【python技巧】文本处理-re库字符匹配
目录[*]1. 正则表达式
[*]1.1 测试工具
[*]1.2 限定符
[*]1.3 字符集
[*]1.4 运算符
[*]1.5 元字符
[*]1.6 懒惰匹配和贪婪匹配
我们读取文件内容，肯定不是单纯为了输出或者重新写入，对于文本我们一定有一些查找、定位的需求。
在Python中，还有一个专门用于文本处理的库，那就是re库。
下面我会介绍re库涉及的正则表达式的基本知识。
参考课程
1. 正则表达式
正则表达式是用来进行字符串匹配的一个字符形式。
1.1 测试工具
常见的正则表达式测试工具有：
[*]regex101
[*]代码编辑器搜索栏的正则表达式匹配
1.2 限定符
[*]?
abc?表示字符c需要出现0次或者1次，或者换句话说，字符c至多出现一次。也就是说，abc?相当于abc和ab这两个字符串。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/1-%EF%BC%9F%E7%9A%84%E4%BD%BF%E7%94%A8.png
[*]*
ab*c表示字符b需要出现0次或者多次，或者换句话说，字符b可以出现任意多次。也就是说，ab*c相当于ac、abc、abbc、ab……bc等多个字符串。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/2-%E6%98%9F%E5%8F%B7%E4%BD%BF%E7%94%A8.png
[*]+
ab+c表示字符b需要出现1次或者多次，或者换句话说，字符b至少出现一次。也就是说，ab+c相当于abc、abbc、ab……bc等多个字符串。
注意ab*c和ab+c的细微区别。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/3-%2B%E7%9A%84%E4%BD%BF%E7%94%A8.png
[*]{}
[*]{num}
ab{3}c表示字符b需要出现3次，或者换句话说，字符b只能出现2次。也就是说，ab{2}c相当于abbc这一个字符串。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/4-%7B%7D%E7%9A%84%E4%BD%BF%E7%94%A8.png
[*]{num1,num2}
ab{2,5}c表示字符b需要出现2或3或4或5次，也就是说，ab{2,5}c相当于abbc、abbbc、abbbbc、abbbbbc这四个字符串。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/4-%7B%7D%E7%9A%84%E4%BD%BF%E7%94%A8-2.png
[*]{num,}
ab{2,}c表示字符b需要出现2次及以上，也就说，ab{2,}c相当于abbc、abbbc、abbbbc、ab……bc等无数个字符串。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/4-%7B%7D%E7%9A%84%E4%BD%BF%E7%94%A8-3.png
1.3 字符集
在正常情况下，上述的限定符只会对其前面的一个字符起作用。如果想要某个字符串作为一个组合，可以使用字符集。
(ab)+c表示字符串ab需要出现1次或者多次，或者换句话说，字符串ab至少出现一次。也就是说，(ab)+c相当于abc、ababc、abababc、ab……abc等多个字符串。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/5-%E5%AD%97%E7%AC%A6%E9%9B%86%E5%90%88.png
1.4 运算符
[*]|
a(b|d)c表示字符串b出现1次或者字符串d出现1次，也就是说，a(b|d)c相当于abc、adc这两个字符串。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/6-%E6%88%96%E7%9A%84%E4%BD%BF%E7%94%A8-1.png
a(boy|girl)c也同样适用，相当于aboyc或者agirlc这两个字符。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/6-%E6%88%96%E7%9A%84%E4%BD%BF%E7%94%A8-2.png
[*][]
[]表示匹配字符能选择的范围，成为字符类，例如,+只会匹配a\b\c这三个字母出现一次或多次的字符串，而一般更经常使用的是*表示由大小写字母和数字组成的字符串，*表示由大小写字母、数字和下划线组成的字符串。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/7-%E5%AD%97%E7%AC%A6%E7%B1%BB%E7%9A%84%E4%BD%BF%E7%94%A8.png
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/7-%E5%AD%97%E7%AC%A6%E7%B1%BB%E7%9A%84%E4%BD%BF%E7%94%A8-2.png
[*]^
^表示取反字符类，也就是说，[^a-zA-Z0-9]*表示除了大小写字母、数字符号以外的其他字符出现一次或多次的字符串。
https://cdn.jsdelivr.net/gh/cyl173/Imagebed/8-%5E%E7%9A%84%E4%BD%BF%E7%94%A8.png
[*]\
\.表示转置，把一些有特殊意义的字符转变为实际字符
[*]\b
\b表示字符边界
1.5 元字符
[*]\d数字字符
[*]\D非数字字符
[*]\w单词字符，包括英文字母、数字、下划线
[*]\W非单词字符
[*]\s空白字符，包括空格、制表符、换行符
[*]\S非空白字符
[*].任意字符，不包含换行符
[*]^匹配字符串的开头，例如^a匹配行首的a
[*]$匹配字符串的结尾，例如x$匹配行尾的x
1.6 懒惰匹配和贪婪匹配
[*]贪婪匹配
默认匹配尽可能多的字符。
[*]懒惰匹配
例子：匹配之间的任意字符，而则会使用懒惰匹配
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]