正则表达式

简介

本文将介绍如何在Notepad++，Pycharm和Python中使用正则表达式搜索字符串

使用规则

字符	含义
普通字符	只与自己匹配，作为字面字符
通配符（.）	与除换行符（\r、\n）外的任何单个字符匹配。 Python的re.DOTALL/re.S模式 或 notepad++的“.匹配新行”模式，通配符可以与换行符匹配，Pycharm不支持。
字符集 （-）	匹配范围内的单个字符，例如[pj]、[a-z]、[a-zA-Z0-9]
排除字符集（^）	例如[^abc]与除a、b、c外的其他任何单个字符都匹配
二选一（|）	python|perl 匹配 python或python
子模式（小括号）	例如p(ython|erl)
可选模式（?）	放在子模式后面，将其指定为可选的。例如abc?与ab和abc匹配。 ?默认为贪婪模式，即尽量匹配更长的字符串，从后面添加?可以变为??非贪婪模式
重复模式（*+{ }）	(pattern)*：pattern可重复0、1或多次。 (pattern)+：pattern可重复1或多次。 (pattern){m, n}：模式可重复m~n次，也可以是{n}、{m, }。 * + {m, n} {m, }默认为贪婪模式，即尽量匹配更长的字符串，从后面添加?可以变为*? +? {m, n}? {m, }?非贪婪模式
字符串开头（^）和结尾（$）	例如(^http)与http开头的字符串匹配，(org$)与org结尾的字符串匹配 python默认为单行模式，即^匹配第一行的开头，$匹配最后一行的结尾， re.M或re.MULTILINE（多行模式）^$分别可以匹配每一行文本的开头和结尾。例如在 ‘foo1\nfoo2\n’ 或 ‘foo1\nfoo2’ 中搜索 foo.$，通常匹配 ‘foo2’，但在 MULTILINE 模式下可以匹配到 ‘foo1’。 例如在默认单行模式下’ddddd\nabbbc’搜索’^a.*c$'失败，但多行模式下搜索结果为(6, 11)。 pycharm和notepad++默认且只能是多行模式
\d	匹配所有的十进制数字
\D	匹配所有的非十进制数字（包括换行符）
\s	匹配所有的空白字符（空格、TAB等）
\S	匹配所有的非空白字符（包括换行符）
\w	匹配所有的字母、汉字、数字
\W	匹配所有的非字母、汉字、数字（包括换行符）
\b	（根据例子理解）匹配在单词开始或结尾位置的空字符串。r’\bfoo\b’匹配’foo’, ‘foo.’, ‘(foo)’, ‘bar foo baz’但不匹配’foobar’, ‘foo3’。
\B	（根据例子理解） 匹配不在单词开始或结尾位置的空字符串。r’py\B’匹配’python’, ‘py3’, ‘py2’但不匹配’py’, ‘py.’, ‘py!’。

注意：

1. 匹配特殊字符时，需要使用\进行转义。例如要匹配字符串中’python.org’，因为.是特殊字符（通配符），所以要对其进行转义，表达式应该为’python\\.org’（这里包括两层转义：解释器执行的转义和模块re执行的转义，因为在字符串中\为转义字符，所以\\才表示一个真正的\）,也可以使用原始字符串r’python\.org’
2. （重要）贪婪模式 vs. 懒惰模式（易错）
   经常看到，贪婪模式（默认）寻求最长匹配，懒惰模式寻求最短匹配。直观上，abbb查询ab?? 结果应是a，aaab查询标记a??b结果应是b，但aaab查询标记a??b的结果实际是ab，即这样理解是错误的。
   实际上应该这样理解，懒惰模式一旦找到符合的匹配即作为查询结果返回，贪婪模式（默认）找到符合的匹配后，不断向后添加字符至匹配失败，失败前一步的字符串作为查询结果返回。为了方便理解，可以认为匹配过程是将子串string[s, e]（s从0到n-1，e从s+1到n）与查询串pattern的(1+n)*n/2次比较过程。

Notepad++

windows notepad++换行符是\r\n

“Ctrl+F”，弹出查找窗口，如下图所示

匹配大小写：勾选时匹配大小写
.匹配新行：不勾选时通配符（.）不能匹配（\r、\n），勾选时通配符（.）能匹配（\r、\n）

PyCharm

匹配大小写：勾选时匹配大小写

Python re

re模块官方API
主串：被查询的长字符串；模式串：作为查询关键字的短字符串

compile

# 使用模式串pattern（str类型）构建正则表达式对象
re.compile(pattern, flags=0)

# 常用flag，可以用“|”将多个flag连接起来
# 忽略大小写
re.I
re.IGNORECASE
# 多行模式
re.M
re.MULTILINE
# .匹配新行
re.S
re.DOTALL

search

# 返回第一个位置的 匹配对象（re.Match object） 或 None
# 两种调用方式的函数原型
re.search(pattern, string, flags=0)
Pattern.search(string[, pos[, endpos]])

# 调用方式1（模式串str，主串str，flags）
re.search(pattern, string, flags)
# 调用方式2（模式串str，flags；主串str，开始位置int，结束位置int）
prog = re.compile(pattern, flags)
prog.search(string, pos ,endpos)

# 例如
result = re.search('345', '123456')
print(result.start(), result.end())
# 2 5

prog = re.compile('345')
result = prog.search('123456')
print(result.start(), result.end())
# 2 5

split

# 分割字符串
re.split(pattern, string, maxsplit=0, flags=0)
Pattern.split(string, maxsplit=0)

>>> re.split(r'\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
# 添加括号后，用来分割的字符也将作为返回值
>>> re.split(r'(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split(r'\W+', 'Words, words, words.', 1)
['Words', 'words, words.']
>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9']
>>> re.split(r'(\W+)', '...words, words...')
['', '...', 'words', ', ', 'words', '...', '']

>>> re.split(r'\b', 'Words, words, words.')
['', 'Words', ', ', 'words', ', ', 'words', '.']
# 注意，*是可以匹配到空字符串的（+不能），所以此处的r'\W*'成功匹配8次（包含6次空字符串匹配）
>>> re.split(r'\W*', '...words...')
['', '', 'w', 'o', 'r', 'd', 's', '', '']
>>> re.split(r'(\W*)', '...words...')
['', '...', '', '', 'w', '', 'o', '', 'r', '', 'd', '', 's', '...', '', '', '']
# r'\w*'成功匹配8次（包含7次空字符串匹配）
>>> re.split(r'\w*', '...words...')
['', '.', '.', '.', '', '.', '.', '.', '']
>>> re.split(r'(\w*)', '...words...')
['', '', '.', '', '.', '', '.', 'words', '', '', '.', '', '.', '', '.', '', '']

findall

# 返回pattern在string中所有非重叠匹配的字符串列表
re.findall(pattern, string, flags=0)
Pattern.findall(string[, pos[, endpos]])

# 例如
>>> re.findall(r'\bf[a-z]*', 'which foot or hand fell fastest')
['foot', 'fell', 'fastest']