Python正则表达式学习笔记（入门）

1. 介绍

正则表达式是一种强大的模式匹配工具，用于处理文本数据。在Python中，我们使用re模块来操作正则表达式。

2. 基本语法

建议先看
"5. re模块函数"了解search和match的区别"和
2.3 特殊字符转义"了解如何应对特殊符号

2.1 字符匹配

1. .: 匹配任意字符（除了换行符 \n）

import re
pattern = re.compile(r"he..o")
result = pattern.match("hello")
print(result.group())  

Output: hello

• []: 匹配方括号内的任一字符

  pattern = re.compile(r"[aeiou]")
  result = pattern.search("Hello")
  print(result.group()) 
  

Output: e

注意：方括号内的字母之间无需空格，因为空格算一个字符，也会参与匹配

• |: 匹配两个或多个模式之一

  pattern = re.compile(r"cat|dog")
  result = pattern.search("I love my cat")
  print(result.group())  
  

Output: cat

2.2 重复匹配

• *: 匹配前一个字符0次或多次

• +: 匹配前一个字符1次或多次

• ?: 匹配前一个字符0次或1次

  pattern = re.compile(r"go*gle")
  result = pattern.match("gooogle")
  print(result.group())  
  

  Output: gooogle

2.3 特殊字符转义

使用\转义特殊字符，如.、*、+等

3. 弱进阶用法

敲黑板：groups() 用于返回捕获组的匹配结果元组，
而 group() 用于返回整个匹配结果或指定编号的捕获组的匹配结果。
要注意的是，捕获组编号从 1 开始计数，而不是从 0 开始。

3.1 分组和捕获

使用圆括号 () 进行分组和捕获

pattern = re.compile(r"(\d+)-(\d+)-(\d+)")
result = pattern.match("2023-11-15")
print(result.groups()) 

Output: (‘2023’, ‘11’, ‘15’)
当内容很重要时，捕获以后可以 方便后面引用

3.2 非捕获组

有时我们需要分组但不捕获，可以使用 (?:...)。

pattern = re.compile(r"Mr (?:John|Doe)")
result = pattern.match("Mr John")
print(result.group())  

Output: Mr John
不重要的内容无需捕获，可以提高程序性能，减少资源占用

3.3 向后引用

使用\1、\2等引用前面捕获的组的内容(再次强调：是内容，而不是格式)

pattern = re.compile(r"(\d+)-\1")
result = pattern.match("2023-2023")
print(result.group()) 

Output: 2023-2023

4. 匹配开始和结尾

• ^: 匹配字符串的开始

• $: 匹配字符串的结尾

  pattern = re.compile(r"^Hello")
  result = pattern.match("Hello, World!")
  print(result.group()) 
  

Output: Hello

pattern = re.compile(r"(World!$)")
result = pattern.search("Hello, World!")
print(result.group())

Output: World!

在正则表达式中，^ 用于匹配一行的开头，而不是整个文本的开头,
当使用 ^ 放在正则表达式的开头时，它表示该模式只匹配行的开头位置。
换句话说，模式必须在行的开头出现才能匹配成功
例如，如果你有一个多行的字符串，每行以数字开头，你可以使用 ^\d 来匹配每行的开头数字。

$ 匹配字符串的结尾,同理

5. re模块函数

• re.match(): 从字符串的开头匹配模式
• re.search(): 在字符串中查找匹配模式的第一个位置
• re.findall(): 返回字符串中所有匹配的模式
• re.sub(): 替换字符串中匹配模式的部分

6. 贪婪与非贪婪匹配

在重复匹配时，加上?可以实现非贪婪匹配。

pattern = re.compile(r"<.*?>")
result = pattern.search("")
print(result.group()) 

Output:

默认情况下，正则表达式是贪婪匹配，也就是它会尽可能地匹配最长的字符串。贪婪匹配会将模式中的量词（如 *、+、?、{}）设置为尽可能多地匹配字符。
例如，正则表达式 a.*b 可以匹配 “afoobarb” 中的整个字符串，而不只是 “a” 和 “b” 之间的部分。

相比之下，非贪婪匹配是匹配尽可能少的字符。它使用量词的非贪婪版本来实现。在正则表达式中，非贪婪模式的量词是加上 ? 符号。
例如，a.*?b 是一个非贪婪匹配模式，它只匹配 “a” 和 “b” 之间的最短字符串。对于 “afoobarb”，匹配结果将是 “afoob”。

7. 预搜索

• (?=...): 正向预查

• (?!...): 负向预查

  pattern = re.compile(r"\d+(?=%)")
  result = pattern.search("42%")
  print(result.group())  
  

Output: 42

正向预查 (?=…) 表示在匹配当前位置之后的内容时，需要满足 … 的条件。但是，正向预查不会消耗字符串，也不会将预查的内容包含在匹配结果中。
负向预查 (?!..) 则表示在匹配当前位置之后的内容时，需要不满足 … 的条件才能匹配成功。与正向预查类似，负向预查也不会消耗字符串，也不会将预查的内容包含在匹配结果中。
相当于先判断后面的字符串是否符合条件决定是否匹配