正则表达式
什么是正则表达式
正则表达式就是匹配字符串内容的一种规则。
官方定义:正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。
在线测试工具 http://tool.chinaz.com/regex/
字符组
0123456789] |
|
True |
在一个字符组里枚举合法的所有字符,字符组里的任意一个字符和"待匹配字符"相同都视为可以匹配 |
0123456789] |
|
alse |
于字符组中没有"a"字符,所以不能匹配 |
0-9] |
|
rue |
可以用-表示范围,[0-9]就和[0123456789]是一个意思 |
a-z] |
|
rue |
样的如果要匹配所有的小写字母,直接用[a-z]就可以表示 |
A-Z] |
|
rue |
A-Z]就表示所有的大写字母 |
0-9a-fA-F] |
|
rue |
以匹配数字,大小写形式的a~f,用来验证十六进制字符 |
字符
. |
匹配除换行符以外的任意字符 |
\w |
匹配字母或数字或下划线 |
\s |
匹配任意的空白符 |
\d |
匹配数字 |
\n |
匹配一个换行符 |
\t |
匹配一个制表符 |
\b |
匹配一个单词的结尾 |
^ |
匹配字符串的开始 |
$ |
匹配字符串的结尾 |
\W |
配非字母或数字或下划线 |
\D |
配非数字 |
\S |
配非空白符 |
a|b |
配字符a或字符b |
() |
配括号内的表达式,也表示一个组 |
[...] |
配字符组中的字符 |
[^...] |
配除了字符组中字符的所有字符 |
量词
* |
重复零次或更多次 |
+ |
重复一次或更多次 |
? |
重复零次或一次 |
{n} |
重复n次 |
{n,} |
重复n次或更多次 |
{n,m} |
重复n到m次 |
? . ^ $
海. |
海燕海娇海东 |
海燕海娇海东 |
匹配所有"海."的字符 |
^海. |
海燕海娇海东 |
海燕 |
只从开头匹配"海." |
海.$ |
海燕海娇海东 |
海东 |
只匹配结尾的"海.$" |
*+?{}
李.? |
李杰和李莲英和李二棍子 |
李杰 李莲 李二 |
表示重复零次或一次,即只匹配"李"后面一个任意字符 |
李.* |
李杰和李莲英和李二棍子 |
李杰和李莲英和李二棍子 |
表示重复零次或多次,即匹配"李"后面0或多个任意字符 |
李.+ |
李杰和李莲英和李二棍子 |
李杰和李莲英和李二棍子 |
表示重复一次或多次,即只匹配"李"后面1个或多个任意字符 |
李.{1,2} |
李杰和李莲英和李二棍子 |
李杰和 李莲英 李二棍 |
1,2}匹配1到2次任意字符 |
注意:前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配
李.*? |
李杰和李莲英和李二棍子 |
李 李 李 |
惰性匹配 |
字符集[][^]
李[杰莲英二棍子]* |
李杰和李莲英和李二棍子 |
李杰 李莲英 李二棍子 |
示匹配"李"字后面[杰莲英二棍子]的字符任意次 |
李[^和]* |
李杰和李莲英和李二棍子 |
李杰 李莲英 李二棍子 |
示匹配一个不是"和"的字符任意次 |
[\d] |
456bdha3 |
4 5 6 3 |
示匹配任意一个数字,匹配到4个结果 |
[\d]+ |
456bdha3 |
456 3 |
示匹配任意个数字,匹配到2个结果 |
分组 ()与 或 |[^]
^[1-9]\d{13,16}[0-9x]$ |
110101198001017032 |
110101198001017032 |
表示可以匹配一个正确的身份证号 |
^[1-9]\d{13,16}[0-9x]$ |
1101011980010170 |
1101011980010170 |
示也可以匹配这串数字,但这并不是一个正确的身份证号码,它是一个16位的数字 |
^[1-9]\d{14}(\d{2}[0-9x])?$ |
1101011980010170 |
False |
在不会匹配错误的身份证号了()表示分组,将\d{2}[0-9x]分成一组,就可以整体约束他们出现的次数为0-1次 |
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ |
110105199812067023 |
110105199812067023 |
示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14} |
转义符
在正则表达式中,有很多有特殊意义的是元字符,比如\n和\s等,如果要在正则中匹配正常的"\n"而不是"换行符"就需要对"\"进行转义,变成'\\'。
\n |
\n |
False |
为在正则表达式中\是有特殊意义的字符,所以要匹配\n本身,用表达式\n无法匹配 |
\\n |
\n |
True |
义\之后变成\,即可匹配 |
"\\\\n" |
'\\n' |
True |
果在python中,字符串中的''也需要转义,所以每一个字符串''又需要转义一次 |
贪婪匹配
贪婪匹配:在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配
<.*> |
<script>...<script> |
<script>...<script> |
认为贪婪匹配模式,会匹配尽量长的字符串 |
<.*?> |
<script>...<script> |
<script>...<script> |
上?为将贪婪匹配模式转为非贪婪匹配模式,会匹配尽量短的字符串 |
几个常用的非贪婪匹配Pattern
*? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复
{n,m}? 重复n到m次,但尽可能少重复
{n,}? 重复n次以上,但尽可能少重复
...............
原文链接:http://www.cnblogs.com/wangyueping/p/11167516.html