正则表达式：字符（2）

正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符组成的文字模式。这里的特殊字符也称为元字符，对于不同的元字符，在正则表达式中表达的含义也不相同。

正则表达式的组件可以是单个字符、字符集合、字符范围、字符间的选择或者所有这些组件的任意组合。

普通字符

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

可打印字符

# 匹配字符串中的单个字符a
>>> pattern = r"a"
>>> string = "this is a line!"
>>> re.search(pattern, string)
<re.Match object; span=(8, 9), match='a'>
# 匹配字符串中的单个数字1
>>> pattern = r"1"
>>> string = "1+2=3"
>>> re.search(pattern, string)
<re.Match object; span=(0, 1), match='1'>
# 匹配字符串中的感叹号!
>>> pattern = r"!"
>>> string = "this is a line!"
>>> re.search(pattern, string)
<re.Match object; span=(14, 15), match='!'>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

非打印字符

# 匹配一个换行符
>>> pattern = r"\n"
>>>> string = "I like python.\nI like python too."
>>> re.search(pattern, string)
<re.Match object; span=(14, 15), match='\n'>
1
2
3
4
5

特殊字符

特殊字符在正则表达式中有特殊的含义，如果需要匹配这些特殊字符，则需要在前面添加一个反斜杠\。比如，\\两个反斜杠匹配特殊字符\，\ *匹配特殊字符 *。

特殊字符如何使用的一些例子：

# 匹配所有的数字
>>> string = "123abc456def"
>>> pattern = r"\d+"
>>> re.findall(pattern, string)
['123', '456']

# 匹配组ab出现两次以上的字符串
>>> pattern = r"(ab){2,}"
>>> string = "abcabcababab"
>>> re.search(pattern, string)
<re.Match object; span=(6, 12), match='ababab'>

# 匹配在集合a, b, c中且出现一次以上的字符串
>>> pattern = r"[abc]{1,}"
>>> string = "bcdfghijkl"
>>> re.search(pattern, string)
<re.Match object; span=(0, 2), match='bc'>
>>> pattern = r"[abc]+"
# 用+来代替{1,}，结果等价
>>> re.search(pattern, string)
>>> string = "bcdfghijkl"
<re.Match object; span=(0, 2), match='bc'>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

界定符使用的例子：

# ?=、?!用法
# 匹配数字前面的字母
>>> pattern = r"[abc]+(?=\d+)"
>>> string = "123abc456def"
>>> re.findall(pattern, string)
['abc']
# 匹配字母后的数字
>>> pattern = r"(?<=abc)[0-9]+"
>>> string = "123abc456def"
>>> re.findall(pattern, string)
['456']
1
2
3
4
5
6
7
8
9
10
11

下面来看一个稍微复杂点的例子：

# 邮箱号匹配
>>> pattern = r"\b[\w.%+-]+@[\w.-]+\.[a-zA-Z]{2,6}\b"
>>> string = "python@163.com"
>>> re.search(pattern, string)
<re.Match object; span=(0, 14), match='python@163.com'>
1
2
3
4
5