3.2.1 正则表达式的语法(3)

(?(id/name)yes-pattern|no-pattern)

先判断id或name是否存在，如果存在就使用yes-pattern规则来匹配；如果不存在，就使用no-pattern匹配。并且no-pattern是可选的，可以不存在。

例子：

print('(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$)')

m = re.findall(u'(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$)',

               u'<[e-mail] <[e-mail]> [e-mail]> [e-mail]')

if m:

    print(m)  

结果输出如下：

(<)?(\w+@\w+(?:\.\w+)+)(?(1)>|$)

[('<', '[e-mail]'), ('', '[e-mail]')]

 

下面来介绍转义字符，主要由‘\’和特定字符组成。如果指定的字符不在下面的列表里，re判断就会跳过‘\’，直接使用第二个字符作为判断。例如：\$在下面的字符里找不到，就以$来使用。

\number

匹配与数字序号相同的组，组的序号从1开始。例如(.+) \1就会匹配‘the the’或者‘55 55’，但不会匹配‘thethe’模式，因为（.+)与\1之间有一个空格，\1就是表示与(.+)相同匹配的组。这种方式只能匹配1到99组号，如果超过99就认为是八进制数，同时零开头的数字也认为是八进制数字。注意的是在方括号[]内的任何数字，包括转义字符都认为普通的字符处理。

例子如下：

print(r'(.+) \1')

m = re.findall(r'(.+) \1', r'abc abc abcabc 55 56 57 57')

if m:

    print(m) 

输出结果如下：

(.+) \1

['abc', '5', '57']

在这个例子里要注意的是正则表达式规则字符要使用r开头的原始字符串，或者采用双\\来表示数字，否则\1又表示别的字符了。

 

\A

表示仅从字符串的开始位置进行匹配。

例子如下：

print('\\Aabc')

m = re.findall(u'\Aabc', u'abc Aabc')

if m:

    print(m) 

 

m = re.findall(u'abc', u'abc Aabc')

if m:

    print(m) 

输出结果如下：

\Aabc

['abc']

['abc', 'abc']

从这里可以看到采用\A之后，只匹配一个，而没有这个标志就会匹配任何地方的abc。

 

\b

在一个单词之前或之后匹配空字符串。单词定义的字符范围是UNICODE的ASCII或者下划线，空字符串定义为空格、非ASCII和非下划线字符。例如r’\bcai\b’表示‘cai’，‘cai.’，‘(cai)’等匹配，而不匹配‘caimouse’，‘cai8’。

例子：

print(r'\b')

m = re.findall(r'\bcai\b', r'caimouse cai cai8')

if m:

    print(m) 

结果输出如下：

\b

['cai']

 

\B

在单词的开头或结尾匹配一个非空串。例如r’cai\B’表示匹配‘caimouse’，‘cai8’，‘cai_’，但不会匹配‘cai’，‘cai.’，‘cai!’。从这个意义来说与\b是刚好相反的。

例子：

print(r'\B')

m = re.findall(r'cai\B', r'caimouse cai cai8')

if m:

    print(m) 

结果输出如下：

\B

['cai', 'cai']

 

\d

在UNICODE模式之下：

匹配任何UNICODE的数字（在UNICODE里等同于[Nd]）。包括[0-9]，以及其它数字字符。如果设置ASCII标志，就仅限于[0-9]，如果是这样，直接使用[0-9]的方式会更好。

在8位模式之下：

匹配任何数字字符，等同于[0-9]。

例子：

print(r'\d')

m = re.findall(r'cai\d', r'caimouse cai cai8')

if m:

    print(m)

结果输出如下：

\d

['cai8']

 

\D

匹配任何非数字字符之外的字符，与\d的集合刚好相反。如果使用ASCII标志，与[^0-9]是相同的集合。不过使用ASCII标志之后，会影响整个正则表达式。如果只是想限制[^0-9]集合，直接使用这个会更好。

例子：

print(r'\D')

m = re.findall(r'cai\D', r'caimouse cai cai8')

if m:

    print(m) 

结果输出如下：

\D

['caim', 'cai ']

 

\s

在UNICODE模式之下：

匹配UNICODE分隔字符，包括空格、\t\n\r\f\v等等。

在8位模式之下：

匹配空格字符，同时也包括[\t\n\r\f\v]。

例子：

print(r'\s')

m = re.findall(r'cai\s', r'caimouse cai cai8')

if m:

    print(m)

结果输出如下：

\s

['cai ']

 

\S

匹配任何非空格字符。与\s意义刚好相反。

例子：

print(r'\S')

m = re.findall(r'cai\S', r'caimouse cai cai8')

if m:

    print(m)

输出结果如下：

\S

['caim', 'cai8']

 

\w

匹配任何非特定意义的字符。在8位的模式之下，就是与集合[a-zA-Z0-9]相同。

例子：

print(r'\w')

m = re.findall(r'cai\w', r'caimouse cai cai8')

if m:

    print(m)

结果输出如下：

\w

['caim', 'cai8']

 

\W

匹配任何不组成词的字符。在8位模式之下，与[^a-zA-Z0-9]集合相同。

例子：

print(r'\W')

m = re.findall(r'cai\W', r'caimouse cai cai8')

if m:

    print(m)

结果输出如下：

\W

['cai ']

 

\Z

只在字符结尾进行匹配。

例子：

print(r'\Z')

m = re.findall(r'cai\Z', r'caimouse\ncai')

if m:

    print(m)

输出结果如下：

\Z

['cai']

蔡军生  QQ:9073204 深圳