正则表达式

Python中使用re模块来处理正则表达式。

元字符

1）元字符

元字符	匹配内容
.	匹配任意字符，除了换行符
\w	匹配非单词字符
\s	匹配空白字符，包括空格、制表符、换页符等
\d	匹配数字字符
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的边界
\W	匹配非单词字符
\S	匹配非空白字符
\D	匹配非数字字符
^	匹配字符串的开始
$	匹配字符串的结束
a|b	匹配a或b
[...]	匹配 [...] 中的字符
[^...]	匹配不在 [...] 中的字符
()	分组使用，匹配括号中的内容

2）量词

量词	解释
*	匹配0个或多个前面的那一项
+	匹配1个或多个前面的那一项
?	匹配0个或1个前面的那一项
{n}	匹配重复 n 个前面的那一项
{n,}	匹配至少 n 个前面的那一项
{n,m}	匹配 n 到 m 个前面的那一项

3. 字符组

有时也会出现各种字符组成的字符组，这在正则表达式中使用[]表示，如下所示：

字符组	解释
[0-9]	匹配数字字符
[a-z]	匹配小写字母
[A-Z]	匹配大写字母
[a-zA-Z]	匹配大小写字母
[a-zA-Z0-9]	匹配大小写字母和数字字符
[0-9a-fA-F]	用来验证16位十六进制数

4）修饰符

修饰符	解释
i	使匹配对大小写不敏感
L	使匹配对 Unicode 字符集不敏感
m	多行匹配，影响 ^ 和 $
s	使 . 匹配包括换行在内的所有字符
x	忽略空白字符和 # 开始的注释
g	全局匹配，查找所有匹配的字符串，而不仅仅是第一个

贪婪和非贪婪

正则表达式默认为贪婪匹配，也就是尽可能多的向后匹配字符，比如 {n,m} 表示匹配前面的内容出现 n 到 m 次（n 小于 m），在贪婪模式下，首先以匹配 m 次为目标，而在非贪婪模式是尽可能少的向后匹配内容，也就是说匹配 n 次即可。

贪婪模式转换为非贪婪模式的方法很简单，在元字符后添加“?”即可实现，如下所示：

贪婪模式	非贪婪模式
*	*?
+	+?
?	??
{n}	{n}?
{n,}	{n,}?
{n,m}	{n,m}?

转义

在正则表达式中，如果要匹配元字符，需要使用转义字符，比如要匹配一个圆点，需要使用\.，因为圆点是元字符。

常见转义字符：* + ? ^ $ [] () {} | \ .