文章目录
- r与R
- \b 作为单词的界限
- ' .' 匹配除'\n'外任意字符
- *匹配位于 * 之前的字符或者子模式0次或者多次
- + 匹配+ 之前的字符或者子模式 1次或者多次出现
- - 号运算符
- | 或关系
- ^ 规定开头
- $ 匹配以$ 前面的字符或者模式结束的字符串
- ? 的可选择性与改变“贪心性”
- \ 为转义
- \num 匹配重复出现字符或者模式
分清字符串与字符
r与R
在Python中，前缀 r 或 R 表示原始字符串。这种原始字符串中的反斜杠字符 \ 被视为普通字符，而不是转义字符。这在处理正则表达式、文件路径等需要保留反斜杠原始含义的情况下非常有用。
原始字符串的特点：
-
反斜杠不进行转义： 在普通字符串中，反斜杠具有特殊含义，如
\n表示换行符、\t表示制表符等。但在原始字符串中，反斜杠只是普通字符，如\\会被视为两个反斜杠字符而不是转义字符。 -
常用于正则表达式、文件路径： 在处理正则表达式时，原始字符串非常有用，因为正则表达式经常包含大量反斜杠。同时，处理文件路径时，原始字符串能够避免不必要的转义。
示例：
正则表达式示例：
import re
# 使用原始字符串处理正则表达式
pattern = r'\b\d{3}\b' # 匹配一个三位数的单词
text = "The code is 123 and 4567."
matches = re.findall(pattern, text)
print(matches)
文件路径示例：
path = r'C:\Users\Username\Documents\file.txt'
with open(path, 'r') as file:
content = file.read()
print(content)
这些示例演示了如何使用 r 或 R 前缀创建原始字符串，以便在正则表达式或文件路径等场景中保留反斜杠的原始含义。
有没有r 带来的影响
在Python中，使用 r 前缀与不使用 r 前缀的主要区别是，r 前缀创建的是一个"原始字符串"，其中反斜杠 \ 不会被解释为转义字符。这在处理正则表达式时特别有用，因为正则表达式本身经常包含大量反斜杠。
使用 r 前缀的示例：
pattern = r'(\d{4}-\d{2}-\d{2})\s\1'
这个模式是用来匹配一个日期格式（YYYY-MM-DD），然后后面跟着相同的日期格式，两者之间有一个空格。在原始字符串中，反斜杠 \ 不会被看作是转义字符，而是作为普通字符。所以 \d 表示匹配数字字符，\s 表示匹配空白字符（空格、制表符等），\1 表示引用前面捕获的日期格式。
不使用 r 前缀的示例：
pattern = '(\d{4}-\d{2}-\d{2})\s\1'
在这种情况下，没有使用 r 前缀，因此反斜杠 \ 会被看作是转义字符。这可能导致一些意想不到的结果，因为反斜杠后面的字符可能被解释为特殊字符而非字面意义。 在正则表达式中，\d 代表数字字符，\s 代表空白字符，\1 引用前面捕获的内容。
总的来说，使用 r 前缀创建原始字符串通常更适合于编写正则表达式，因为它可以让反斜杠在字符串中保持原样，避免不必要的转义。
\b 作为单词的界限
当使用 \b 作为单词边界的元字符时，可以结合不同的模式以展示其作用。以下是不同用法的示例代码：
匹配以 “cat” 开头的单词：
import re
text = "The cat and the catfish sat on the catwalk."
pattern_starting_with_cat = r'\bcat\w*'
matches_starting_with_cat = re.findall(pattern_starting_with_cat, text)
print("匹配以 'cat' 开头的单词:", matches_starting_with_cat)
这段代码中的 r'\bcat\w*' 匹配以 “cat” 开头的单词。在给定文本中，它会返回以 “cat” 开头的所有单词，例如 “cat”, “catfish”, “catwalk”。
匹配以 “cat” 结尾的单词：
pattern_ending_with_cat = r'\b\w*cat\b'
matches_ending_with_cat = re.findall(pattern_ending_with_cat, text)
print("匹配以 'cat' 结尾的单词:", matches_ending_with_cat)
这段代码中的 r'\b\w*cat\b' 匹配以 “cat” 结尾的单词。在给定文本中，它会返回以 “cat” 结尾的所有单词，例如 “cat”, “catfish”。
匹配整个单词 “cat”:
pattern_entire_word = r'\bcat\b'
matches_entire_word = re.findall(pattern_entire_word, text)
print("匹配整个单词 'cat':", matches_entire_word)
这段代码中的 r'\bcat\b' 匹配整个单词 “cat”。在给定文本中，它会返回所有独立的 “cat” 单词。
运行这些代码将展示 \b 作为单词边界的不同用法，以便更好地理解其功能。
’ .’ 匹配除’\n’外任意字符
在正则表达式中，. 是一个特殊的元字符，用于匹配除了换行符 \n 之外的任何单个字符。
用法示例：
-
匹配任何单个字符： 正则表达式
.可以匹配任何单个字符，比如字母、数字、标点符号等，除了换行符。 -
结合其他模式使用： 可以将
.与其他模式结合使用，比如a.可以匹配以字母 “a” 开头，后面跟着任何一个字符的字符串。 -
贪婪匹配：
.是贪婪的，它会尽可能多地匹配字符，直到无法匹配为止。
示例：
import re
text = "The cat sat on the mat."
pattern = r'c.t' # 匹配以 "c" 开头，后面是任意字符，然后是 "t"
matches = re.findall(pattern, text)
print(matches) # 输出匹配的内容
在上述示例中，r'c.t' 这个模式将匹配字符串中以 “c” 开头，后面跟着任意字符，然后以 “t” 结尾的部分。在给定的文本中，匹配到的是 “cat”。
. 是一个非常常用的元字符，用于捕获或匹配大多数的单个字符，但需要注意它不能匹配换行符 \n。
*匹配位于 * 之前的字符或者子模式0次或者多次
在正则表达式中，* 是一个量词，用于指示其前面的模式可以出现零次或多次。它表示匹配前面的元素零次或多次。
用法示例：
-
匹配零次或多次：
a*匹配零个或多个 “a”。ab*匹配 “a” 后面跟着零个或多个 “b”。例如，“a”, “ab”, “abb”, “abbb”, 等等。
-
贪婪匹配：
a*是贪婪的，它会尽可能多地匹配 “a”，直到无法匹配为止。
-
结合其他模式使用：
- 可以将
*与其他字符结合使用，比如.*可以匹配任意数量的任意字符（除了换行符）。
- 可以将
示例：
import re
text = "The cat sat on the mat."
pattern = r's.*t' # 匹配以 "s" 开头，后面是零个或多个任意字符，然后以 "t" 结尾
matches = re.findall(pattern, text)
print(matches) # 输出匹配的内容
在上述示例中，r's.*t' 这个模式将匹配字符串中以 “s” 开头，后面跟着零个或多个任意字符，最后以 “t” 结尾的部分。在给定的文本中，匹配到的是 “sat” 和 “sat on the mat”。
* 是一个灵活且常用的量词，用于指示匹配其前面的模式零次或多次，以满足灵活的匹配需求。
+ 匹配+ 之前的字符或者子模式 1次或者多次出现
在正则表达式中，+ 是一个量词，用于指示其前面的模式必须至少出现一次或多次。它表示匹配前面的元素至少一次或多次。
用法示例：
-
匹配一次或多次：
a+匹配一个或多个 “a”。ab+匹配 “a” 后面跟着一个或多个 “b”。例如，“ab”, “abb”, “abbb”, 等等。
-
贪婪匹配：
a+是贪婪的，它会尽可能多地匹配 “a”，直到无法匹配为止。
-
结合其他模式使用：
- 可以将
+与其他字符结合使用，比如.+可以匹配任意数量的任意字符（除了换行符）。
- 可以将
示例：
import re
text = "The cat sat on the mat."
pattern = r's.+t' # 匹配以 "s" 开头，后面是一个或多个任意字符，然后以 "t" 结尾
matches = re.findall(pattern, text)
print(matches) # 输出匹配的内容
在上述示例中，r's.+t' 这个模式将匹配字符串中以 “s” 开头，后面跟着一个或多个任意字符，最后以 “t” 结尾的部分。在给定的文本中，匹配到的是 “sat on the mat”。
+ 用于指示至少要有一个或多个其前面的元素出现，使得匹配更具体并要求至少有一次出现。
注意：+ 号会至少匹配一次，但是* 可以至少匹配0次
- 号运算符
在[ ]里面表示范围
[a-z]//表示小写字母
单单表示连接
当 - 不用作特殊含义时，它只匹配连字符本身而不具备其他特殊作用。
举例：
假设我们有一个文本字符串 “I have a 5-year-old cat”，如果我们使用模式 r'\d+-year-old'，这个模式会匹配包含连字符的短语，比如 “5-year-old”。
在这个例子中，- 只是表示连字符，它并没有特殊的匹配行为。
| 或关系
在正则表达式中，| 称为“管道符”或“竖线”，它用于表示“或”关系。在正则表达式中，| 用于匹配多个模式中的任何一个。
用法示例：
-
匹配多个模式之一：
cat|dog匹配包含 “cat” 或 “dog” 中任何一个的字符串。yes|no匹配包含 “yes” 或 “no” 中任何一个的字符串。
-
用括号分组：
(cat|dog)food匹配 “catfood” 或 “dogfood”。yes(no|yes)匹配 “yesno” 或 “yesyes”。
示例：
import re
text = "I have a cat and a dog."
pattern = r'cat|dog' # 匹配包含 "cat" 或 "dog" 中任何一个的字符串
matches = re.findall(pattern, text)
print(matches) # 输出匹配的内容
在上面的示例中，r'cat|dog' 这个模式将匹配包含 “cat” 或 “dog” 中任何一个的部分。在给定的文本中，匹配到的是 “cat” 和 “dog”。
| 是一个非常有用的元字符，允许同时匹配多个模式中的任何一个，从而提供更灵活的匹配。
^ 规定开头
在正则表达式中，^ 是一个特殊的元字符，用于匹配字符串的开头。
用法示例：
- 匹配字符串开头：
^pattern匹配以指定模式pattern开头的字符串。- 例如，
^hello匹配以 “hello” 开头的字符串。
- 例如，
示例：
import re
text = "hello world"
pattern = r'^hello' # 匹配以 "hello" 开头的字符串
matches = re.findall(pattern, text)
print(matches) # 输出匹配的内容
在上面的示例中，r'^hello' 这个模式将匹配以 “hello” 开头的字符串。在给定的文本中，由于 “hello” 出现在开头，所以正则表达式匹配到了 “hello”。
^ 在正则表达式中具有锚定作用，它表示匹配字符串的开头位置。
$ 匹配以$ 前面的字符或者模式结束的字符串
在正则表达式中，$ 是一个特殊的元字符，用于匹配字符串的结尾。
用法示例：
- 匹配字符串结尾：
pattern$匹配以指定模式pattern结尾的字符串。- 例如，
world$匹配以 “world” 结尾的字符串。
- 例如，
示例：
import re
text = "hello world"
pattern = r'world$' # 匹配以 "world" 结尾的字符串
matches = re.findall(pattern, text)
print(matches) # 输出匹配的内容
在上面的示例中，r'world$' 这个模式将匹配以 “world” 结尾的字符串。在给定的文本中，由于 “world” 出现在结尾，所以正则表达式匹配到了 “world”。
$ 在正则表达式中具有锚定作用，它表示匹配字符串的结尾位置。
? 的可选择性与改变“贪心性”
在正则表达式中，? 是一个量词，用于指示其前面的模式可以出现零次或一次，表示可选匹配。
用法示例：
-
匹配零次或一次（也就是选择性）：
colou?r匹配 “colour” 或 “color”。在这里，ou?表示u可以出现零次或一次，使得匹配模式更加灵活。
-
非贪婪匹配：
a?是非贪婪的，它只匹配零次或一次，尽可能少地匹配。
-
结合其他模式使用：
- 可以将
?与其他字符结合使用，比如a?b可以匹配零个或一个 “a”，后面跟着 “b”。
- 可以将
示例：
import re
text = "The colour is red, but color is also acceptable."
pattern = r'colou?r' # 匹配 "colour" 或 "color"
matches = re.findall(pattern, text)
print(matches) # 输出匹配的内容
在上述示例中，r'colou?r' 这个模式将匹配 “colour” 或 “color”。在给定的文本中，它匹配到了 “colour” 和 “color”，因为 ou? 允许 u 出现零次或一次，使得模式可以匹配两种拼写形式。
改变贪心性
当 ? 紧跟在其他限定符（比如 *, +, {}）后面时，它改变限定符的默认贪婪性，使其变为非贪婪或最小匹配。
默认贪婪匹配和非贪婪匹配：
-
默认情况下，
*,+,{}等限定符是贪婪的：- 它们会尽可能多地匹配文本，直到无法匹配为止。
-
在限定符后添加
?将使其变为非贪婪匹配：- 这表示它们会尽可能少地匹配文本，只匹配所需的最小字符数。
示例：
import re
text = "This is a sample sentence for demonstrating non-greedy matching."
# 贪婪匹配
pattern_greedy = r'.+e'
matches_greedy = re.findall(pattern_greedy, text)
print("贪婪匹配:", matches_greedy)
# 非贪婪匹配
pattern_non_greedy = r'.+?e'
matches_non_greedy = re.findall(pattern_non_greedy, text)
print("非贪婪匹配:", matches_non_greedy)
在上述示例中，r'.+e' 是一个贪婪匹配，它会匹配尽可能多的字符直到找到以 “e” 结尾的内容。相反，r'.+?e' 是一个非贪婪匹配，它会尽可能少地匹配字符直到找到以 “e” 结尾的内容。在给定文本中，这两种模式的匹配结果是不同的，一个会匹配更多的内容，另一个会匹配更少的内容。
\ 为转义
在正则表达式中，反斜杠 \ 是一个特殊字符，用于表示后面紧跟着的字符具有特殊含义或具有特定功能。它会改变紧跟其后的字符的解释方式，称为转义字符。
下面是一些常见的用法和特殊含义：
1. 转义特殊字符：
- 使用
\可以让特殊字符失去其特殊含义。比如，.通常匹配任意字符，但\.匹配实际的句点。
2. 匹配特殊字符：
\d匹配一个数字字符。\w匹配一个字母、数字或下划线字符。\s匹配任何空白字符（例如空格、制表符、换行符等）。
3. 匹配特定字符：
\n匹配换行符。\t匹配制表符。\r匹配回车符。\\匹配实际的反斜杠字符。
示例：
假设有以下文本字符串：
text = "The cat and the hat sat flat on the mat."
import re
pattern = r'\st\w+' # 匹配以空格开始，后面是字母 "t"，然后跟着一个或多个字母、数字或下划线字符的内容
matches = re.findall(pattern, text)
print(matches)
在这个示例中，r'\st\w+' 这个模式会匹配以空格开始，后面是字母 “t”，然后跟着一个或多个字母、数字或下划线字符的内容。在给定的文本中，这个模式匹配到的内容是 " the"、 " the".
\num 匹配重复出现字符或者模式
当使用 \num 这种形式的反向引用时，num 代表着之前已经捕获的分组编号。这种引用可以用来匹配之前已经出现的相同模式。以下是两个示例：
示例1：匹配重复的连续数字
假设有字符串：
text = "1234 1234 5678"
使用正则表达式来匹配重复的连续数字：
import re
pattern = r'(\d+)\s\1' # 匹配重复的连续数字
matches = re.findall(pattern, text)
print(matches) # 输出匹配的内容
示例2：匹配重复的日期格式
假设有字符串：
text = "Today is 2023-10-10, and tomorrow is 2023-10-10 as well."
使用正则表达式来匹配重复的日期格式：
import re
pattern = r'(\d{4}-\d{2}-\d{2})\s\1' # 匹配重复的日期格式
matches = re.findall(pattern, text)
print(matches) # 输出匹配的内容
这两个示例都使用了 \num 的反向引用，用来匹配先前已经捕获的相同模式。
