正则表达式学习笔记(持续更新)

基础部分

• 工具：egrep. egrep '[regular expression]' filename

行首行尾

^ : 标记一行的开始位置
$ : 标记一行的结束位置

# 例子
^cat : 匹配以cat为行首的行，例如 catter
cat$ : 匹配以cat为结尾的行，例如 scat

字符类

匹配任意字符

[...] : 匹配中括号中的任意一个字符，中括号称为字符类

# 例子
gr[ea]y : 匹配 grey 或 gray, r 和 y 之间可以是e或者a
sep[ea]r[ea]te : 匹配 seperate 或 separete 或 separate 或 seperete
<H[123456]> : 匹配 <H1> 到 <H6>， 在html匹配中常见

- : 划定字符范围

# 例子
[1-6]=[123456]
[0-9a-fA-F]=[0123456789abcdefABCDEF]

否定字符类

[^...] : 匹配任意不在中括号中的字符，与 [...] 相反

# 例子：
[^1-6] : 匹配不在 1-6 中的字符
q[^u] : 匹配包含 q~， 其中 ~ 为不是字母u的其他字符的所有行

• 当 ^ 在中括号外面时表示行首标识符；当 ^ 在中括号里面时表示否定运算符

使用 ‘.’ 匹配 任意 字符

. : 匹配任意字符
[.] : 无转义，匹配dot

# 例子：
03.19.76 : 匹配 03~19~76，其中~可以是任意字符
03[-./]19[-./]76 : 以分隔符 . - 或 / 匹配 031976

多个正则表达式

• 考虑如何将多个正则表达式结合到一起

| : 或运算， a | b 表示匹配正则表达式或正则表达式b。为了限定或运算范围，必要时用小括号括起来，例如 (a|b)

# 例子
gr(a|e)y = gr[ae]y
^(From|Subject|Date): 匹配以From:或Subject:或Date:开头的行

使用’?’匹配可选字符

• 考虑匹配 colour 或 color，这里的 u 可选出现或不出现

? : 可选运算，u? 表示匹配出现u或不出现u，作用对象为?的前一个字符

# 例子
colou?r = (color|colour)

匹配重复字符

• 考虑一个字符重复多次： goooooooooooooooooood!，但是次数不定

+ : 匹配一个字符1次或多次（至少1次）
* : 匹配一个字符0次或多次（至少0次）

# 例子：
goo+d: 匹配good,goood,goo...od
goo*d: 匹配god, good, ...
<HR +SIZE *= *[0-9]+ *>: 空格可以出现任意多次

运算符	字符最小出现次数	字符最大出现次数
?	0	1
+	1	无限
*	0	无限

自定义字符重复次数

u{min, max} : 匹配字符u最小重复min次，最大重复max次。尽可能多地统计

# 例子：
[a-zA-Z]{3,8}: 匹配3至8个连续出现的英文字母（尽可能多）

Python re 模块要点

转义字符

• 上述正则表达式规则基于Linux的egrep。针对Python的re模块，另有一些重要的转义字符可以用

字符	功能
\d	匹配数字，即[0-9] 可以写在字符集[…]中
\D	匹配⾮数字，即不是数字 可以写在字符集[…]中
\s	匹配空⽩，即空格，tab键 可以写在字符集[…]中
\S	匹配⾮空⽩字符 可以写在字符集[…]中
\w	匹配单词字符，即[a-zA-Z0-9_] 可以写在字符集[…]中
\W	匹配⾮单词字符 可以写在字符集[…]中

re 模块常用函数及注意事项

待补充
{:.warning}

练习：常用正则表达式(Python re格式)

• 电子邮箱 \w{1,10}\.?\w{1,10}@(163|gmail|qq).com
• 日期 \d{4}[.-/]\d{2}[.-/]\d{2}
• HTTP/HTML URL \<http://[^ ]+\.html?\>

参考资料

• Jeffrey E.F.Friedl, Mastering Regular Expressions
• python——正则表达式(re模块)详解. 版权声明：本文为CSDN博主「nee~」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。