好物分享第13弹：正则表达式简明学习指南

北野茶缸子

发布于 2021-12-17 10:02:40

1.2K0

发布于 2021-12-17 10:02:40

根据正则表达式 – 语法 | 菜鸟教程 (runoob.com)[1] 描述：正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

借助正则表达式，我们可以用简单的字符组合，实现多个文本内容的表达：PY{:3}N可表示 PN PYN PYYN PYYYN

1）选择

可以通过竖直分隔符用于选择，比如 boy|girl 匹配boy 或girl。

2）数量限定

* # 星号代表前面的字符可以不出现，也可以出现一次或者多次（0 次、或 1 次、或多次），
# 例如，“0*42”可以匹配 42、042、0042、00042 等。

? # 表示前面的字符最多出现一次(0 次或 1 次)

+ # 表示前面的字符必须出现至少一次(1 次或多次)

此外，还有：

. 表示任何单个字符
{m}，扩展前一个字符串m次；ab{2}c，表示abbc。
{m,n}，扩展前一个字符串m 到n次；ab{1,2}c，表示abc,abbc。

3）范围与优先级

()圆括号可以用来定义模式字符串的范围和优先级，这可以简单的理解为是否将括号内的模式串作为一个整体。例如，"gr(a|e)y"等价于"gray|grey"，（这里体现了优先级，竖直分隔符用于选择 a 或者 e 而不是 gra 和 ey），"(grand)?father"匹配 father 和 grandfather（这里体现了范围，?将圆括号内容作为一个整体匹配）。

4）限定范围

[] 对单个字符给出取值范围；[abc]表示a或b或c，[a-f]表a-f中的任意一个字符串。
[^ ]，与[]相反，指取值范围以外字符；[^abc]表示非a非b非c。

. 表示任何单个字符
^，表示字符串开头部分；^abc，匹配abc 开头的字符串。
$，匹配字符串结尾；abc$，匹配abc 结尾的字符串。

5）语法

由于正则表达式存在多种不同的语法（类似于方言的赶脚），而主要学习的是PCRE 子集，其适用于perl和python编程语言及grep或egrep的正则表达式匹配规则。

PCRE（Perl Compatible Regular Expressions 中文含义：perl 语言兼容正则表达式）是一个用 C 语言编写的正则表达式函数库，由菲利普.海泽(Philip Hazel)编写。PCRE 是一个轻量级的函数库，比 Boost 之类的正则表达式库小得多。PCRE 十分易用，同时功能也很强大，性能超过了 POSIX 正则表达式库和一些经典的正则表达式库。

额外补充一些：

\d 数字，等价于[0-9]
\D 非数字。
\w 单词字符，等价于[A-Z], [a-z], [0-9] 及 -。
\W 非单词字符。
\t 制表符。
\n 空行。
\s 空格型内容，如\t, \n等。
\S 非空格。

优先级

image.png

总结

实验楼真的很良心了：

小练习

第一题：

? 表() 部分出现0或1次，因此对应字符串为 PN, PYN, PYTHN,PYTHON

第二题：

PYTHON+可表示 PYTHON PYTHONN PYTHONNN ... ...

第三题：

PY{:3}N可表示 PN PYN PYYN PYYYN

经典正则表达式

1）^[A-Za-z]+，匹配开头结尾之间的，也就是任意数目的二十六个大小写字母组成的字符串。可以再加上数字，^[A-Za-z0-9]+2）整数的字符串如何表示呢？^-?\d+

设计正则表达式

匹配IP地址的正则

IP地址分四段，每段为 0-255，比如111.111.111.111(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]) 将每段0-255 用分组标记及或字符，进行表达，包括0-99|100-199|200-249|250-255，四段。将该分组再扩展为四段，其中前三段的末尾有. 。