正则表达式

正则表达式实例1：电子邮件地址正则匹配

部分	规则	正则表达式
1	大小写字母，0-9，（.）,（+）或（_）。	[A-Za-z0-9._+]+
2	符号@	@
3	大小写字母和数字	[A-Za-z0-9]+
4	符号(.)	.
5	以com或edu或org或net结尾	(com
合	规则	[A-Za-z0-9._+]+@[A-Za-z]+.(com

当试图从头开始编写任何正则表达式时，最好先制定一个步骤列表，具体列出目标字符串的外观。

常用的正则表达式符号

符号	含义	例子	例子匹配
*	匹配前面的字符，子表达式或括号字符，0次或多次	a*b*	aaaa,bbbb,aabb
+	匹配前面的字符，子表达式或括号字符，1次或多次	a+b+	ab,aaaaab,abbbb
[]	匹配括号里面的任意字符	[A-Z]*	APPLE,BAG,ORANGE
()	分组表达式	(a*b)*	aaabaab,abaaab,ababaaaaab
{m,n}	匹配前面的字符，子表达式或括号字符，m-n次	a{2,3}b{2,3}	aaabb,aabb,aabbb,aaabbb
[^]	匹配任何不在括号内的单个字符	[^A-Z]	apple,lowercase,qwerty
|	匹配由“I”分隔的任何字符，字符串或子表达式	b(a|i|e)d	bad,bid,bed
.	匹配任何单个字符（包括符号，数字，空格等）	b.d	bad,bzd,b d,b$d
^	字符或子表达式出现在字符串的开头	^a	apple,asdf,a
\	转义字符	.\|\	.|\
$	把它匹配到字符串的末尾	[A-Z]*[a-z]*$	ABCabc,zzzyx,Bob
?!	不包含

分组

分组在正则表达式中用()表示,分组有两个作用：

将某些规律看成一组，然后进行组别级的重复，如匹配b出现偶数次:(bb)*

分组后可以通过向后引用，简化表达式。

例1，匹配IP地址，

简单形式:\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}

.\d{1,3}是重复的，于是我们可以把.\d{1,3}当成一组，再重复3次。表达式如下：

\d{1,3}(.\d{1,3}){3}

例2：匹配<title>.*</title>标签:

简单形式：<title>.*</title>

可以看出上面表达式有两个title，完全一样，我们可以将title分成一组，再向后引用，简写成：

<(title)>.*</\1>

对于分组而言，整个表达式永远算作第0组。本例中<(title)>.*</\1>是第0组，然后从左至右，一次分组编号。因此(title)是第1组。

使用\1这种语法，可以使用某组的文本内容。

对于上面IP正则匹配的例子\d{1,3}(.\d{1,3}){3},里边的\d{1,3}是重复的。若使用向后引用，改写成(\d{1,3})(.\1){3},现分析表达式：(\d{1,3})为第一组，(.\1)为第二组，在第二组里通过\1语法引用了第一组的文本内容。

向后引用，引用的仅仅是文本内容，而不是正则表达式！

也就是说，组中的内容一旦匹配成功，向后引用，引用的就是匹配成功的内容，引用的是结果，而不是表达式。因此(\d{1,3})(.\1){3}这个表达式实际上匹配的是4段都相同的IP地址，诸如111.111.111.111之类。

断言

断言只是条件，帮你找到真正需要的字符串，本身并不匹配

所谓断言，就是指明某个字符串前边或后边将会出现满足某种规则的字符串。

断言类型	表达式	作用
零宽度正先行断言	(?=exp)	匹配表达式exp前面的字符串
零宽度负先行断言	(?!exp)	匹配后面不是exp的位置
零宽度正后发断言	(?<=exp)	匹配表达式exp后面的字符串
零宽度正后发断言	(?<!exp)	匹配前面不是表达式exp的位置

例3：匹配获取<title>我爱我家</title>(Python)

import re
testStr= "<title>我爱我家</title>"
reg = r"(?<=<title>).*(?=</title>)"
reObj = re.compile(reg)
print(reObj.findall(string))