記錄一下前階段學的正則表達式（Regular Expression，一稱RegExp、regex、RE），算是個複習+總結。我主要是從Python的Re庫開始學正則的，不過正則的一些用法大同小異，學了一種就差不多明白了。想深入瞭解RE的話可以看下面 下麪的參考資料，寫得很詳細。
P.S. 前面幾項都可以通用，只不過在Python中有內建的Re正則表達式庫，裏面的函數跟其他語言不太一樣。
測試環境
Windows10 x64
Python 3.6.8
列出常用的單字元匹配以及對應表達的註記，感覺程式設計的東西對應英文會記得更牢些。
| 字元 | 匹配項 | 註記 |
|---|---|---|
· |
匹配任意1個字元(除特殊字元，如\n) |
- |
\d |
匹配0-9中的任一數位字元，等價於[0-9] |
digit，單個數字 |
\D |
匹配任一非數位字元，等價於[^0-9] |
大寫取反 |
\s |
匹配任一空白字元，如空格Tab)、換行符（\n） |
space，空格 |
\S |
匹配任一非空白字元 | - |
\w |
匹配任一單詞字元(可理解爲變數命名規定的字元) 即 a-z、A-Z、0-9、下劃線_，等價於[a-zA-z0-9_] |
word，單詞 |
\W |
匹配任一非單詞字元，等價於[^a-zA-z0-9_] |
- |
[] |
匹配方括號中列舉出的任一字元 | - |
[^ ] |
匹配除了括號內列舉以外的所有字元 | - |
| 字元 | 含義 |
|---|---|
{n} |
匹配字元恰好出現n次 |
{n,} |
匹配字元至少出現n次 |
{n,m} |
匹配字元出現n到m次 |
* |
匹配字元出現0次或無限次（即字元出現任意次，.*表示匹配任意長度且除\n的字串） |
+ |
匹配字元出現1次或無限次（即字元出現至少一次） |
? |
匹配0次或1次的字元（多用於非貪婪模式） |
| 字元 | 用法 |
|---|---|
\b |
匹配一個單詞字串的邊界（boundary），即單詞和空格間的位置 |
\B |
匹配非單詞邊界，即若某字串出現的單詞字串未以空格分割，則不能匹配 |
^ |
匹配字串的第一個字元（首字元） |
$ |
匹配字串的最後一個字元（末尾字元） |
| 字元 | 用法 |
|---|---|
r" " |
Python中置於字串之前用於返回原始(raw)字串，在正則表達式編寫中常用 |
\ |
用於*，?等特殊字元的跳脫 |
\n,\t |
匹配換行符、製表符，也可由\s進行匹配 |
Re庫常用函數(方法)# 匯入內建庫`re`
import re
re.compile()編譯正則表達式compile(pattern, flags=0)
用於生成一個正則表達式物件，方便正則表達式的遷移，供re.match()及re.search()使用。
re.match()匹配字串match(pattern, string, flags=0)
用於匹配以某字串開頭的字串。通常與.group()聯合使用，用於返回匹配到的字串，若匹配爲空則報錯：AttributeError: 'NoneType' object has no attribute 'group'。
.group()返回字串預設參數爲0，表示返回所有匹配到的字串；
參數爲1表示返回()分組的第一個字串，以此類推。
re.search()及re.findall()查詢字串search(pattern, string, flags=0)
findall(pattern, string, flags=0)
單個查詢與全域性查詢。search()與match()的區別在於前者進行全域性的查詢，並返回首個匹配的結果，而後者僅進行從首個字元開始的查詢匹配。
re.sub()替換字串sub(pattern, repl, string, count=0, flags=0)
按匹配規則進行部分（或全部）字串的替換，第二個參數（被替換成的字元）可以爲函數。
re.split()分割字串split(pattern, string, maxsplit=0, flags=0)
按匹配規則分割字串，並返回一個列表。
這塊內容比較少，主要就是"?"的使用，在設定字元匹配次數的時候應儘量使用非貪婪模式，即在*、+、?的後面再加上一個?，構成*?、+?、??，這樣可以只匹配符合條件的最少字元，而不至於增加不必要的字元或是漏掉該匹配的字元。
{n,m}後面也可以加上?進入非貪婪模式。
分組是Python正則表達式的常用方法，不過要注意分組間的對應關係。
| 字 符 | 用法與備註 |
|---|---|
| |
分隔兩側的正則表達式 |
() |
將括號內的模式（字元）作爲一個分組 |
\1-\9 |
參照分組\i匹配到的字串 |
(?P<name>) |
分組起別名（name），注意P要大寫，參照時亦然 |
(?P=name) |
參照別名爲name的分組匹配到的字串，多用於匹配成對的HTML標籤 |
(?<=abc) |
肯定性回顧斷言，即若括號內容匹配，則.group()返回括號後面匹配到的字元 |
(?<!abc) |
否定性回顧斷言，即若括號內容不匹配，則.group()返回括號後面匹配到的字元 |
(?=abc) |
肯定性前瞻斷言，即若括號內容匹配，則.group()返回括號前面匹配到的字元 |
(?!abc) |
否定性前瞻斷言，即若括號內容不匹配，則.group()返回括號前面匹配到的字元 |
注意： 上面的後四個匹配斷言僅用於.search()和.findall()，不可用於.match().
In [1]: import re
In [2]: re.search(r"(?<=abc)\d+", r"abc123").group()
Out[2]: '123'
In [3]: re.search(r"(?<!abc)\d+", r"bca123").group()
Out[3]: '123'
In [4]: re.search(r"\d+(?=abc)", r"123abc").group()
Out[4]: '123'
In [5]: re.search(r"\d+(?!abc)", r"123bca").group()
Out[5]: '123'
# 設定分組別名後可以以字典形式展示匹配到的分組
In [6]: re.match(r"(?P<group1>[a-z]+)(?P<group2>\d+)", r"bca123").groupdict()
Out[6]: {'group1': 'bca', 'group2': '123'}
In [7]: re.match(r"(?P<group1>[a-z]+)(?P<group2>\d+)", r"bca123").group("group1")
Out[7]: 'bca'
In [8]: re.match(r"<(?P<group1>[a-z]*?)>(.*?)</(?P=group1)>", r"<div>你好世界！</div>").group()
Out[8]: '<div>你好世界！</div>'
In [9]: re.match(r"<(?P<group1>[a-z]*?)>(.*?)</(?P=group1)>", r"<div>你好世界！</div>").group(2)
Out[9]: '你好世界！'
# 使用"反斜槓+數位"進行分組的參照更爲方便
In [10]: re.match(r"<([a-z]*?)>(.*?)</\1>", r"<div>你好世界！</div>").group()
Out[10]: '<div>你好世界！</div>'
In [11]: re.match(r"<([a-z]*?)>(.*?)</\1>", r"<div>你好世界！</div>").group(2)
Out[11]: '你好世界！'
需要匹配的字串規則不好找時候可以選擇容易找到規則的其他字元，再進行分組處理得到需要的字元。
例如，網址「https://docs.python.org/3/library/re.html」需要替換成「https://docs.python.org/」，在進行匹配的時候由於待替換的部分其規律無法找到，所以採取如下方法進行替換：
In [1]: import re
In [2]: s = r"https://docs.python.org/3/library/re.html"
In [3]: re.sub(r"(https://.+?/).+", lambda x:x.group(1), s)
Out[3]: 'https://docs.python.org/'
有時候解決同一個問題可以有多種思路，例如提取單詞，可以採用空格分割或者全域性查詢兩種方法，所得到的結果相同。
In [4]: s = r"I have a dream"
In [5]: re.split(r" ", s)
Out[5]: ['I', 'have', 'a', 'dream']
In [6]: re.findall(r"\b[a-zA-z]+?\b", s)
Out[6]: ['I', 'have', 'a', 'dream']
[1] re — Regular expression operations.
[2] 菜鳥教學：Python 正則表達式.