Python 正则表达式元字符

正则表达式（通常称为regex）是Python中用于模式匹配和文本操作的强大工具。它们允许您定义模式并在字符串中搜索匹配项，使其在数据验证、文本处理和网页抓取等各种应用中非常有用。

在正则表达式中，元字符起着至关重要的作用。这些特殊字符具有预定义的含义，并用于构建复杂的模式。有效地理解和利用元字符可以显著提高您的正则表达式技能。

在本文中，我们将探索Python正则表达式元字符的世界。我们将学习不同的元字符以及如何使用它们来构建强大的正则表达式模式。

Python正则表达式元字符的类型

Python正则表达式中的元字符是具有预定义含义的特殊字符。它们允许您创建复杂的模式，以匹配字符串中特定的字符序列。在本节中，我们将探索不同类型的元字符以及它们在Python正则表达式中的用法。

锚点

锚点是元字符，允许您指定模式在字符串中的位置。它们本身不匹配任何字符，但定义了匹配应该发生的位置。下面是常用的锚点元字符：

• ^（插入符） - 匹配字符串的开头。它确保插入符后面的模式只在字符串的开头出现。例如，正则表达式^Hello只会匹配在字符串开头出现的单词”Hello”。

示例

import re

string = "Hello, World!"
pattern = "^Hello"

match = re.search(pattern, string)
if match:
   print("Match found!")
else:
   print("No match found.")

输出

Match found!

• $（美元符号） - 匹配字符串的末尾。它确保在美元符号之前的模式只在字符串的末尾找到。例如，正则表达式 World!$ 只有在它出现在字符串的末尾时才能匹配单词 “World!”。

示例

import re

string = "Hello, World!"
pattern = "World!$"

match = re.search(pattern, string)
if match:
    print("Match found!")
else:
    print("No match found.")

输出

Match found!

• \b（词边界） - 匹配单词的开始或结束处的空字符串。在查找较长字符串中的完整单词时非常有用。例如，正则表达式\bPython\b仅在单词”Python”作为一个完整的单词出现时才匹配。

示例

import re

string = "I love Python programming language."
pattern = r"\bPython\b"

match = re.search(pattern, string)
if match:
    print("Match found!")
else:
    print("No match found.")

输出

Match found!

字符类

字符类是用来匹配指定字符集中的单个字符的元字符。它们被封装在方括号[]中。以下是一些字符类的示例：

• [abc] – 匹配a、b或c中的任意一个字符。

• [0-9] – 匹配0到9中的任意一个数字。

• [a-z] – 匹配从a到z的任意一个小写字母。

让我们来看几个例子。

匹配单个字符

在字符类中，您可以指定要匹配的单个字符。例如，模式[aeiou]将匹配任何一个小写元音字母。

示例

import re

string = "Hello, World!"
pattern = "[aeiou]"

matches = re.findall(pattern, string)
print(matches)

输出

['e', 'o', 'o']

在这个例子中，正则表达式[aeiou]匹配字符串中所有小写元音字母的出现。

字符范围

字符范围允许你指定一个要匹配的字符范围。你可以使用连字符-来定义一个范围，而不是逐个列出每个字符。例如，模式[a-z]匹配任何小写字母。

示例

import re

string = "Hello, World!"
pattern = "[a-z]"

matches = re.findall(pattern, string)
print(matches)

输出

['e', 'l', 'l', 'o', 'o', 'r', 'l', 'd']

在这个例子中，正则表达式[a-z]匹配字符串中的所有小写字母。

反转字符类

您可以通过在字符类的开头使用插入符号^来反转字符类。它将匹配任何不属于指定类的字符。例如，模式[^aeiou]匹配任何不是小写元音的字符。

示例

import re

string = "Hello, World!"
pattern = "[^aeiou]"

matches = re.findall(pattern, string)
print(matches)

输出

['H', 'l', 'l', ',', ' ', 'W', 'r', 'l', 'd', '!']

在这个例子中，正则表达式 [^aeiou] 匹配字符串中所有不是小写元音字母的字符。

量词

量词是元字符，用于指定前面的模式应该出现多少次。它们控制字符或字符组的重复。以下是常用的量词 −

• ***** − 匹配前面的模式的零个或多个出现。
• + − 匹配前面的模式的一个或多个出现。
• ? − 匹配前面的模式的零个或一个出现。
• {n} − 匹配前面的模式的恰好 n 次出现。
• {n, m} − 匹配前面的模式的至少 n 次和最多 m 次出现。

让我们通过一些实际例子来理解这些概念。

Asterisk (*) – 零个或多个出现

星号 * 量词匹配前面的模式的零个或多个出现。它通过包含可能不存在或出现多次的模式来提供灵活性。

示例

import re

string = "Hellooo, Python!"
pattern = "o*"

matches = re.findall(pattern, string)
print(matches)

输出

['', '', '', '', 'ooo', '', '', '', '', '', '', 'o', '', '', '']

在这个例子中，正则表达式o*匹配字符串中所有的字母”o”，包括零次出现。

加号（+）- 一次或多次出现

加号+量词匹配前面模式的一次或多次出现。它确保该模式至少出现一次，但允许额外的重复。

示例

import re

string = "Hellooo, Python!"
pattern = "o+"

matches = re.findall(pattern, string)
print(matches)

输出

['ooo', 'o']

在这种情况下，正则表达式o+匹配字符串中所有出现的字母”o”，但只有当它出现一次或多次时才匹配。

问号（？）- 零次或一次出现

问号？量词匹配前面模式的零次或一次出现。它在处理可选模式时提供了灵活性。

示例

import re

string = "Hellooo, Python!"
pattern = "lo?"

matches = re.findall(pattern, string)
print(matches)

输出

['l', 'lo']

这里的正则表达式 lo? 匹配字符串中的 “lo” 和 “l”。”o” 是可选的，可能存在也可能不存在。

花括号（{m,n}）- 指定发生的次数范围

花括号 {m,n} 允许您指定前面模式发生的特定次数范围。最小发生次数为 m，最大发生次数为 n。如果省略 n，则表示无限次发生。

示例

import re

string = "Hellooo, Python!"
pattern = "o{2,3}"

matches = re.findall(pattern, string)
print(matches)

输出

['ooo']

在这个例子中，正则表达式 o{2,3} 匹配所有连续出现2到3次的字母”o”。

分组和捕获

分组元字符允许您在模式中创建子组。它们由括号()来表示。分组有多个用途，例如将量词应用于一个组，捕获匹配文本的一部分，或者为以后使用创建一个反向引用。

示例

这里有一个快速的例子给你 −

import re

string = "John Doe, 25 years old"
pattern = r"(\w+) (\w+), (\d+) years old"

matches = re.findall(pattern, string)
print(matches)  # Output: [('John', 'Doe', '25')]

输出

[('John', 'Doe', '25')]

在这个例子中，正则表达式 (\w+) (\w+), (\d+) years old 定义了三个捕获组。第一个组捕获名字，第二个组捕获姓氏，第三个组捕获年龄。findall() 函数返回一个包含匹配组的元组列表。

示例

你可以通过索引或解包来访问捕获的组。

for match in matches:
    first_name, last_name, age = match
    print(f"Name: {first_name} {last_name}, Age: {age}")

输出

Name: John Doe, Age: 25

交替

交替元字符|允许您指定替代模式。它匹配左侧的模式或右侧的模式。当您想在特定位置匹配多种可能性时，它非常有用。

让我们看一些示例来理解它是如何工作的。

交替的单词

示例

import re

string = "cat hat mat"
pattern = r"cat|hat|mat"

matches = re.findall(pattern, string)
print(matches)

输出

['cat', 'hat', 'mat']

在这个例子中，正则表达式模式cat|hat|mat匹配给定字符串中任何出现的”cat”、”hat”或”mat”。|符号作为逻辑或操作符，允许指定多个替代。

交替数字

示例

import re

string = "I have 5 dogs and 3 cats"
pattern = r"\d+ dogs?|\d+ cats?"

matches = re.findall(pattern, string)
print(matches)

输出

['5 dogs', '3 cats']

在这个例子中，正则表达式模式\d+ dogs?|\d+ cats?匹配数字后跟”dogs”或数字后跟”cats”。?量词使前面的”s”可选，允许使用单数和复数形式。

交替的电子邮件域

示例

import re

string = "john@example.com, jane@gmail.com, sam@outlook.com"
pattern = r"\w+@(example|gmail|outlook)\.com"

matches = re.findall(pattern, string)
print(matches)  # Output: ['example', 'gmail', 'outlook']

输出

['example', 'gmail', 'outlook']

在这个例子中，正则表达式模式 \w+@(example|gmail|outlook)\.com 匹配带有域名”example.com”、”gmail.com”或”outlook.com”的电子邮件地址。括号 () 将这些选项分组，点 . 需要转义以匹配字面上的点。

转义序列

转义序列允许您将元字符作为字面字符进行匹配。它们由反斜杠 \ 后跟元字符标识。例如，要匹配字面上的点 .，您需要将它转义为 \.。

让我们探讨一些常见的转义序列及其用法。

匹配字面上的点

要匹配字面上的点字符 (.)，它在正则表达式中具有特殊含义，您需要使用反斜杠 \ 进行转义。

示例

import re

string = "The price is 5.99."
pattern = r"\$5\.99"

matches = re.findall(pattern, string)
print(matches)  # Output: ['5.99']

输出

['$5.99']

在这个例子中，正则表达式模式 \ 5\.99匹配精确字符串”5.99″。美元符号$和句点.使用反斜杠进行转义，以将其作为字面字符处理。

匹配特殊字符

某些字符在正则表达式中具有特殊含义，例如*，+，？，{}，（），[]，^， $ ，|和\。为了将这些字符作为字面字符匹配，您需要使用反斜杠\进行转义。

示例

import re

string = "The question is: 3 + 4 = ?"
pattern = r"3 \+ 4 = \?"

matches = re.findall(pattern, string)
print(matches)

输出

['3 + 4 = ?']

在这个例子中，正则表达式模式3 \+ 4 = \?匹配精确的字符串”3 + 4 = ?”。加号+和问号?使用反斜杠进行转义，以被视为字面字符。

匹配空白字符

空白字符，如空格、制表符和换行符，也可以使用转义序列进行匹配。一些常用的用于空白字符的转义序列包括\s表示任何空白字符，\t表示制表符，\n表示换行符。

示例

import re

string = "Hello\tWorld\nPython Regex"
pattern = r"Hello\sWorld\nPython\sRegex"

matches = re.findall(pattern, string)
print(matches)

输出

['Hello\tWorld\nPython Regex']

在这个例子中，正则表达式模式Hello\sWorld\nPython\sRegex匹配完全字符串”Hello\tWorld\nPython Regex”。转义序列\s，\t和\n分别用于表示空格，制表符和换行符。

结论

理解正则表达式中的转义序列对于有效地匹配特殊字符并将它们视为文字字符至关重要。通过使用反斜杠来转义这些字符，可以确保它们被逐字地解释，而不是触发它们的特殊含义。这使您能够搜索包含特殊字符的特定模式，而无意中修改正则表达式的行为。

在本文中，我们探讨了各种转义序列，例如转义点字符以匹配文字点，转义像+和？这样的特殊字符，并使用转义序列来表示空白字符。这些示例展示了转义序列在正则表达式中的重要性以及如何利用它们实现准确的模式匹配。