正则表达式是一种强大的文本模式匹配工具,常用于字符串的匹配、替换、分割等操作。Python内置re模块提供了丰富的正则表达式方法。但是,正则表达式中有许多特殊字符需要特殊处理,掌握这些特殊字符对于使用正则表达式是非常重要的。
一、元字符
元字符是正则表达式中最基本的概念。Python中最常用的元字符包括:.、^、$、*、+、?、{}、|、[]、()。下面我们详细说明这些元字符。
. (点号)
点号可以匹配任意单个字符,但是不能匹配换行符(\n)。例如,正则表达式 a.b 可以匹配字符串 "acb"、"a2b"、"a#b" 等,但不能匹配 "a
b"。
^ (脱字符)
脱字符匹配字符串的开头。例如,正则表达式 ^a 匹配以字母 a 开头的字符串,但是不能匹配 aaaaaa。
$ (美元符号)
美元符号匹配字符串的结尾。例如,正则表达式 a$ 匹配以字母 a 结尾的字符串,但是不能匹配 aaaaaa。
* (星号)
星号表示匹配前面的字符0次或多次。例如,正则表达式 a*b 可以匹配 "b"、"ab"、"aab" 等字符串。
+ (加号)
加号表示匹配前面的字符1次或多次。例如,正则表达式 a+b 可以匹配 "ab"、"aab" 等字符串,但是不能匹配字符串 "b"。
? (问号)
问号表示匹配前面的字符0次或1次。例如,正则表达式 a?b 可以匹配 "b" 和 "ab"两个字符串。
{m,n}
大括号表示匹配前面的字符m次到n次(包括m和n)。例如,正则表达式 a{2,4}b 可以匹配 "aab"、"aaab"、"aaaab" 三个字符串。
| (管道符号)
管道符号表示“或”关系。例如,正则表达式 a|b 可以匹配 "a" 或 "b"。
[] (字符集)
字符集表示匹配方括号中任意一个字符。例如,正则表达式 [abc] 表示匹配字符 "a"、"b" 或 "c"。
() (分组)
圆括号表示将其中的字符看成一个整体,可以在其中使用|、*、+、?、{}等元字符。例如,正则表达式 (ab)+ 可以匹配 "ab"、"abab"、"ababab" 等字符串。
二、转义字符
在正则表达式中,有些特殊字符需要用反斜杠进行转义才能正确匹配。Python中最常用的转义字符包括:\d、\D、\s、\S、\w、\W、\b、\B、\\。
\d
\d 表示匹配所有数字。例如,正则表达式 \d+ 可以匹配任意一个数字串。
\D
\D 表示匹配所有非数字字符。例如,正则表达式 \D+ 可以匹配任意一个非数字串。
\s
\s 表示匹配所有空白字符,包括空格、制表符、换行符等。例如,正则表达式 \s+ 可以匹配任意一个空白符串。
\S
\S 表示匹配所有非空白字符。例如,正则表达式 \S+ 可以匹配任意一个非空白符串。
\w
\w 表示匹配所有字母、数字和下划线。例如,正则表达式 \w+ 可以匹配任意一个标识符。
\W
\W 表示匹配所有非字母、数字和下划线的字符。例如,正则表达式 \W+ 可以匹配任意一个非标识符。
\b
\b 表示匹配单词的边界。例如,正则表达式\b\w+\b 可以匹配任意一个单词。
\B
\B 表示匹配非单词边界。例如,正则表达式\Bcat\B 可以匹配 "concat"、"cat123" 等字符串。
\\
用于转义字符本身。例如,正则表达式 \\+ 可以匹配一个反斜杠。
三、贪婪匹配和非贪婪匹配
正则表达式中的元字符默认是“贪婪”的,即尽可能多地匹配字符。例如,正则表达式 A.*B 可以匹配字符串 "A1B2C3D4B" 中的 A1B2C3D4。
非贪婪匹配也称为懒惰匹配或最小匹配,即尽可能少地匹配字符。在贪婪匹配的元字符后面加上?即可实现非贪婪匹配。例如,正则表达式 A.*?B 可以匹配字符串 "A1B2C3D4B" 中的 A1B2。
四、示例代码
import re # 元字符示例 pattern = "a.b" print(re.match(pattern, "acb")) # 匹配成功 print(re.match(pattern, "a
b")) # 匹配失败 pattern = "^a" print(re.match(pattern, "abcd")) # 匹配成功 print(re.match(pattern, "bcda")) # 匹配失败 pattern = "a$" print(re.match(pattern, "abcd")) # 匹配失败 print(re.match(pattern, "bcda")) # 匹配成功 pattern = "a*b" print(re.match(pattern, "b")) # 匹配成功 print(re.match(pattern, "abab")) # 匹配成功 print(re.match(pattern, "c")) # 匹配失败 pattern = "a+b" print(re.match(pattern, "ab")) # 匹配成功 print(re.match(pattern, "aab")) # 匹配成功 print(re.match(pattern, "b")) # 匹配失败 pattern = "a?b" print(re.match(pattern, "b")) # 匹配成功 print(re.match(pattern, "ab")) # 匹配成功 print(re.match(pattern, "ac")) # 匹配失败 pattern = "a{2,4}b" print(re.match(pattern, "aab")) # 匹配成功 print(re.match(pattern, "aaab")) # 匹配成功 print(re.match(pattern, "aaaab")) # 匹配成功 print(re.match(pattern, "ab")) # 匹配失败 pattern = "a|b" print(re.match(pattern, "a")) # 匹配成功 print(re.match(pattern, "b")) # 匹配成功 print(re.match(pattern, "c")) # 匹配失败 pattern = "[abc]" print(re.match(pattern, "a")) # 匹配成功 print(re.match(pattern, "b")) # 匹配成功 print(re.match(pattern, "d")) # 匹配失败 pattern = "(ab)+" print(re.match(pattern, "ababab")) # 匹配成功 print(re.match(pattern, "ab")) # 匹配成功 print(re.match(pattern, "ac")) # 匹配失败 # 转义字符示例 pattern = "\d+" print(re.match(pattern, "123abc")) # 匹配成功 print(re.match(pattern, "abc")) # 匹配失败 pattern = "\D+" print(re.match(pattern, "123abc")) # 匹配失败 print(re.match(pattern, "abc")) # 匹配成功 pattern = "\s+" print(re.match(pattern, " abc")) # 匹配成功 print(re.match(pattern, "abc")) # 匹配失败 pattern = "\S+" print(re.match(pattern, " abc")) # 匹配失败 print(re.match(pattern, "abc")) # 匹配成功 pattern = "\w+" print(re.match(pattern, "def_123")) # 匹配成功 print(re.match(pattern, "!@#")) # 匹配失败 pattern = "\W+" print(re.match(pattern, "def_123")) # 匹配失败 print(re.match(pattern, "!@#")) # 匹配成功 pattern = r"\b\w+\b" print(re.findall(pattern, "Hello, world!")) # ['Hello', 'world'] pattern = r"\Bcat\B" print(re.search(pattern, "concat")) # None print(re.search(pattern, "cat123")) # None # 贪婪匹配和非贪婪匹配示例 pattern = "A.*B" print(re.match(pattern, "A1B2C3D4B")) # 匹配成功 pattern = "A.*?B" print(re.match(pattern, "A1B2C3D4B")) # 匹配成功