Python 正規表示式匹配規則

2022-08-03 00:39:10 字數 3355 閱讀 4339

正規表示式 - 匹配規則

基本模式匹配

一切從最基本的開始。模式,是正規表示式最基本的元素,它們是一組描述字串特徵的字元。模式可以很簡單,由普通的字串組成,也可以非常複雜,往往用特殊的字元表示乙個範圍內的字元、重複出現,或表示上下文。例如:

^once

這個模式包含乙個特殊的字元^,表示該模式只匹配那些以once開頭的字串。例如該模式與字串"once upon a time"匹配,與"there once was a man from newyork"不匹配。正如如^符號表示開頭一樣,$符號用來匹配那些以給定模式結尾的字串。

bucket$

這個模式與"who kept all of this cash in a bucket"匹配,與"buckets"不匹配。字元^和$同時使用時,表示精確匹配(字串與模式一樣)。例如:

^bucket$

只匹配字串"bucket"。如果乙個模式不包括^和$,那麼它與任何包含該模式的字串匹配。例如:模式

once

與字串

there once was a man from newyork

who kept all of his cash in a bucket.

是匹配的。

在該模式中的字母(o-n-c-e)是字面的字元,也就是說,他們表示該字母本身,數字也是一樣的。其他一些稍微複雜的字元,如標點符號和白字元(空格、製表符等),要用到轉義序列。所有的轉義序列都用反斜槓(\)打頭。製表符的轉義序列是:\t。所以如果我們要檢測乙個字串是否以製表符開頭,可以用這個模式:

^\t

類似的,用\n表示"新行",\r表示回車。其他的特殊符號,可以用在前面加上反斜槓,如反斜槓本身用\\表示,句號.用\.表示,以此類推。

字元簇在internet的程式中,正規表示式通常用來驗證使用者的輸入。當使用者提交乙個form以後,要判斷輸入的**號碼、位址、email位址、信用卡號碼等是否有效,用普通的基於字面的字元是不夠的。

所以要用一種更自由的描述我們要的模式的辦法,它就是字元簇。要建立乙個表示所有母音字元的字元簇,就把所有的母音字元放在乙個方括號裡:

[aaeeiioouu]

這個模式與任何母音字元匹配,但只能表示乙個字元。用連字型大小可以表示乙個字元的範圍,如:

[a-z] //匹配所有的小寫字母

[a-z] //匹配所有的大寫字母

[a-za-z] //匹配所有的字母

[0-9] //匹配所有的數字

[0-9\.\-] //匹配所有的數字,句號和減號

[ \f\r\t\n] //匹配所有的白字元

同樣的,這些也只表示乙個字元,這是乙個非常重要的。如果要匹配乙個由乙個小寫字母和一位數字組成的字串,比如"z2"、"t6"或"g7",但不是"ab2"、"r2d3" 或"b52"的話,用這個模式:

^[a-z][0-9]$

儘管[a-z]代表26個字母的範圍,但在這裡它只能與第乙個字元是小寫字母的字串匹配。

前面曾經提到^表示字串的開頭,但它還有另外乙個含義。當在一組方括號裡使用^是,它表示"非"或"排除"的意思,常常用來剔除某個字元。還用前面的例子,我們要求第乙個字元不能是數字:

^[^0-9][0-9]$

這個模式與"&5"、"g7"及"-2"是匹配的,但與"12"、"66"是不匹配的。下面是幾個排除特定字元的例子:

[^a-z] //除了小寫字母以外的所有字元

[^\\\/\^] //除了(\)(/)(^)之外的所有字元

[^\"\'] //除了雙引號(")和單引號(')之外的所有字元

特殊字元"." (點,句號)在正規表示式中用來表示除了"新行"之外的所有字元。所以模式"^.5$"與任何兩個字元的、以數字5結尾和以其他非"新行"字元開頭的字串匹配。模式"."可以匹配任何字串,除了空串和只包括乙個"新行"的字串。

php的正規表示式有一些內建的通用字元簇,列表如下:

字元簇 描述

[[:alpha:]] 任何字母

[[:digit:]] 任何數字

[[:alnum:]] 任何字母和數字

[[:space:]] 任何空白字元

[[:upper:]] 任何大寫字母

[[:lower:]] 任何小寫字母

[[:punct:]] 任何標點符號

[[:xdigit:]] 任何16進製制的數字,相當於[0-9a-fa-f]

確定重複出現

到現在為止,你已經知道如何去匹配乙個字母或數字,但更多的情況下,可能要匹配乙個單詞或一組數字。乙個單詞有若干個字母組成,一組數字有若干個單數組成。跟在字元或字元簇後面的花括號({})用來確定前面的內容的重複出現的次數。

字元簇 描述

^[a-za-z_]$ 所有的字母和下劃線

^[[:alpha:]]$ 所有的3個字母的單詞

^a$ 字母a

^a$ aaaa

^a$ aa,aaa或aaaa

^a$ a,aa或aaa

^a$ 包含多於兩個a的字串

a 如:baad和aaa,但nantucket不行

\t 兩個製表符

. 所有的兩個字元

這些例子描述了花括號的三種不同的用法。乙個數字 的意思是前面的字元或字元簇只出現x次 ;乙個數字加逗號 的意思是前面的內容出現x或更多的次數 ;兩個數字用逗號分隔的數字 表示 前面的內容至少出現x次,但不超過y次。我們可以把模式擴充套件到更多的單詞或數字:

^[a-za-z0-9_]$ // 所有包含乙個以上的字母、數字或下劃線的字串

^[1-9][0-9]$ // 所有的正整數

^\-[0-9]$ // 所有的整數

^[-]?[0-9]+\.?[0-9]+$ // 所有的浮點數

最後乙個例子不太好理解,是嗎?這麼看吧:以乙個可選的負號 ([-]?) 開頭 (^)、跟著1個或更多的數字([0-9]+)、和乙個小數點(\.)再跟上1個或多個數字([0-9]+),並且後面沒有其他任何東西($)。下面你將知道能夠使用的更為簡單的方法。

特殊字元 ? 與 是相等的,它們都代表著: 0個或1個前面的內容 或 前面的內容是可選的 。所以剛才的例子可以簡化為:

^\-?[0-9]\.?[0-9]$

特殊字元 * 與 是相等的,它們都代表著 0 個或多個前面的內容 。最後,字元 + 與 是相等的,表示 1 個或多個前面的內容 ,所以上面的4個例子可以寫成:

^[a-za-z0-9_]+$ // 所有包含乙個以上的字母、數字或下劃線的字串

^[1-9][0-9]*$ // 所有的正整數

^\-?[0-9]+$ // 所有的整數

^\-?[0-9]+\.?[0-9]*$ // 所有的浮點數

當然這並不能從技術上降低正規表示式的複雜性,但可以使它們更容易閱讀。

python 正規表示式 匹配規則

正規表示式是乙個特殊的字串行,它能幫助你方便的檢查乙個字串是否與某種模式匹配。python 自1.5版本起增加了re 模組,它提供 perl 風格的正規表示式模式。re 模組使 python 語言擁有全部的正規表示式功能。compile 函式根據乙個模式字串和可選的標誌引數生成乙個正規表示式物件。該...

正規表示式 匹配規則

一切從最基本的開始。模式,是正規表示式最基本的元素,它們是一組描述字串特徵的字元。模式可以很簡單,由普通的字串組成,也可以非常複雜,往往用特殊的字元表示乙個範圍內的字元 重複出現,或表示上下文。例如 once這個模式包含乙個特殊的字元 表示該模式只匹配那些以once開頭的字串。例如該模式與字串 on...

正規表示式 匹配規則

一切從最基本的開始。模式,是正規表示式最基本的元素,它們是一組描述字串特徵的字元。模式可以很簡單,由普通的字串組成,也可以非常複雜,往往用特殊的字元表示乙個範圍內的字元 重複出現,或表示上下文。例如 once這個模式包含乙個特殊的字元 表示該模式只匹配那些以once開頭的字串。例如該模式與字串 on...