老夫的正規表示式大成了，桀桀桀桀！！！【Python 正規表示式筆記】

一、正規表示式語法

（一）字元與字元類

特殊字元

\.^$?+*{}[]()| 為特殊字元，若想要使用字面值，必須使用 \ 進行跳脫

字元類 `[]`

[] 匹配包含在方括號中的任何字元。它也可以指定範圍，例：

[a-zA-Z0-9]表示a到z，A到Z，0到9之間的任何一個字元
[u4e00-u9fa5] 匹配 Unicode 中文
[^\x00-\xff] 匹配雙位元組字元（包括中文）

在 [] 中：

[^] 表示否定字元類，比如[^0-9]表示可以匹配一個任意非數位的字元
^ 放在第一個位置表示否定，放在其他位置表示字面值
\ 表示跳脫
- 放在中間表示範圍，放在其他位置表示字面值
其他特殊字元不再具備特殊意義，都表示字面值
字元類內部可以使用速記法，比如\d \s \w

速記法

. 可以匹配除換行符之外的任何字元，如果有 re.DOTALL 標誌，則匹配任意字元包括換行
\d 匹配一個 Unicode 數位，如果有 re.ASCII 標誌，則匹配0-9
\D 匹配 Unicode 非數位
\s 匹配 Unicode 空白，如果帶有 re.ASCII 標誌，則匹配\t\n\r\f\v中的一個
\S 匹配 Unicode 非空白
\w 匹配 Unicode 單詞字元，如果帶有 re.ASCII 標誌,則匹配[a-zA-Z0-9_]中的一個
\W 匹配 Unicode 非單詞字元

（二）量詞

? 0次或1次
* 0次或多次
+ 1次或者多次
{m} m次
{m,} 至少m次
{,n} 最多n次
{m,n} 至少m次，最多n次

注意點：以上量詞都是「貪婪模式」，後加 ? 切換為「最小匹配模式」

（三）斷言

斷言不會匹配任何文字，只是施加約束。常用斷言：

\b匹配單詞的邊界，放在字元類 [] 中則表示 backspace
\B匹配非單詞邊界，受ASCII標記影響
\A 在起始處匹配
\Z 在結尾處匹配
^ 在起始處匹配，如果有 MULTILINE 標誌，則在每個換行符後匹配
$ 在結尾處匹配，如果有 MULTILINE 標誌，則在每個換行符前匹配

（四）捕獲組

()的作用：

()是一個捕獲組，可被 \N 參照，N 是序號，以左括號排位決定。\0 表示整個匹配的內容。
(?:) 可以關閉捕獲，只用作分組
使用 | 組合多個表示式，表示「或」
(?=...) 向前正項匹配，前方必須存在。如\w+(?=,) 匹配 apple, banana 中的 apple
(?!...) 向前負項匹配，前方必須沒有
(?<=...) 向後正項匹配，後方必須存在
(?<!...) 向後負項匹配，後方必須沒有

命名捕獲組：

語言	命名捕獲組	搜尋中參照	替換中參照
Python	`(?P<name>...)`	`\N (?P=name)`	`\N \g<name> $N`
JavaScript	`(?<name>...)`	`\N \k<name>`	`$N`
.NET	`(?<name>...) (?'name'...)`	`\N \k<name> \k'name'`	`$N ${N} ${name}`
Perl	`(?<name>...) (?'name'...)`	`\N \gN \g{N} \g{name}` `(?N) (?+N) (?-N) (?Name)` 相容 `.Net Python` 的語法	`$N ${N} $+{Name}`

技巧：

在搜尋中，若 \12 無法表示「第一個捕獲組 + 數位2」，可用 (?:\1)2 或者 \1[2] 表示
在替換中，若 $12 無法表示「第一個捕獲組 + 數位2」，可以用 $1\l2 或者 $1\u2 表示

（五）條件匹配

(?(id)yes_exp|no_exp)：對應 id 的子表示式如果匹配到內容，則這裡匹配 yes_exp，否則匹配 no_exp
Perl 支援的語法：(?(N)Yes|No) (?(<Name>)Yes|No) (?('Name')Yes|No) (?(?=Ahead)Yes|No)

實測 JavaScript 不支援條件匹配

（六）替換語法補充

一些在替換中使用的語法：

替換語法	作用
`\l`	下一個字元輸出小寫
`\L`	下一串字元輸出小寫
`\u`	下一個字元輸出大寫
`\U`	下一串字元輸出大寫
`\E`	終止 `\U` 和 `\L`

語言	參照匹配之前的文字	參照匹配文字	參照匹配之後的文字
Perl	`${^PREMATCH}` \| `${^MATCH}`	`${^POSTMATCH}`

（七）標誌

傳標誌方法：

正規表示式開頭加標誌 (?flags)pattern ，如 (?im)apple 表示不區分大小寫
- i 或 IGNORECASE：忽略大小寫，使匹配不區分大小寫。
- m 或 MULTILINE：啟用多行模式
- s 或 DOTALL：啟用點字元（.）匹配任意字元，包括換行符。s 是 special 的縮寫。
- x 或 VERBOSE：啟用詳細模式，忽略空格和註釋，可以使用多行形式編寫更易讀的正規表示式。可以用 [ ] \x20 (?-x: ) 表示空格。x 是 extended 縮寫
- g 或 GLOBAL: 查詢所有符合條件的結果（Python 中不需要）
python 中 re.compile 的 flags 引數。flags 實質是一個數位，可以用 | 按位元與傳入多個標誌
- re.A 或 re.ASCII
- re.I 或 re.IGNORECASE
- re.M 或 re.MULTILINE
- re.S 或 re.DOTALL
- re.X 或 re.VERBOSE

註釋範例，匹配 <img> 標籤：

pattern = re.compile(r"""(?ix)          # i 表示忽略大小寫，x 表示開啟註釋模式
        <img\s+                         #標籤的開始
            [^>]*?                      #不是src的屬性
            src=                        #src屬性的開始
                (?P<quote>["'])         #左引號
                (?P<image_name>[^"'<>]+?)  #圖片名字
                (?P=quote)              #右括號
            [^>]*?                      #不是src的屬性
        >                               #標籤的結束
    """)

二、Python正規表示式模組

模組級：

方法、屬性	作用
`compile(pattern)`	預先編譯正規表示式，返回 `re.Pattern` 物件
`search(pattern, string, flags=0)`	查詢匹配的部分，返回 `re.Match`
`match(pattern, string, flags=0)`	從頭匹配，返回符合規則的第一個值 `re.Match`
`fullmatch(pattern, string, flags=0)`	完全匹配（要從頭到尾都匹配），返回 `re.Match`
`split(pattern, string, maxsplit=0)`	用匹配到的內容作為分割符，分割後，返回列表
`findall(pattern, string)`	查詢所有，返回為列表，元素為 str。如果有捕獲組，則列表元素為 tuple，包含空結果。
`finditer(pattern, string)`	查詢所有，返回為 `re.Match` 的迭代器。
`sub(pattern, repl, string, count=0)`	返回替換後的字串，`repl` 可以是一個函數（接收 `Match`，返回替換後的值）
`subn(pattern, repl, string, count=0)`	返回元組 `(new_str, number)`，包含了替換次數
`escape(pattern)`	將特殊字元跳脫後返回，如 `.` 會返回 `\.`
`purge()`	清除快取

re.compile() 可以預先編譯正規表示式，返回 re.Pattern 物件，以提高匹配效率

方法、屬性	作用
`.search(string[, pos[, endpos]])`	查詢匹配的部分，返回 `re.Match`，`pos` 和 `endpos` 限制查詢區間
`.match(string[, pos[, endpos]])`
`.fullmatch(string[, pos[, endpos]])`
`.split(string, maxsplit=0)`
`.findall()`
`.finditer()`
`.sub(repl, string, count=0)`
`.subn(repl, string, count=0)`
`.flags`
`.groups`	有幾個捕獲組
`.groupindex`	一個字典，命名捕獲組與序號對應
`.pattern`

re.Match 物件用於表示正規表示式匹配的結果：

方法、屬性	作用
`Match.group([group1, ...])`	返回：捕獲組，或多個捕獲組 tuple
`Match[0]`	等同於 `group(0)`
`.group()`	等同於 `group(0)`
`.groups(default=None)`	返回：元組，所有的子捕獲組 (1, 2, 3...)。沒有捕獲到的組返回為 None。
`.groupdict(default=None)`	返回：詞典，只包含有命名的捕獲組
`.start()`	返回：匹配的起始位置
`.end()`	返回：匹配的結束位置
`.span()`	返回：元組 (start, end)
`.expand(template)`	用捕獲到的組將 `template` 中的組參照展開
`.pos`	匹配開始的索引位置
`.endpos`	匹配結束的索引位置
`.lastindex`	最後一個捕獲組的索引
`.lastgroup`	最後一個捕獲組的名字
`.string`	傳入的字串