正则表达式

正则语法

单个字符

1. 换行符：\n，记忆方法：new line;
2. 换页符：\f，记忆方法：form feed;
3. 回车符：\r，记忆方法：return;
4. 空白符：\s，记忆方法：space;
5. 制表符：\t，记忆方法：table;

多个字符

1. 定义集合：[]，例如/[123]/可以同时匹配 1，2，3 三个字符；
2. [0-9]匹配所有数字，[a-z]匹配所有小写英文字母，[A-Z]匹配所有小写英文字母， [\u4e00-\u9fa5]匹配所有的汉子；
3. 匹配除了换行符之外的任何字符：.，记忆方法：代表句号，表示除了句子结束符
4. 匹配单个数字[0-9]，\d，记忆方法：digit;
5. 匹配除了[0-9]，\D，记忆方法：not digit;
6. 匹配包括下划线在内的单个字符，[A-Za-z0-9_]，\w，记忆方法：word;
7. 匹配非单字字符，\W，记忆方法：not word;
8. 匹配空白字符,包括空格、制表符、换页符和换行符，\s，记忆方法：space；
9. 匹配非空白字符，\S，记忆方法：not space

匹配次数

1. 元字符?代表了匹配 1 个字符或 0 个字符，例如同时匹配color和colour，可以使用/colou?r/。
2. 元字符*用来表示匹配同个字符出现 0 次或多次的情况。
3. 元字符+适用于要匹配同个字符出现 1 次或多次的情况。
4. 特定的重复次数：使用元字符{和}用来给重复匹配设置精确的区间范围。如想匹配 3 次'a'，使用/a{3}/，如果匹配至少两次'a'用/a{2,}/，详细信息：
   • {x}: x 次
   • {min, max}： 介于 min 次到 max 次之间
   • {min, }: 至少 min 次
   • {0, max}： 至多 max 次

单词与字符串边界

单词是构成句子和文章的基本单位，一个常见的使用场景是把文章或句子中的特定单词找出来。这时需要用边界正则表达式\b，例如对于例句：

The cat scattered his food all over the room.

想找 cat 这个单词，如果只是使用/cat/，会同时匹配到 cat 和 scattered 这两处文本。这时需使用边界正则表达式\b，其中 b 是 boundary 的首字母。在正则引擎里它其实匹配的是能构成单词的字符(\w)和不能构成单词的字符(\W)中间的那个位置。上面的例子改写成/\bcat\b/这样就能匹配到 cat 这个单词了。

对于字符串来说，元字符^用来匹配字符串的开头。而元字符$用来匹配字符串的末尾。

分组

其中分组体现在：所有以(和)元字符所包含的正则表达式被分为一组，每一个分组都是一个子表达式，它也是构成高级正则表达式的基础。如果只是使用简单的(regex)匹配语法本质上和不分组是一样的，如果要发挥它强大的作用，往往要结合回溯引用的方式。

所谓回溯引用（backreference）指的是模式的后面部分引用前面已经匹配到的子字符串。你可以把它想象成是变量，回溯引用的语法像\1,\2,....,其中\1表示引用的第一个子表达式，\2表示引用的第二个子表达式，以此类推。而\0则表示整个表达式。

python使用正则表达式

python使用正则提取信息

import re

p = re.compile("正则表达式")  # 对正则表达式字符串进行编译