正则表达式笔记

正则表达式	代表的匹配字符
[0-9]	0123456789任意之一
[a-z]	小写字母任意之一
[A-Z]	大写字母任意之一
\d	等同于[0-9]
\D	等同于[^0-9]匹配非数字
\w	等同于[a-z0-9A-Z_]匹配大小写字母、数字和下划线
\W	等同于[^a-z0-9A-Z_]等同于上一条取非

下面列举一些正则表达式里的元字符及其作用

元字符	说明
.	代表任意字符
|	逻辑或操作符
[ ]	匹配内部的任一字符或子表达式
[^]	对字符集和取非
-	定义一个区间
\	对下一字符取非（通常是普通变特殊，特殊变普通）
*	匹配前面的字符或者子表达式0次或多次
*?	惰性匹配上一个
+	匹配前一个字符或子表达式一次或多次
+?	惰性匹配上一个
?	匹配前一个字符或子表达式0次或1次重复
{n}	匹配前一个字符或子表达式
{m,n}	匹配前一个字符或子表达式至少m次至多n次
{n,}	匹配前一个字符或者子表达式至少n次
{n,}?	前一个的惰性匹配
^	匹配字符串的开头
\A	匹配字符串开头
$	匹配字符串结束
[\b]	退格字符
\c	匹配一个控制字符
\d	匹配任意数字
\D	匹配数字以外的字符
\t	匹配制表符
\w	匹配任意数字字母下划线
\W	不匹配数字字母下划线

组与捕获

1. ()的作用：
   1.捕获()中正则表达式的内容以备进一步利用处理，可以通过在左括号后面跟随?:来关闭这个括号的捕获功能

   import re
   url = 'https://113.215.20.136:9011'
   pattern1 = re.findall(r'(\d{1,3}\.){3}\d{1,3}',url)
   print(pattern1)
   pattern2 = re.findall(r'(?:\d{1,3}\.){3}\d{1,3}',url)
   print(pattern2)
   #运行结果
   ['20.']
   ['113.215.20.136']
   

   2.将正则表达式的一部分内容进行组合，以便使用量词或者|。

2. 反向引用前面()内捕获的内容：

   1. 通过组号反向引用
      每一个没有使用?:的小括号都会分配一个组号，从1开始，从左到右递增，可以通过\i引用前面()内表达式捕获的内容

   import re
   strhtml1  = '
   这是一个标题
   '
   pattern1 = re.findall(r'(.*?)',strhtml1)
   print(pattern1)
   strhtml2  = '
   这是一个标题
   '
   pattern2 = re.findall(r'(.*?)',strhtml2)
   print(pattern2)
   #运行结果
   [('1', '这是一个标题')]
   []
   

   2. 通过组名反向引用前面小括号内捕获的内容
      可以通过在左括号后面跟随?P,尖括号中放入组名来为一个组起一个别名，后面通过(?P=name)来引用 前面捕获的内容。如(? P\w+)\s+(?P=word)来匹配重复的单词。
      通常用在 后台匹配url路由。

3. 注意点：反向引用不能放在字符类[]中使用。

断言与标记
断言不会匹配任何文本，只是对断言所在的文本施加某些约束

常用断言	说明
\b	匹配单词的边界，放在字符类[]中则表示backspace
\B	匹配非单词边界，受ASCII标记影响
\A	在起始处匹配
^	在起始处匹配，如果有MULTILINE标志，则在每个换行符后匹配
\Z	在结尾处匹配
$	在结尾处匹配，如果有MULTILINE标志，则在每个换行符前匹配
(?=e)	正前瞻
(?!e)	负前瞻
(?<=e)	正回顾
(?	负回顾

import re
key = r"
hello world
"
pattern1 = re.findall(r"(?<=
).+?(?=
)",key)
print(pattern1)
#运行结果
['hello world']

url = 'https://113.215.20.136:9011/113.215.6.77/'
pattern = re.findall(r'(?

前瞻回顾的解释

说明	格式	描述
前瞻	exp1(?=exp2)	exp1后面的内容要匹配exp2
负前瞻	exp1(?!exp2)	exp1后面的内容不能匹配exp2
后顾:	(?<=exp2)exp1	exp1前面的内容要匹配exp2
负后顾	(?	exp1前面的内容不能匹配exp2

例如：我们要查找hello，但是hello后面必须是world，正则表达式可以这样写："(hello)\s+(?=world)",用来匹配"hello wangxing"和"hello world"只能匹配到后者的hello

条件匹配
　 (?(id)yes_exp|no_exp):对应id的子表达式如果匹配到内容，则这里匹配yes_exp，否则匹配no_exp

正则表达式的标志

1. 正则表达式的标志有两种使用方法
   　1. 通过给compile方法传入标志参数，多个标志使用|分割的方法,如re.compile(r"#[\da-f]{6}\b", re.IGNORECASE|re.MULTILINE)
   　2. 通过在正则表达式前面添加(?标志)的方法给正则表达式添加标志，如(?ms)#[\da-z]{6}\b
2. 常用的标志
   　re.A或者re.ASCII， 使\b \B \s \S \w \W \d \D都假定字符串为假定字符串为ASCII
   　re.I或者re.IGNORECASE 使正则表达式忽略大小写
   　re.M或者re.MULTILINE 多行匹配，使每个^在每个回车后，每个$在每个回车前匹配
   　re.S或者re.DOTALL 使.能匹配任意字符，包括回车
   　re.X或者re.VERBOSE 这样可以在正则表达式跨越多行，也可以添加注释，但是空白需要使用\s或者[ ]来表示，因为默认的空白不再解释。
   本文参考