正则表达式的相关知识

转载至：https://user.qzone.qq.com/2945173161/2?_t_=0.491051455461051

 

此处总结一下，关于正则表达式的相关知识。
http://www.crifan.com/summary_regular_expression_csharp_python/

此文目的是总结一下正则表达式的基本语法，以及总结个人接触过的一些不同语言的实现中需要注意的地方，以及相关经验。

 

【正则表达式的最简介】

正则表达式，英文叫做Regular Expression，一般缩写为regex或regexp。

正则表达式，简单说，就是一组规则，用于实现字符串的查找，匹配，以实现关于字符串的相关操作，比如替换，删除等。

很多语言目前都已实现了对应的正则表达式的支持。

目前个人已知的有，Python脚本语言，C#语言，PHP语言，Notepad++软件的查找/替换功能中。

学会了正则表达式后，很多常见的文字，字符串的处理，就简单的多了，或者可以更加高效地实现功能，实现更加复杂的操作了。

 

【正则表达式的基本规则】

下面的规则，是从Python的说明文档中翻译过来的。

网上也有类似的总结，此处只是觉得这个解释更全，更精确，所以采用这部分的内容为基准。

其他不同语言所实现的正则表达式，语法上，也许个别会有不同，但是基本语法和含义，都是通用的。

下表，以供借鉴。

 

字符匹配的规则：

特殊字符等价于含义解释提示. 表示任意字符（除了换行符\n以外的任意单个字符） ^ 表示字符串的开始 $ 表示字符串行末或换行符之前 *{0,无穷多个}0或多个前面出现的正则表达式贪婪原则，即尽量匹配尽可能多个+{1,无穷多个}1或多个前面出现的正则表达式贪婪原则，即尽量匹配尽可能多个?{0,1}0或1个前面出现的正则表达式贪婪原则，即尽量匹配尽可能多个*?,+?,?? 使*，+，?尽可能少的匹配最少原则{m} 匹配m个前面出现的正则表达式 {m,n} 匹配最少m个，最多n个前面出现的正则表达式贪婪原则，即尽量匹配尽可能多个{m,n}? 匹配最少m个，最多n个前面前出现的最少原则\ 后接那些特殊字符，表示该字符；或者后接已经定义好的特殊含义的序列对于已经定义好的特殊序列，下面会详细解释。[] 指定所要匹配的字符集，可以列出单个字符；或者是一个字符范围，起始和结束字符之间用短横线-分割； | A|B,其中A和B可以是任意正则表达式，其中也支持更多的抑或A|B|C|… （……） 匹配括号内的字符串实现分组功能，用于后期获得对应不同分组中的字符串

 

已定义的字符序列的含义：

特殊序列/已定义的字符含义等价于含义解释提示\数字 表示前面用括号（）括起来的某个组group \A 表示字符串的开始 \b 匹配空字符，但只是一个单词word的开始或者结束的空字符 \B\b含义取反匹配空字符，但只是，一个单词word的，除了开始或者结束位置的，的空字符 \d[0-9]匹配单个数字（0到9中的某个数字） \D[0-9]的取反非数字的单个字符，即除了0-9之外的任意单个字符 \s[ \t\n\r\f\v]匹配单个空白字符，包括空格，水平制表符\t,回车\r,换行\n,换页\f,垂直制表符\v \S\s的含义取反匹配非空白字符之外的单个字符 \w[a-zA-Z0-9_]匹配单个的任何字符，数字，下划线 \W\w的含义取反匹配单个的，非字母数字下划线之外的字符 \Z 匹配字符串的末尾 

 

【一些总结和注意事项】

1.关于贪婪原则和最少原则

星号*,加号+，问号？，{m,n}，都是属于贪婪原则，即在满足这些条件的情况下，尽可能地匹配多个。

而对应的后面加上一个问号?，变成：

*?, +?, ??, {m,n}?就变成了最少原则，即，在满足前面的条件的情况下，尽量少地匹配。

其中??，个人很少用。

而最常用的是 .+?，表示任意字符，最少是1个，然后后面匹配尽量少的所出现的字符。

 

2.反斜杠\

在正则表达式中，反斜杠\后面接一些特殊字符，表示该特殊字符，这些特殊是，上面所说过的：

.,^,$,*,+,?

对应的是：

\.,\^,\$,\*,\+,\?

以及反斜杠自己：

\\

其中如果是在中括号[]内，反斜杠加上对应的中括号[]和短横线-,即：

\[,\],\-

分别表示对应的字符本身。

 

3.上尖括号^

在中括号之外，表示字符的开始；

在中括号之内，表示取反，比如常见的[^0-9]

比如[^5]表示除了数字5之外的所有字符。

尤其特别的是[^^]表示除了上尖括号字符本身之外的所有字符。

 

4. 中括号内的+，*，（，）

中括号内的加号+，星号*，括号（,）表示对应字符本身，就不是特殊字符了。

 

【正则表达式的特点】

• 入门相对不难，但是能熟练，高效的利用其功能，还是不容易的。

 

【Python中的正则表达式：re模块】

优点：

1.python中字符串的表示，单引号和双引号，都是支持的。

所以对于字符串中，有双引号的，可以在写字符串最外层用单引号括起来，而不需要用反斜杠了。

反之，如果需要表示的其中包括单引号，那么最外层用双引号，所以，还是很方便的。

2.对于匹配多个字符串的时候，好像不能加括号分组的，如果加括号分组了，那么只能匹配单个一个group就结束了。对应的要匹配多个字符串，好像只能使用findall。

这部分内容，有空再好好总结一下。

 

【C#中的正则表达式：Regex类】

后来找到了，微软官方关于正则表达式知识的介绍，其中就有常用缩写所表示的含义：

Character Classes

 

优点：

1.可以一次性的即搜索多个匹配的整个的字符串，同时又可以一次性地，对于每个字符串，在给定Regex的时候，就分组group，然后得到macthes之后，foreach处理每个match，已经可以得到对应的匹配的结果，可以使用不同group的值了。还是很方便的。

 

注意事项：

1.正则表达式，是用字符串前面加上@字符来表示的。

2.双引号‘“’这个符号的表示是用两个双引号。

由于C#中本身字符串是双引号表示的，所以正则表达式中的双引号，就特殊了，是需要用两个双引号，表示对应的双引号这个字符的，而不是反斜杠加上双引号来表示双引号这个字符，这点，觉得还是很特殊的，需要注意一下。

 

关于C#中的Regex使用心得和注意事项，感兴趣的可以去看：

【总结】C#中的Regex的使用心得和注意事项

 【C#和Python中关于正则表达式方面的对比】

1. 带名字的group

python和C#中的正则表达式，都支持带名字的group，即named group，关于具体的语法，两者有些微的区别：

Python： (?P<groupName>xxx)

C#： (?<groupName>xxx)

即Python中，named group的语法，比C#中，多了个P字母作为开头。

 

2.正则表达式字符串的开头标记字母

Python：r，比如r“(.+?)”

C#：@，比如@“(.+?)”

 

3.关于引用已捕获的带名字的组（back reference named group）

正则表达式的逻辑中，支持在写模式字符串中，引用前面已经过通过括号括起来的，带名字的组。

Python中的语法是：

(?P=name)

Matches whatever text was matched by the earlier group named name.

直接给出示例代码：

Python中关于引用named group的用法示例（记得要import re;）：

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

#------------------------------------------------------------------------------

deftestBackReference():

    # back reference (?P=name) test

    backrefValidStr='"group":0,"iconType":"NonEmptyDocumentFolder","id":"9A8B8BF501A38A36!601","itemType":32,"name":"released","ownerCid":"9A8B8BF501A38A36"';

    backrefInvalidStr='"group":0,"iconType":"NonEmptyDocumentFolder","id":"9A8B8BF501A38A36!601","itemType":32,"name":"released","ownerCid":"987654321ABCDEFG"';

    backrefP=r'"group":\d+,"iconType":"\w+","id":"(?P<userId>\w+)!\d+","itemType":\d+,"name":".+?","ownerCid":"(?P=userId)"'

    userId="";

 

    foundBackref=re.search(backrefP, backrefValidStr);

    print"foundBackref=",foundBackref;# foundBackref= <_sre.SRE_Match object at 0x02B96660>

    if(foundBackref):

        userId=foundBackref.group("userId");

        print"userId=",userId;# userId= 9A8B8BF501A38A36

        print"can found userId here";

 

    foundBackref=re.search(backrefP, backrefInvalidStr);

    print"foundBackref=",foundBackref;# foundBackref= None

    if(notfoundBackref):

        print"can NOT found userId here";

 

    return

4.关于向前匹配（prev match）和向后匹配（post match），以及向前一定不要匹配（prev non-match），和向后一定不要匹配（post non-match）

?