantifiers)
    a* a+ a? a{n, m}
4. 序列與定位（Sequence and Anchor）
    abc ^ $ \b \B
5. 或（Alternation）
    a|b|c
6. 原子 (Atoms)
    a [^abc] \t \r \n \d \D \s \S \w \W .

1. 本義字符

表明的就是它們的字面值，包括從 a 到 z，A 到 Z，0 到 9，還有 _
*注： 非本義字符：\ + . ? - ^ $ | ( ) [ ] { } < >，建議都直接加上轉義符號 \ 來表示**

2 集合原子

標示集合原子，使用方括號 []。
即[abc] 的意思是說，「a or b or c」，即，abc 中的任意一個字符。
在方括號中，咱們可使用兩個操做符：-（區間）和 ^（非）。

- [a-z] 表示從小寫字母 a 到小寫字母 z 中的任意一個字符。
- [^abc] 表示 abc 之外的其它任意字符，即，非 [abc]。

舉：beg[iau]n 可以表明 begin、began，以及 begun。

注：一個集合原子中，^ 符號只能用一次，只能緊跟在 [ 以後。不然不起做用

3. 類別原子

可以表明 「一類字符」 的原子，它們都得使用轉義符號再加上另一個符號表達
\d 任意數字；等價於 [0-9]
\D 任意非數字；等價於 [^0-9]
\w 任意本義字符；等價於 [a-zA-Z0-9_]
\W 任意非本義字符；等價於 [^a-zA-Z0-9_]
\s 任意空白；至關於 [ \f\n\r\t\v]（注意，方括號內第一個字符是空格符號）
\S 任意非空白；至關於 [^ \f\n\r\t\v]（注意，緊隨 ^ 以後的是一個空格符號）
.  除 \r \n 以外的任意字符；至關於 [^\r\n]

小技巧：d 是 digits；w 是 word characters；s 是 spaces

# 舉例
import re

str = '<dl>(843) 542-4256</dl> <dl>(431) 270-9664</dl>'
# 找到字符串中全部"數字-數字"格式的字符，其中第一個數字是三位數，第二個數字是四位數
pttn = r'\d\d\d\-\d\d\d\d'
print(re.findall(pttn, str))

# 輸出
['542-4256', '270-9664']

4. 邊界原子

用邊界原子指定邊界。也能夠稱做 「定位操做符」。

^ 匹配被搜索字符串的開始位置；
$ 匹配被搜索字符串的結束位置；
\b 匹配單詞的邊界；er\b，能匹配 coder 中的 er，卻不能匹配 error 中的 er；
\B 匹配非單詞邊界；er\B，能匹配 error 中的 er，卻不能匹配 coder 中的 er。

注：^ 和 $ 在 Python 語言中被 \A 和 \Z 替代。

# 舉例
import re

str = 'never ever verb however everest'
pttn = r'er\b'
print(re.findall(pttn, str))
pttn = r'er\B'
print(re.findall(pttn, str))

# 輸出
['er', 'er', 'er']
['er', 'er']

5. 組合原子

用圓括號 () 將多個單字符原子組合成一個原子，() 內的字符串將被看成一整個原子

注意：
er 是兩個原子，'e' 和緊隨其後的 'r'
[er] 是一個原子，或者 'e' 或者 'r'；
(er) 是一個原子，'er'

6. 數量操做符

數量操做符有：+ ? * {n, m}。用來限定位於它們以前的原子容許出現的個數，不加數量限定則表明出現一次且僅出現一次

+ 表明前面的原子必須至少出現一次，即： 出現次數 ≧ 1
? 表明前面的原子最多隻能夠出現一次，即：0 ≦ 出現次數 ≦ 1
* 表明前面的原子能夠不出現，也能夠出現一次或者屢次，即： 出現次數 ≧ 0
{n} 表明以前的原子出現肯定的 n 次；
{n,} 表明以前的原子出現至少 n 次；
{n, m} 表明以前的原子出現至少 n 次，至多 m 次

# 匹配字符串
str = ['google', 'gooogle', 'goooogle', 'goooooogle']

# 遍歷字符串
for str_per in str:
    # o最少出現一次 
    pttn = r'go+gle'
    print(re.findall(pttn, str_per))

    # o最多出現一次 
    pttn = r'go?gle'
    print(re.findall(pttn, str_per))

    # o出現次數≧ 0
    pttn = r'go?gle'
    print(re.findall(pttn, str_per))

    # o出現至少2次，至多5次
    pttn = r'go{2,5}gle'
    print(re.findall(pttn, str_per))

    # 進階：聯立組合原子
    # g 或者 o 最少出現一次
    pttn = r'[go]+gle'

    # go 最少出現一次
    pttn = r'(go)+gle'
    print(re.findall(pttn, str_per))

7. 或操做符 |

或操做符 | 是全部操做符中優先級最低的

import re

str = 'begin began begun begins beginn'
pttn = r'begin|began|begun'
print(re.findall(pttn, str))

# 輸出
['begin', 'began', 'begun', 'begin', 'begin']

注：方括號的 | 不被看成特殊符號，而是被看成 | 這個符號自己。在方括號中的圓括號，也被看成圓括號 () 自己，而無分組含義。

關於更多python進階知識，敬請期待！