Python正則表示式中的常用符號
阿新 • • 發佈：2019-01-09
Python正則表示式中常用的符號
簡介
正則表示式之所以叫做正則表示式，是因為他們可以識別正則字串；源字一本書中的定義是：“如果你給我的字串符合規則，我就返回它”，或者是“如果字串不符合規則，我就忽略它”。Python正則表示式在編寫網路爬蟲程式碼時使用可能會極大提高效率。
其實正則表示式上手一點也不難，而且執行很快，通過一些簡單的例子就可以輕鬆地學會。下面通過對一個郵箱地址的識別來幫助學習理解正則表示式：
| 規則 | 正則表示式 |
|---|---|
| 1.郵箱地址的第一部分至少包括一種內容：大寫字母、小寫字母、數字0-9、點號（.）、加號（+）或下劃線（_） | [A-Za-z0-9._+]+:這個正則表示式簡寫表達的很好，它用”A-Z”表示“任意A～Z的大寫字母”。把所有可能的序列和符號放在中括號（不是小括號）裡表示“括號中的符號裡任何一個”。要注意後面的加號，它表示“這些符號都可以出現多次，且至少出現一次” |
| 2.之後，郵箱地址會包含一個@符號 | @：這個符號很直接。@符號必須出現在中間位置，有且僅有一次 |
| 3.在符合@之後，郵箱地址還必須至少包含一個大寫或小寫字母 | [A-Za-z]+:可能只在域名的前半部分、符號@後面用字母。而且，至少有一個字母 |
| 4.之後跟一個點號(.) | \.：在域名前必須有一個點號（.） |
| 5.最後郵箱地址用com、org、edu、net結尾（實際上，頂級域名有很多種可能，但是作為展示這四個就夠了） | (com|org|edu|net)：這樣列出了郵箱地址中可能出現在點號之後的字母序列 |
常用符號
所以現在我們把上述的規則連線起來，就或者了完整的驗證郵箱地址的正則表示式：
[A-Za-z0-9._+][email protected][A-Za-z]+.(com|org|edu|net)
下面的表格總結了在Python的正則字串中最常用的，可以用來查詢和收集絕大多數資料型別。
| 符號 | 含義 | 例子 | 匹配結果 |
|---|---|---|---|
| * | 匹配前面的字元、子表示式或括號裡的字元0次或多次 | a*b* | aaaaaa,aabbbbb,bbbbbb |
| + | 匹配前面的字元、子表示式或括號裡的字元至少1次 | a+b+ | aaaaab、aaabbbbb、abbbbbb |
| [] | 匹配任意一個字元（相當於任選一個） | [A-Z]* | APPLE,CAPSDF,QEFEFC |
| () | 表示式編組（在正則表示式的規則裡編組會優先執行） | (a*b)* | aaabaab,abaaab,ababaaab |
| {m,n} | 匹配前面的字元、子表示式或括號裡的字元m到n次（包含m或n） | a{2,3}b{2,3} | aabbb,aaabbb,aabb |
| [^] | 匹配任意一個不在中括號裡的字元 | [^A-Z]* | apple,lowercase,beauty |
| | | 匹配任意一個由豎線分割的字元、子表示式（注意是豎線，不是大寫字母I） | b(a|c|e)d | bad,bcd,bed |
| . | 匹配任意單個字元（包括符號、數字和空格） | b.d | bad，bzd，b$d,b d |
| ^ | 指字串開始位置的字元或子表示式 | ^a | apple,asdf,a |
| \ | 轉義字元（把有特殊含義的字元轉換成書面形式） | \.\|\\ | .|\ |
| $ | 經常用在正則表示式的末尾，表示“從字串的末端匹配”。如果不用它，每個正則表示式實際都帶著“.*”，只會從字串開頭進行匹配。這個符號可以看成是^符號的反義詞 | [A-Z]*[a-z]*$ | ACacv,zzzyx,Bob |
| ?! | “不包含”。這個奇怪的組合通常放在字元或正則表示式前面，表示字元不能出現在目標字串裡。這個符號比較難用，字元通常會在字串的不同部位出現。如果要在整個字串中全部排除某個字元，就加上^和$符號 | ^((?![A-Z]).)*$ | no-caps-here,$ymb01s,a4e f!ne |
每種語言的正則表示式大致相同，但不完全相同，比如Java和Python在具體使用時還需要檢視相關文件。