正则表达式

特殊符号和字符

纯手打，就当熟悉了。

使用则已匹配符号匹配多个正则表达式

表示择一匹配的管道符号（|），也就是键盘上的竖线，表示一个“从多个模式中选择其一”的操作。它用于分割不同的正则表达式。例如，在下面的表格中，左边是一些运用择一匹配的模式，右边是左边相应的模式所能匹配的字符。

正则表达式模式	匹配的字符串
at | home	at、home
r2d2 | c3po	r2d2、c3po
bat | bet | bit	bat、bet、bit

匹配任意单个字符

**点号或者句号（.）**符号匹配除了换行符\n以外的任何字符（Python正则表达式有一个编译标记[S或者BOTALL]，该标记能够推翻这个限制，使点号能够匹配换行符）。无论字母、数字、空格（并不包括“\n”换行符）、可打印字符、不可打印字符、不可打印字符，还是一个符号，使用点号都能够匹配它们。

正则表达式模式	匹配的字符串
f.o	匹配在字母“f”和“o"之间的任意一个字符：例如fao、f9o、f#o
..	任意两个字符
.end	匹配在字符串end之前的任意一个字符

从字符串起始或者结尾或者单词边界匹配

如果要匹配字符串的开始位置，就必须使用脱字符（^）或者特殊字符\A（反斜线和大写字母A）。同样，美元符号（$）或者\Z将用于匹配字符串的末尾位置。

正则表达式模式	匹配的字符串
^From	任何以From作为起始的字符串
/bin/tcsh$	任何以/bin/tcsh作为结尾的字符串
^Subject:hi$	任何由单独的字符串Subject:hi构成的字符串

正则表达式模式	匹配的字符串
the	任何包含the的字符串
\bthe	任何以the开始的字符串
\bthe\b	仅仅匹配单词the
\Bthe	任何包含但并不以the作为起始的字符串

如果想要逐字匹配这些字符中的任何一个（或者全部），就必须使用反斜线进行转义。例如，如果你想要匹配任何以美元符号结尾的字符串，一个可行的正则表达式方案就是使用模式.*\$$。

特殊字符\b和\B可以用来匹配字符边界。

创建字符集

该正则表达式能够匹配一对方括号中包含的任何字符。下面为一些示例。

正则表达式模式	匹配的字符串
b[aeiu]t	bat、bet、bit、but
[cr] [23] [dp] [o2]	一个包含四个字符的字符串，第一个字符是“c"或“r”，然后是“2”或“3”，后面是“d”或“p”，最后要么是“o”要么是“2”。例如，c2do、r3p2、r2d2、c3po等

限定范围和否定

除了单字符以外，字符集还支持匹配指定的字符范围。方括号中两个符号中间用连字符（-）连接，用于指定一个字符的范围；例如，A-Z、a-z或者0-9分别用于表示大写字母、小写字母和数值数字。

正则表达式模式	匹配的字符串
z.[0-9]	字母“z”后面跟着任何一个字符，然后跟着一个数字
[r-u] [env-y] [us]	字母“r”，“s”，“t”或者“u”后面跟着“e”、“n”、“v”、“w”、“x”或者“y”，然后跟着“u"或者“s”
[^aeiou]	一个非元音字符
[^\t\n]	不匹配制表符或者\n
[“-a]	在一个ASCII系统中，所有字符都位于“”和“a”之间，即34-97之间

使用闭包操作符实现存在性和频数匹配

**加号（+）**操作符将匹配一次或者多次出现的正则表达式（也叫做正闭包操作符），**问号（？）**操作符将匹配零次或者一次出现的正则表达式。

正则表达式模式	匹配的字符串
[dn]ot?	字母“d”或者“n”，后面跟着一个“o”，然后是最多一个“t”，例如，do、no、dot、not
0?[1-9]	任何数值数字，它可能前置一个“0”，例如，匹配一系列数（表示从1~9月的数值），不管是一个还是两个数字
[0-9]{15,16}	匹配15或者16个数字
</? [ ^ >]+>	匹配全部有效的（和无效的）HTML标签
[KQRBNP] [a-h] [1-8]-[a-h] [1-8]	在“长代数”标记法，表示国际象棋合法的棋盘移动（仅移动，不包括吃子和将军）。即“K”、“Q”、“R”、“B”、“N”或“P”等字母后面加上“a1”~“h8”之间的棋盘坐标。前面的坐标表示从哪里开始走棋，后面的坐标代表走到哪个位置（空格）上

表示字符集的特殊字符

d表示匹配任何十进制数字。另一个特殊字符（\w）能够用于表示全部字母数字的字符集，\s可以用来表示空格字符。\D表示任何非十进制数。

正则表达式模式	匹配的字符串
\w+-\d+	一个由字母数字组成的字符串和一串由一个连字符分隔的数字
[A-Za-z]\w*	第一个字符是字母；其余字符（如果存在）可以是字母或者数字（几乎等价于Python中的有效标识符）
\d{3}-\d{3}-\d{4}	美国电话号码的格式，前面是区号前缀，例如800-555-1212
\w+@\w+\ .com	以XXX@YYY.com格式表示的简单电子邮件地址

使用圆括号指定分组

一对圆括号可以实现以下任意一个（或者两个）功能：

​ ·对正则表达式进行分组；

​ ·匹配子组。

正则表达式模式	匹配的字符串
\d+(\.\d*)	表示简单浮点数的字符串；也就是说，任何十进制数字，后面可以接一个小数点和零个或者多个十进制数字，例如“0.004”、“2”、“75.”等
(Mr?s?\.)?[A-Z] [a-z]*[A-Za-z-]+	名字和姓氏，以及对名字的限制（如果有，首字母必须大写，后续字母小写），全名前可以有可选的“Mr."、“Mrs.”、“Ms.”或者“M.”作为称谓，以及灵活可选的姓氏，可以有多个单词、横线以及大写字母

扩展表示法

以问号开始（？...）

正则表达式模式	匹配的字符串
(?:\w+\.)*	以句点作为结尾的字符串，例如“google.”、“twitter.”、“facebook.”，但是这些匹配不会保存下来供后续的使用和数据检索
(?#comment)	此处并不做匹配，只是作为注释
(?=.com)	如果一个字符串后面跟着“.com”才做匹配操作，并不使用任何目标字符串
(?!.net)	如果一个字符串后面不是跟着“.net”才做匹配操作
(?<=800-)	如果字符串之前为“800-”才做匹配，假定为电话号码，同样，并不使用任何输入字符串
(?<!192\.168\.)	如果一个字符串之前不是“192.168.”才做匹配操作，假定用于过滤掉一组C类IP地址
(?(1)y|x)	如果一个匹配组1（\1）存在，就与y匹配；否则，就与x匹配

参考资料：Python核心编程（第3版）【美】Wesley Chun著 孙波翔 李斌 李晗 译（中国工信出版社、人民邮电出版社）