正则表达式简记

2015-03-11

在线测试

• http://www.regexr.com/
• http://www.pyregex.com/
• https://www.debuggex.com/

匹配

• 正则表达式的每个库的实现都可能不同.
• 字符本身是匹配存文本
• . 匹配除换行符外的任意字符
• \ 对正则表达式中有语法含义的字符进行转义, 转义需要注意, 如果后面跟的字符没有语法含义, 这正则表达式的语法检查器会报错.
• [] 表示字符集, 匹配此字符集内任意字符
• [-] 字符区间, 比如数字和字母的区间, 例:[a-f],[0-9], 实质上是ASII顺序的区间, 使用时应该注意, [A-Za-z0-9]也是可以的.
• - 有语法含义,但是只有[]里面才有, 在其他场合是普通字符.
• [^] 取非匹配, 含有这个字符集里面的字符的话, 就不匹配

• 匹配空白符:

  • [\b] 回退符
  • \r 回车符
  • \f 换页符
  • \t 制表符
  • \n 换行符
  • \v 垂直制表符

• 特殊匹配:

  • \d 匹配一个数字字符, 等价于[0-9]
  • \D 匹配一个非数字字符, 等价于[^0-9]
  • \w 等价于[a-zA-Z0-9]
  • \W 等价于[^a-zA-Z0-9]
  • \s 任一空百符, 等价于[\f\n\r\t\v]
  • \S 等价于[^\f\n\r\t\v]
  • ^ 匹配行(字符串)开始
  • $ 匹配行(字符串)结束
  • ^& 表示空行
  • ^.*& 表示全文

• 单词边界:

  • \b 单词边界, 用\b围绕意味着需要该表达式是一个单词.
  • \B 不是单词表姐, 比如\B-\B表示一个前后都不是单词边界的连字符

• 后缀:

  • + 匹配重复出现的字符, 如[0-9]+, 匹配一个或多个数字; 这意味着要用\+匹配”+”本身.
  • * 匹配重复出现的字符, 0或多个
  • ? 要么出现, 要么不出现
  • {} 指定重复次数的匹配, 比如{6}表示重复6次
  • {a,b} 指定指定重复次数的区间, 闭区间[a,b]
  • {a,} 指定至少重复a次
  • $ 表示匹配后的字符串不应该有其他字符, 即, 匹配是发生在字符串最后的
• 懒惰型后缀表示尽快符合下一个匹配条件, 而不无限制地往后推

• 懒惰型后缀:

  • *? 对应*
  • +? 对应+
  • {n,}? 对应{n,}

• 前缀:

  • ^ 表示匹配检查从字符串开头开始
  • (?m) 在分行匹配的正则表达式实现中, 要求表达式的匹配中首行开始, 否则不匹配
• () 字表达式, 会被当做独立元素
• | 或表达式, 比如(19|20)匹配19或20
• \1 回溯引用用, 表示引用整个表达式的第一个子表达式, 这子表达式匹配了什么, 这里也得匹配什么, 否则整个表达式不匹配

替换

• 替换操作中, 通常用一个表达式搜索, 用另一个表达式转换, 此时可用$n引用搜索表达式中的第n个子表达式, 据此保留在搜索表达式中被匹配的字符

• 提换中, 进行大小写转换的元字符

  • \E 结束转换
  • \l 把下一个字符转换为小写
  • \L 把\L到\E之间的字符全部转换为小写
  • \u 转换为大写
  • \U 把\U到\E之间的字符全部转换为大写
• ?= 向前查找, 用它修饰子表达式, 表示这个子表达式能匹配上就好了, 不作为结果返回
• ?<= 向后查找, 比如(?<=\$)[0-9]+匹配”$”后面的实数(价格)

• 向前向后查找的一个综合例子:

  • (?<=<[tT][iI][tT][lL][eE]>).*(?=</[tT][iI][tT][lL][eE]>)匹配

• 取非前后查找:

  • ?! 负向前查找
  • ?<! 负向后超早
  • 比如?<!$)\d+\b会匹配数字, 而不会匹配$开头的价格

• 条件表达式:

  • ?(backer-ference)true-regex|fulse-regex)

• 先后查找条件:

  • (?(?=-)-\d{4})如果有’-‘, 则要求’-‘后面有4个数字

• 零度断言:

  • ^ 匹配行开始的位置
  • $ 匹配行结束的位置
  • \A 匹配必须出现在字符串的开头
  • \Z 匹配必须出现在字符串的结尾或字符串结尾处的换行符\n之前
  • \z 匹配必须出现在字符串的结尾
  • \G 匹配必须出现在上一个匹配结束的地方
  • b 匹配单词的开始或结束位置
  • \B 匹配不是单词的开始或结束位置

• 常见正则表达式例子:

  • IP地址: ((\d{1,2})|(|\d{2})|(2[0-4]\d)|(25[0-5]))\.){3}((\d{1,2}|(|\d{2})|(2[0-4]\d)|(25[0-5]))
  • URL: https?://[-\w.]+(:\d+)?(/([\w/-.]*)?)?
  • 完整的URL: https?://(\w*:\w*@)?[-\w.]+(:\d+)?(/([\w/-.]*(\?\S+)?)?)?
  • 邮件地址: (\w+\.)*\w+@(\w+\.)+[A-Za-z]+

编程

Python

具名的子表达式

import re
test_pt = r'\d+(?P<inc>[A-Za-z]+)\d+'
example_str = '1234Google4567'
ret = re.search(test_pt,example_str)
if ret:
	print ret.group('inc')

Reference:

• [1]: 伯乐在线 - programmer_lin. 55分钟学会正则表达式