一、正则表达式语法
（一） 字符与字符类
特殊字符
\.^$?+*{}[]()| 为特殊字符，若想要使用字面值，必须使用 \ 进行转义
字符类 []
[] 匹配包含在方括号中的任何字符。它也可以指定范围，例：
[a-zA-Z0-9]表示a到z，A到Z，0到9之间的任何一个字符[u4e00-u9fa5]匹配 Unicode 中文[^\x00-\xff]匹配双字节字符（包括中文）
在 [] 中：
[^]表示否定字符类，比如[^0-9]表示可以匹配一个任意非数字的字符^放在第一个位置表示否定，放在其他位置表示字面值\表示转义-放在中间表示范围，放在其他位置表示字面值- 其他特殊字符不再具备特殊意义，都表示字面值
- 字符类内部可以使用速记法，比如
\d \s \w
速记法
.可以匹配除换行符之外的任何字符，如果有 re.DOTALL 标志，则匹配任意字符包括换行\d匹配一个 Unicode 数字，如果有 re.ASCII 标志，则匹配0-9\D匹配 Unicode 非数字\s匹配 Unicode 空白，如果带有 re.ASCII 标志，则匹配\t\n\r\f\v中的一个\S匹配 Unicode 非空白\w匹配 Unicode 单词字符，如果带有 re.ASCII 标志,则匹配[a-zA-Z0-9_]中的一个\W匹配 Unicode 非单词字符
（二）量词
?0次或1次*0次或多次+1次或者多次{m}m次{m,}至少m次{,n}最多n次{m,n}至少m次，最多n次
注意点：以上量词都是「贪婪模式」，后加 ? 切换为「最小匹配模式」
（三） 断言
断言不会匹配任何文本，只是施加约束。常用断言：
\b匹配单词的边界，放在字符类[]中则表示backspace\B匹配非单词边界，受ASCII标记影响\A在起始处匹配\Z在结尾处匹配^在起始处匹配，如果有 MULTILINE 标志，则在每个换行符后匹配$在结尾处匹配，如果有 MULTILINE 标志，则在每个换行符前匹配
（四）捕获组
()的作用：
()是一个捕获组，可被\N引用，N是序号，以左括号排位决定。\0表示整个匹配的内容。(?:)可以关闭捕获，只用作分组- 使用
|组合多个表达式，表示「或」 (?=...)向前正项匹配，前方必须存在。 如\w+(?=,)匹配apple, banana中的apple(?!...)向前负项匹配，前方必须没有(?<=...)向后正项匹配，后方必须存在(? 向后负项匹配，后方必须没有
命名捕获组：
| 语言 | 命名捕获组 | 搜索中引用 | 替换中引用 |
|---|---|---|---|
| Python | (?P |
\N (?P=name) |
\N \g |
| JavaScript | (? |
\N \k |
$N |
| .NET | (? |
\N \k |
$N ${N} ${name} |
| Perl | (? |
\N \gN \g{N} \g{name} (?N) (?+N) (?-N) (?Name)兼容 .Net Python 的语法 |
$N ${N} $+{Name} |
技巧：
- 在搜索中，若
\12无法表示「第一个捕获组 + 数字2」，可用(?:\1)2或者\1[2]表示 - 在替换中，若
$12无法表示「第一个捕获组 + 数字2」，可以用$1\l2或者$1\u2表示
（五）条件匹配
(?(id)yes_exp|no_exp)：对应id的子表达式如果匹配到内容，则这里匹配yes_exp，否则匹配no_exp- Perl 支持的语法：
(?(N)Yes|No) (?()Yes|No) (?('Name')Yes|No) (?(?=Ahead)Yes|No)
实测 JavaScript 不支持条件匹配
（六）替换语法补充
一些在替换中使用的语法：
| 替换语法 | 作用 |
|---|---|
\l |
下一个字符输出小写 |
\L |
下一串字符输出小写 |
\u |
下一个字符输出大写 |
\U |
下一串字符输出大写 |
\E |
终止 \U 和 \L |
| 语言 | 引用匹配之前的文本 | 引用匹配文本 | 引用匹配之后的文本 |
|---|---|---|---|
| Perl | ${^PREMATCH} | ${^MATCH} |
${^POSTMATCH} |
（七） 标志
传标志方法：
- 正则表达式开头加标志
(?flags)pattern，如(?im)apple表示不区分大小写i或IGNORECASE：忽略大小写，使匹配不区分大小写。m或MULTILINE：启用多行模式s或DOTALL：启用点字符（.）匹配任意字符，包括换行符。s是special的缩写。x或VERBOSE：启用详细模式，忽略空格和注释，可以使用多行形式编写更易读的正则表达式。可以用[ ] \x20 (?-x: )表示空格。x是extended缩写g或GLOBAL: 查找所有符合条件的结果（Python 中不需要）
- python 中 re.compile 的 flags 参数。flags 实质是一个数字，可以用
|按位与传入多个标志re.A或re.ASCIIre.I或re.IGNORECASEre.M或re.MULTILINEre.S或re.DOTALLre.X或re.VERBOSE
注释示例，匹配
pattern = re.compile(r"""(?ix) # i 表示忽略大小写，x 表示开启注释模式
]*? #不是src的属性
src= #src属性的开始
(?P["']) #左引号
(?P[^"'<>]+?) #图片名字
(?P=quote) #右括号
[^>]*? #不是src的属性
> #标签的结束
"""
)
二、Python正则表达式模块
模块级 ：
| 方法、属性 | 作用 |
|---|---|
compile(pattern) |
预先编译正则表达式，返回 re.Pattern 对象 |
search(pattern, string, flags=0) |
查找匹配的部分，返回 re.Match |
match(pattern, string, flags=0) |
从头匹配，返回符合规则的第一个值 re.Match |
fullmatch(pattern, string, flags=0) |
完全匹配（要从头到尾都匹配），返回 re.Match |
split(pattern, string, maxsplit=0) |
用匹配到的内容作为分割符，分割后，返回列表 |
findall(pattern, string) |
查找所有，返回为列表，元素为 str。如果有捕获组，则列表元素为 tuple，包含空结果。 |
finditer(pattern, string) |
查找所有，返回为 re.Match 的迭代器。 |
sub(pattern, repl, string, count=0) |
返回替换后的字符串，repl 可以是一个函数（接收 Match，返回替换后的值） |
subn(pattern, repl, string, count=0) |
返回元组 (new_str, number)，包含了替换次数 |
escape(pattern) |
将特殊字符转义后返回，如 . 会返回 \. |
purge() |
清除缓存 |
re.compile() 可以预先编译正则表达式，返回 re.Pattern 对象，以提高匹配效率
| 方法、属性 | 作用 |
|---|---|
.search(string[, pos[, endpos]]) |
查找匹配的部分，返回 re.Match，pos 和 endpos 限制查找区间 |
.match(string[, pos[, endpos]]) |
|
.fullmatch(string[, pos[, endpos]]) |
|
.split(string, maxsplit=0) |
|
.findall() |
|
.finditer() |
|
.sub(repl, string, count=0) |
|
.subn(repl, string, count=0) |
|
.flags |
|
.groups |
有几个捕获组 |
.groupindex |
一个字典，命名捕获组与序号对应 |
.pattern |
re.Match 对象用于表示正则表达式匹配的结果：
| 方法、属性 | 作用 | |
|---|---|---|
Match.group([group1, ...]) |
返回：捕获组，或多个捕获组 tuple | |
Match[0] |
等同于 group(0) |
|
.group() |
等同于 group(0) |
|
.groups(default=None) |
返回：元组，所有的子捕获组 (1, 2, 3...)。没有捕获到的组返回为 None。 | |
.groupdict(default=None) |
返回：词典，只包含有命名的捕获组 | |
.start() |
返回：匹配的起始位置 | |
.end() |
返回：匹配的结束位置 | |
.span() |
返回：元组 (start, end) | |
.expand(template) |
用捕获到的组将 template 中的组引用展开 |
|
.pos |
匹配开始的索引位置 | |
.endpos |
匹配结束的索引位置 | |
.lastindex |
最后一个捕获组的索引 | |
.lastgroup |
最后一个捕获组的名字 | |
.string |
传入的字符串 |