正则表达式使用笔记
Created: Aug 12, 2020 11:28 AM Tags: Python, RegExp, re, regex
re 模块import re编译标志
ASCII (A)
使几个转义如 \w、\b、\s 和 \d 匹配仅与具有相应特征属性的 ASCII 字符匹配。
DOTALL (S)
使 . 匹配任何字符，包括换行符
IGNORECASE (I)
进行大小写不敏感匹配
re.search('AbC', 'aBc', re.I)
# <re.Match object; span=(0, 3), match='aBc'>LOCALE (L)
进行区域设置感知匹配
MULTILINE (M)
多行匹配，影响 ^ 和 $
VERBOSE (X)
启用详细的正则，可以更清晰，更容易理解。
转义字符反斜杠 \
可以转义已有的通配符，保留原本的字符匹配含义
re.compile("\\section").search("aaa\section")
# None
re.compile(r"\\d").search("aaa\dbbb")
# <re.Match object; span=(3, 5), match='\\d'>通用匹配符.
- 匹配单个字符
re.search('.', 'abc')
# <re.Match object; span=(0, 1), match='a'>+
匹配前一个符号 1 至无穷次
re.search('a+', 'aaab')
# <re.Match object; span=(0, 3), match='aaa'>*
匹配前一个符号 0 至无穷次
re.search('ca*b', 'cb')
<re.Match object; span=(0, 2), match='cb'>?
匹配前一个符号 0 次或 1次
re.search('ca?b', 'caab')
# None{m,n}
匹配前一个符号 m 至 n 次
re.search('c2{4}b', 'c2222b')
# <re.Match object; span=(0, 6), match='c2222b'>[ ]
匹配字符集
re.search('c[A-Z]b', 'cZb')
# <re.Match object; span=(0, 3), match='cZb'>^
匹配行首
re.search('^cb', 'acb')
# None否定
re.search('[^ab]', 'acb')
# <re.Match object; span=(1, 2), match='c'>$
匹配行尾
re.search('c$', 'abc')
# <re.Match object; span=(2, 3), match='c'>|
分割不同的匹配正则
re.search('d$|^a', 'abc')
# <re.Match object; span=(0, 1), match='a'>\d
匹配十进制数字，等价于 [0-9]
re.search('\d+', 'ac12345v')
# <re.Match object; span=(2, 7), match='12345'>补集 **\D**，等价于 [^0-9]
\w
匹配字母以下划线及数字，等价于 [a-zA-Z0-9_]
re.search('\w+', 'ac1v_c%3')
# <re.Match object; span=(0, 6), match='ac1v_c'>补集 **\W**，等价于 [^a-zA-Z0-9_]
\s
匹配空格，等价于 [ \t\n\r\f\v]
re.search('\s+', 's \t p ace')
# <re.Match object; span=(1, 4), match=' \t '>补集 **\S**，等价于 [^ \t\n\r\f\v]
贪婪/非贪婪正则表达式默认会尽可能多的匹配（贪婪）
re.findall('\d+', 'a1234455b')
# ['1234455']更少的匹配需要在贪婪算符后增加 ?
+? *? ?? {m,n}?
re.findall('\d+?', 'a1234455b')
# ['1', '2', '3', '4', '4', '5', '5']回溯灾难
如果在正则内连用两个贪婪匹配算符，可能会导致回溯灾难（Catastrophic Backtracking）
# !!!!!!!!!!!!!!! 谨慎运行 !!!!!!!!!!!!!!!!!!
re.search("(a+)+b", "aaaaaaaaaaaaaaaaaaaaa")
# 会循环尝试所有的组合 (a+)+ 的组合，导致卡死，大概有 O(2^N) 组合
from functools import partial
import timeit
def a(i):
return i, re.search("(a+)+b", "a"*i)
for i in range(15, 25):
print(timeit.timeit(partial(a, i), number=10))
# 0.0691330000000221
# 0.11274059999999508
# 0.16568009999997457
# 0.3310396999999625
# 0.6679392000000348
# 1.4523080000000164
# 2.7366319000000203
# 6.06315950000004
# 10.824507399999959
# 23.64085460000001捕获匹配组捕获分组 (regex)
re.findall("(\d+)", "abc123def234")
# ['123', '234']
re.search("(\d+)", "abc123def234")
# <re.Match object; span=(3, 6), match='123'>分组不捕获 (?:regex)
re.search("(?:\D+)-(\d+)", "abc-234").groups()
# ('234',)分组配置 (?[aiLmsux]:regex)
re.findall("(?i:[a-z]+)", "abc123DEF234")
# ['abc', 'DEF']前项肯定 (?<=regex)
re.search(r"(?<=abc)\d+", "abc123deb").group()
后项肯定 (?=regex)
re.search(r"(\d+(?=abc))", "xbc123abc").group()
前项否定 (?<!regex)
re.search(r"(?<!xbc)\d+", "abc123abc").group()
后项否定 (?!regex)
re.search(r"\d+(?!xbc)", "123abc").group()模块常用方法
re.compile
预编译正则的方法，可以加速程序运行的时间
number_regex = re.compile('[0-9]+')re.escape
把已有的字符串做转义
re.escape('\d')
# '\\\\d'
re.search(re.escape('\d[0-9]'), '121\d[0-9]abc')
# <re.Match object; span=(3, 10), match='\\d[0-9]'>re.findall
查找所有能匹配上的子字符串
re.findall('a+', 'aaaa')
# ['aaaa']
re.findall('a+?', 'aaaa')
# ['a', 'a', 'a', 'a']re.match
匹配后的第一个对象
matched = re.match('a+?', 'aaaa')
# <re.Match object; span=(0, 1), match='a'>
matched.span()
# (0, 1)
matched.group()
# 'a're.search
搜索并返回匹配对象
searched= re.search('(a)(b)', 'aaaab')
# <re.Match object; span=(3, 5), match='ab'>
searched.groups()
# ('a', 'b')re.split
按照 regex pattern 拆分字符
re.split('\s', 'This is a test string')
# ['This', 'is', 'a', 'test', 'string']re.sub
替换正则匹配的文字
可以用 \1 \2 在替换的文本内表示正则的匹配内容，依次为所有捕获的匹配组
re.sub('_', ' ', 'This_is_a_test_string')
# 'This is a test string'
re.sub('([a-z]+)(\d+)', r'\2\1', 'abc123xyz987')
'123abc987xyz'本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
