正则表达式

# 正则表达式基础知识# # # # # # 　　使用正则表达式时，能用简单表达式，就不要用复杂的表达式。因为越复杂的正则表达式效率反而不高且易读性极差。# # # # 一.概述# # # 　　正则表达式，Regular# Expression，缩写为regex、regexp、RE等。 正则表达式是文本处理极为重要的技术，用它可以对字符串按照某种规则进行检索、替换。# Thompson将正则表达式引入到Unix中文本编辑器ed和grep命令中，由此正则表达式普# 及开来。# # 二.分类# # # BRE# 　　基本正则表达式，grep、sed、vi等软件支持。vim有扩展。# # ERE# 　　扩展正则表达式，egrep(grep - E)、sed - r等。# # PCRE# 　　几乎所有高级语言都是PCRE的方言或者变种。Python从1# .6# 开始使用SRE正则表达式引擎，可以认为是PCRE# 的子集，见模块re。# # # 三.基本语法# # 1 >.元字符（metacharacter）# # # .# 　　匹配除换行符外任意一个字符。# # [abc]# 　　字符集合，只能表示一个字符位置。匹配除去集合内字符的任意一个字符。# # [ ^ abc]# 　　字符集合，只能表示一个字符位置。匹配除去集合内字符的任意一个字符。# # [a - z]# 　　字符范围，也是集合，表示一个字符位置匹配所包含的字符。类似的还有[A - Z], [0 - 9]。# # [ ^ a - z]# 　　字符范围，也是个集合，表示一个字符位置匹配除去集合内字符的任意一个字符。# # \b# 　　匹配单词的边界。# # \B# 　　不匹配单词的边界。# # \d# 　　[0 - 9]# 匹配1位数字。# # \D# 　　[ ^ 0 - 9]匹配1位数字。# # \s# 　　匹配1位空白字符，包括换行符, 制表符，空格。例如：[\f\r\n\t\v]# # \S# 　　匹配1位非空白字符。# # \w# 　　匹配[a - zA - Z0 - 9# _], 包括中文的字。# # \W# 　　匹配\w之外的字符。# # 2 >.转义# # 凡是在正则表达式中有特殊意义的符号，如果想使用它的本意，请使用\转义。 反斜杠自身，得使用\ \#  \#     \r、\n还是转义后代表回车、换行# 3 >.重复# # # *# 　　表示前面的正则表达式会重复0次或多次。# # +# 　　表示前面的正则表达式至少重复1次。# # ?# 　　表示前面的正则表达式会重复出现0次活1次。# # {n}# 　　重复固定的n次。# # {n, }# 　　重复至少n次。　　# # {n, m}# 　　重复n到m次。# # 4 >.或# # x | y# 　　匹配x或者y。# 5 >.捕获# # # (pattern)# 　　使用小括号指定一个子表达式，也叫分组捕获后会自动分配组号从1开始可以改变优先级。# # \数字# 　　匹配对应的分组。# # (?:pattern)# 　　如果仅仅为了改变优先级，就不需要捕获分组。# # (? < name > exp)# 或(?‘name‘# exp)# 　　命名分组捕获，但是可以通过name访问分组。Python的re标准库愈发必须是(?P < name > exp)。# # 6 >.零宽断言# # (?=exp)# 　　零宽度正预测先行断言，断言exp一定在匹配配的右边出现，也就是说断言后面一定跟个exp。# # (? <= exp)# 　　零宽度正回顾后发断言，断言exp一定出现在匹配的左边出现，也就是说前面一定有个exp前缀。# 7 >.负向零宽断言# # (?!exp)# 　　零宽度负预测先行断言，断言exp一定不会出现在右侧，也就是说断言后面一定不是exp。# # (? < !exp)# 　　零宽度负回顾后发断言，断言exp一定不能出现在左侧，也就是说断言前面一定不能是exp。# 8 >.注释# # (?  # comment)#  　　注释，比如f(?=oo)(?  # 这个后断言不捕获)# 9 >.贪婪与非贪婪（默认就是贪婪模式，也就是说尽量多匹配匹配更长的字符串。）# # # *?# 　　匹配任意次，但尽量可能少重复。# # +?# 　　匹配自少一次，但尽可能少重复。# # ??# 　　匹配0次或1次，但尽可能少重复。# # {n, }?# 　　匹配至少n次，但尽可能少重复。# # {n, m}?# 　　匹配至少n次，至多m次，但尽可能少重复。# # 10 >.引擎选项# # # IgnoreCase# 　　匹配时忽略大小写。# # Singleline# 　　单行模式，可以匹配所有字符，包括\n。# 　　需要注意的是，在单行模式中，"."# 可以匹配所有字符，包括换行符。"^"# 表示整个字符串的开头，“$”整个字符串的结尾。# 　　# Multiline# 　　多行模式， ^ 行首，$行尾。# 　　需要注意的是，在多行模式中，"."# 可以匹配除了换行符之外的字符，多行不影响“.”点号。"^"# 表示行首，“¥”表示行尾，只不过这里的行是每一行。　　# # IgnorePatternWhitespace# 　　忽略表达式中的空白字符，如果要使用空白字符用转义，  # 可以用来做注释。# # 11 >.单行模式和多行模式注意事项# # # 单行模式:# 　　.可以匹配所有字符，包括换行符# 　　 ^ 表示整个字符串的开头，$整个字符串的结尾# # 多行模式:# 　　.可以匹配除了换行符之外的字符，多行不影响.点号# 　　 ^ 表示行首，$行尾，只不过这里的行是每一个行# # 默认模式:# 　　可以看做待匹配的文本是一行，不能看做多行，.点号不能匹配换行符， ^ 和$表示行首和行尾，而行首行尾就# 是整个字符串的开头和结尾# # 单行模式:# 　　基本和默认模式一样，只是.点号终于可以匹配任意一个字符包括换行符，这时所有文本就是一个长长的只有# 一行的字符串。 ^ 就是这一行字符串的行首，$就是这一行的行尾。# # 多行模式:# 　　重新定义了行的概念，但不影响.点号的行为， ^ 和$还是行首行尾的意思，只不过因为多行模式可以识别换行# 符了。"开始"# 指的是\n后紧接着下一个字符;# "结束"# 指的是\n前的字符，注意最后一行结尾可以没有\n# # # 　　简单讲，单行模式只影响.点号行为，多行模式重新定义行影响了 ^ 和$# # 　　注意: 注意字符串中看不见的换行符, \r\n会影响e$的测试，e$只能匹配e\n