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

字符	描述
a-z A-Z	匹配小写a-z A-Z
0-9	匹配数字0-9
, . ; ’ !	匹配标点符号, . ; ’ !等

# 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='!'>

非打印字符

字符	描述
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。

# 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'>

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 *。

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。
.	匹配任意字符，除了换行符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。
\B	匹配非单词边界。
\cx	匹配由 x 指明的控制字符。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配字母、数字、下划线。等价于’[A-Za-z0-9_]'。
\W	匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。
^	匹配输入字符串的开始位置。
$	匹配输入字符串的结束位置。
a|b	匹配a或b。
( )	匹配括号内的表达式，也表示一个组。
\1…\9	匹配第n个分组的内容。
[xyz]	字符集合。匹配所包含的任意一个字符。
[^xyz]	负值字符集合。匹配未包含的任意字符。
[a-z]	字符范围。匹配指定范围内的任意字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。
*	匹配前面的子表达式零次或多次。
+	匹配前面的子表达式一次或多次。
?	匹配前面的子表达式零次或一次。
{n}	n 是一个非负整数。匹配确定的 n 次。
{n,}	n 是一个非负整数。至少匹配n 次。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。

# 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'>

下面来看一个邮箱匹配的例子：

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