常用正则表达式

　　下面的例子默认以 python 为实现语言，用到 python 的 re 模块或  regex 库。

• 正则表达式的文档。

（1）、正则表达式30分钟入门教程

（2）、另一个不错的入门教程。

（3）、揭开正则表达式的神秘面纱，个人觉得这篇文章对Multiline的讲解特别到位，截图如下：

• 提取双引号及之间的内容。

（1）、用re.findall。

text = '''abc"def"ghi'''
re.findall(r'".+"', text)
#结果
['"def"']

（2）、用re.search。

>>> text = '''abc"def"ghi'''
>>> re.search(r'"(.+)"', text).group(0)
'"def"'

• 提取双引号之间的内容。规则: (pattern)

（1）、用re.findall。

text = '''abc"def"ghi'''
re.findall(r'"(.+)"', text)
#结果
['def']

与1的区别是在需要返回的内容两边加上了括号。

（2）、用re.search。

>>> text = '''abc"def"ghi'''
>>> re.search(r'"(.+)"', text).group(1)
'def'

• 效果同2。规则: (?<=pattern)、(?=pattern)

text = '''abc"def"ghi'''
re.findall(r'(?<=").+(?=")', text)
#结果
['def']

• C++中三种正则表达式比较(C regex，C ++regex，boost regex)。

• 查找以某些字符串打头的行。比如查找以+++、---、index打头的行：

#方法一，按行匹配
for i in lst:
    if re.match(r"(---|\+\+\+|index).*", i):
        print i
#方法二，一次性匹配
re.findall(r'^(?:\+\+\+|---|index).*$', content, re.M)
#方法二精简版
re.findall(r'^(?:[-\+]{3}|index).*$', content, re.M)

• 包含/不包含（参考：利用正则表达式排除特定字符串）

（0）、文本内容

>>> print(text)
www.sina.com.cn
www.educ.org
www.hao.cc
www.baidu.com
www.123.com

sina.com.cn
educ.org
hao.cc
baidu.com
123.com

（1）、匹配以www打头的行

>>> re.findall(r'^www.*$', text, re.M)
['www.sina.com.cn', 'www.educ.org', 'www.hao.cc', 'www.baidu.com', 'www.123.com']

（2）、匹配不以www打头的行

>>> re.findall(r'^(?!www).*$', text, re.M)
['', 'sina.com.cn', 'educ.org', 'hao.cc', 'baidu.com', '123.com']

（3）、匹配以cn结尾的行

>>> re.findall(r'^.*?cn$', text, re.M)
['www.sina.com.cn', 'sina.com.cn']

（4）、匹配不以com结尾的行

>>> re.findall(r'^.*?(? 
  
（5）、匹配包含com的行
 
  
>>> re.findall(r'^.*?com.*?$', text, re.M)
['www.sina.com.cn', 'www.baidu.com', 'www.123.com', 'sina.com.cn', 'baidu.com', '123.com']
 
  
（6）、匹配不包含com的行
 
  
>>> re.findall(r'^(?!.*com).*$', text, re.M)
['www.educ.org', 'www.hao.cc', '', 'educ.org', 'hao.cc']

>>> re.findall(r'^(?:(?!com).)*?$', text, re.M)
['www.educ.org', 'www.hao.cc', '', 'educ.org', 'hao.cc']
 
  
 
   
利用分组得到网址的第一级，即去除后面几级。（匹配全部，去除部分）
 
  
 
  
方法一：
 
  
>>> strr = 'http://www.baidu.com/abc/d.html'
>>> re.findall(r'(http://.+?)/.*', strr)
['http://www.baidu.com']
 
  
方法二：
 
  
>>> re.sub(r'(http://.+?)/.*', r'\1', strr)
'http://www.baidu.com'
 
  
 
   
两个有助于理解正则分组的例子。
 
  
 
  
（1）、
 
  
>>> strr = 'A/B/C'
>>> re.sub(r'(.)/(.)/(.)', r'xx', strr)
'xx'
>>> re.sub(r'(.)/(.)/(.)', r'\1xx', strr)
'Axx'
>>> re.sub(r'(.)/(.)/(.)', r'\2xx', strr)
'Bxx'
>>> re.sub(r'(.)/(.)/(.)', r'\3xx', strr)
'Cxx'
 
  
（2）、
 
  
>>> text = 'AA,BB:222'
>>> re.search(r'(.+),(.+):(\d+)', text).group(0)
'AA,BB:222'
>>> re.search(r'(.+),(.+):(\d+)', text).group(1)
'AA'
>>> re.search(r'(.+),(.+):(\d+)', text).group(2)
'BB'
>>> re.search(r'(.+),(.+):(\d+)', text).group(3)
'222'
 
  
 
   
提取含有hello字符串的div。
 
  
 
  
>>> content
''
>>> 
>>> p = r''
>>> re.search(p, content).group()
''
>>> re.findall(p, content)
['"', '"']
>>> for iter in re.finditer(p, content):
	print(iter.group())



>>> 
>>> p = r']+hello.+?>'
>>> re.search(p, content).group()
''
>>> re.findall(p, content)
['', '']
>>> for iter in re.finditer(p, content):
	print(iter.group())


 
  
 
   
据walker猜测：在python3的Unicode字符集下，\s匹配\f\n\r\t\v加全角半角空格，共7个字符。
 
   
如果所使用的工具支持肯定环视（positive lookahead），同时可以在肯定环视中使用捕获括号（capturing parentheses），就能模拟实现固化分组（atomic grouping）和占有优先量词（possessive quantifiers）。
 
   
千分位。
 
  
 
  
（1）、Python
 
  
>>> format(23456789, ',')
'23,456,789'
# 利用肯定逆序环视与肯定顺序环视
>>> re.sub(r'(?<=\d)(?=(?:\d{3})+$)', ',', '2345678')
'2,345,678'
 
  
（2）、JavaScript
 
  
//利用肯定顺序环视（因为js不支持肯定逆序环视）
//结果为"23,456,789"
"23456789".replace(/(\d)(?=(?:\d{3})+$)/g, "$1,")
 
  
 
   
单层嵌套括号（平衡组）
 
  
 
  
>>> import re
>>> line = r'盖层(汽油) 塔里木盆地(学科: 盖层(油气) 学科: 评价) 塔里木盆地'
>>> re.findall(r'\([^()]*(\([^()]*\)[^()]*)*\)', line)
['', '(油气) 学科: 评价']
>>> re.findall(r'\([^()]*(?:\([^()]*\)[^()]*)*\)', line)
['(汽油)', '(学科: 盖层(油气) 学科: 评价)']
 
  
 
   
匹配汉字
 
  
 
  
>>> regex.findall(r'\p{Han}', '孔子/现代价值/Theory of "Knowing"')
['孔', '子', '现', '代', '价', '值']
 
  

 
  
【相关阅读】
 
  
1、Python中的re.search和re.findall之间的区别和联系
 
  
2、正则表达式测试：regex101、regexr。
 
  
3、Python的regex模块——更强大的正则表达式引擎
 
  
4、桌面工具：RegexBuddy
 
  
4.1、demo 版下载：SetupRegexBuddyDemo.exe
 
  
4.2、修改注册表：RegexBuddy 4.7.0 x64 评估试用到期，无限试用的办法
 
  
5、Unicode 正则
 
  

 
  
*** walker * Updated 2018-12-01 ***