Python中正则表达式的特殊字符

本文首发于我的个人博客Suixin's Blog

Python的 re 模块提供了正则表达式匹配的功能，其中经常会用到一些特殊字符，下面罗列它们以及各自的用法。

特殊字符

• .：匹配除了换行符\n之外的任何字符；
• ^：匹配字符串的开头（需放到正则表达式开头）；
• $：匹配字符串的结尾（需放到正则表达式结尾）；
• *：匹配前一个表达式0次或多次。例如：ab*可匹配a，ab或abbbbbbbbb等；
• +：匹配前一个表达式1次或多次。例如：ab*可匹配ab或abbbbbbbbb等；
• ?：匹配前一个表达式0次或1次。例如：ab?可匹配a和ab；
• {m}：精确匹配前一个表达式m次。例如：ab{2}c不能匹配abc，但却能匹配abbc。实测：可以匹配小于m个，但不能匹配大于m个，Why?，例如：ab{2}可以匹配abbbbbc，So精确模式？
• {m,}：匹配前一个表达式至少m次，贪婪模式（尽可能多的匹配）；
• {m,n}：匹配前一个表达式m到n次，贪婪模式；
• {m,n}?：匹配前一个表达式m到n次，非贪婪模式（尽可能少的匹配）；
• […]：用来表示一组字符
  • 匹配其中的单个字符。例如：[abc]将会匹配a，b或c；
  • 匹配一个范围，通过-表示。例如：[a-z]表示匹配任何小写字母，[0-9][0-9]表示匹配任意二位数字
  • [^…]将匹配不在[]中的字符。例如：[^abc]将匹配除了a，b和c之外的字符。
• a|b：匹配a或b；
• (…)：匹配括号内的表达式，作为一个整体；
• \w：匹配字母数字及下划线，等价于[a-zA-Z0-9_]；
• \W：匹配非字母数字及下划线，等价于[^a-zA-Z0-9_]；
• \s：匹配任意空白字符，等价于[\t\n\r\f\v]^[1]；
• \S：匹配任意非空字符，等价于[^\t\n\r\f\v]；
• \d：匹配任意数字，等价于[0-9]；
• \D：匹配任意非数字，等价于[^0-9]。

巧用?

正则表达式中*，+和?都是贪婪的，它们尽可能多的匹配，但实际使用中有时并不可取。通过对其加一个?来限制匹配的次数，达到非贪婪的效果。
例如，原文本为：

str = 'AAsuixinBBAAsuixinBB'

使用贪婪表达式

res = re.search(r'AA(.+)BB', str)
print(res.group())

将会输出

AAsuixinBBAAsuixinBB

使用非贪婪模式

res = re.search(r'AA(.+?)BB', str)
print(res.group())

将会输出

AAsuixinBB

.+?与.*?

• 都是非贪婪匹配任意字符；
• .+?必须匹配到至少一个任意字符，而.*?可以匹配到0次。例如，合理使用Python中正则表达式的特殊字符，无论‘合理’与‘使用’之间有没有‘的’，使用.*?均可匹配到结果，而使用.+?将返回None。

re中常用的四个函数findall，match，search和sub

re.findall(pattern, string, flags=0)

在string中从左到右匹配所有符合情况的字符串，返回一个list，如果没有匹配到，则返回一个空的list。其中flags表示匹配模式，比如忽略大小写，多行模式等。

re.match(pattern, string, flags=0)

从字符串开头进行匹配，返回“匹配对象”，如果未匹配到，则返回None。
“匹配对象”：布尔值为True，使用.group()或.group(0)返回匹配得到的字符串，使用.group(1)返回匹配的第一个括号内的字符串，依次类推……使用.start()和.end()分别返回匹配开始和结束的位置。

re.search(pattern, string, flags=0)

在字符串任意位置进行匹配，查到第一个符合pattern的字符串，返回“匹配对象”，如果未匹配到，则返回None。

re.sub(pattern, repl, string, count=0, flags=0)

返回将string中匹配的pattern替换为repl后的字符串，如果未匹配到则返回string。count表示可替换的最大次数，默认为0表示所有的都将被替换。

参考

https://docs.python.org/3/library/re.html
http://www.runoob.com/python/python-reg-expressions.html

---

1. '\r': 换行，光标在上一行；'f': 换页符；'\v': 垂直制表符。 ↩