回顧

上節(jié)我們說(shuō)到Python正則表達(dá)式的基本字符之景，以及這些字符的用法

今天逆屡，我們繼續(xù)講講Python中一些擴(kuò)展標(biāo)記法赃承，以及一些特殊序列

擴(kuò)展標(biāo)記法

(?...): 這種擴(kuò)展標(biāo)記法以括號(hào)內(nèi)?開頭毒租，其后第一個(gè)字符決定了采用什么樣的語(yǔ)法。

1湾笛、(?aiLmsux)

介紹

在?后面添加( 'a', 'i', 'L', 'm', 's', 'u', 'x'中的一個(gè)或多個(gè))饮怯，然后加上匹配規(guī)則。

這些字符對(duì)正則表達(dá)式設(shè)置以下標(biāo)記嚎研，免去設(shè)置 flag 參數(shù)

'a' ==> re.A(re.ASCII) ==> 只匹配 ASCII 字符
'i' ==> re.I(re.IGNORECASE) ==> 忽略大小寫
'L' ==> re.L(re.LOCALE) ==> 由當(dāng)前語(yǔ)言區(qū)域決定 \w, \W, \b, \B 和大小寫敏感匹配蓖墅，不推薦使用。
'm' ==> re.M(re.MULTILINE) ==> 多行模式
's' ==> re.S(re.DOTALL) ==> .匹配全部字符
'u' ==> re.U ==> Unicode匹配临扮，Python3默認(rèn)開啟這個(gè)模式
'x' ==> re.X(re.VERBOSE) ==> 冗長(zhǎng)模式

注意：'a', 'L', 'u' 作為內(nèi)聯(lián)標(biāo)記是相互排斥的论矾，它們不能結(jié)合在一起

示例

# 忽略大小寫
re.findall('(?i)ab', 'Ab')
# out: ['Ab']

# 連用s、i
re.findall('(?si)ab.', 'Ab\n')
# out: ['Ab']

# 多行模式
re.findall('^a.', 'ab\nac')
# out: ['ab']
re.findall('(?m)^a.', 'ab\nac')
# out: ['ab', 'ac']

# .匹配全部字符
re.findall('(?s)ab.', 'ab\n')
# out: ['ab\n']

# 冗長(zhǎng)模式
# 這個(gè)標(biāo)記允許你編寫更具可讀性更友好的正則表達(dá)式杆勇。
# 通過(guò)分段和添加注釋,其中空白符號(hào)會(huì)被忽略
re.findall(r"""(?x)\d +  # 整數(shù)位
                \.       # 小數(shù)點(diǎn)
                \d *     # 小數(shù)位
                """, '3.1415na')
# out: ['3.1415']

2贪壳、(?:…)

介紹

括號(hào)分組的非捕獲版本，該分組所匹配的子字符串 不能 在執(zhí)行匹配后被獲取或是在之后的模式中被引用

可以配合 | 和 {m} 使用

示例

re.findall('(abc){2}', 'abcabc')
# out: ['abc']

re.findall('(?:abc){2}', 'abcabc')
# out: ['abcabc']

# 可以看出蚜退，捕獲版本和非捕獲版本的區(qū)別
# 捕獲版本會(huì)捕獲到()分組內(nèi)的匹配字符
# 非捕獲版本會(huì)將()分組內(nèi)的字符與外面的字符作為一個(gè)整體返回
# 看一個(gè)嵌套捕獲的例子
re.findall('(a(bc))cbs', 'abccbs')
# out: [('abc', 'bc')]

re.findall('(a(?:bc))cbs', 'abccbs')
# out: ['abc']

re.findall('(abc)|cbs', 'cbs')
# out: ['']

re.findall('(?:abc)|cbs', 'cbs')
# out: ['cbs']

3闰靴、(?P<name>…) 和 (?P=name)

介紹

• (?P<name>…)

為分組再指定一個(gè)組合名

每個(gè)組合名只能用一個(gè)正則表達(dá)式定義，只能定義一次

• (?P=name)

反向引用一個(gè)命名組合

匹配前面那個(gè)名字叫 name 的命名組中匹配到的字符串

示例

re.findall('(?P<name>abc)\\1', 'abcabc')
re.findall('(?P<name>abc)(?P=name)', 'abcabc')
# out: ['abc']

4钻注、(?#…)

介紹

注釋信息蚂且，里面的內(nèi)容會(huì)被忽略。

示例

re.findall('abc(?#這是注釋)123', 'abc123')
# out: ['abc123']

5幅恋、(?=…), (?!…)

介紹

• (?=…)：匹配 … 的內(nèi)容杏死。這個(gè)叫 lookahead assertion （后視斷言）
• (?!…)：匹配 … 不符合的情況。這個(gè)叫 negative lookahead assertion（前視取反）

哈哈捆交，是不是沒(méi)看懂淑翼，沒(méi)事，舉個(gè)栗子

示例

re.findall('Isaac (?=Asimov)', 'Isaac Asimov, Isaac Ash')
# out: ['Isaac ']
# 只有后面是 'Asimov' 的時(shí)候才匹配前面的 'Isaac '

re.findall('Isaac. (?!Asimov)', 'Isaac1 Asimov, Isaac2 Ash')
# out: ['Isaac2 ']
# 為了顯示區(qū)別品追，我們加了 '.' 匹配數(shù)字 1玄括、2
# 從中可以看出，只有后面 不 是 'Asimov' 的時(shí)候才匹配 'Isaac ' 

看看肉瓦，是不是一下子就明了了惠豺。

6银还、(?<=…), (?<?…)

介紹

• 匹配當(dāng)前位置之前是 ... 的樣式风宁。這個(gè)叫 positive lookbehind assertion （正向后視斷定）
• 匹配當(dāng)前位置之前不是 ... 的樣式洁墙。這個(gè)叫 negative lookbehind assertion （后視取反）

哈哈，這個(gè)又看不懂戒财？

思考一下热监，既然有根據(jù)后面字符斷言的，那么根據(jù)前面字符來(lái)斷言饮寞，也是很合理的孝扛，

示例

re.findall('(?<=Isaac )Asimov.', 'Isaac Asimov1, Asimov2')
# out: ['Asimov1']

re.findall('(?<!Isaac )Asimov.', 'Isaac Asimov1, Asimov2')
# out: ['Asimov2']

7、(?(id/name)yes-pattern|no-pattern)

介紹

如果給定的 id 或 name 存在幽崩，將會(huì)嘗試匹配 yes-pattern苦始，否則就嘗試匹配 no-pattern，no-pattern 可選慌申，也可以被忽略陌选。

是不是有點(diǎn)像if else三目運(yùn)算蹄溉，其中 id 和 name 是分組 id、和指定的分組名 name

照舊柒爵，舉個(gè)栗子吧

示例

re.findall('(<)?(\w+@\w+(?:\.\w+))(?(1)>|$)', '<username@host.com>')
# out: [('<', 'username@host.com')]

re.findall('(<)?(\w+@\w+(?:\.\w+))(?(1)>|$)', 'username@host.com>')
# out: []

re.findall('(<)?(\w+@\w+(?:\.\w+))(?(1)>|$)', '<username@host.com')
# out: [('', 'username@host.com')]

re.findall('(<)?(\w+@\w+(?:\.\w+))(?(1)>|$)', 'username@host.com')
# out: [('', 'username@host.com')]

看了栗子是不是有點(diǎn)糊涂呢，我們來(lái)解析一下這個(gè)正則表達(dá)式

• 第一個(gè)括號(hào)捕獲的是 <
• ? 是判斷 < 是否存在
• 第二個(gè)括號(hào)棉胀，里面是郵箱的格式法瑟，\w 代表數(shù)字唁奢、字母和下?lián)Q線集合
• 第三個(gè)括號(hào)嵌套在第二個(gè)當(dāng)中霎挟，而且聲明非捕獲版本驮瞧，是郵箱 . 及后面的字符
• 最后一個(gè)括號(hào)當(dāng)中氓扛，?(1)>|$：其中1 是對(duì)第一個(gè)括號(hào)分組的引用，如果存在论笔，就匹配 >采郎，否則匹配空

其結(jié)果匹配的就是<username@host.com>和username@host.com狂魔。

而不會(huì)匹配 <user@host.com' 和 <user@host.com

但是上面的第三個(gè)結(jié)果為啥不一樣呢？

因?yàn)?code>findall允許返回空匹配的整份，在有 ?的情況下，所以它會(huì)分兩種情況去匹配

• 在<存在的情況下烈评，匹配不到 >，
• 在<不存在時(shí)讲冠，能匹配到 username@host.com

特殊序列

字符描述

image.png

簡(jiǎn)單示例

re.findall('(ab)c\\1', 'abcab')
# out: ['ab']
# 注意竿开，這里需要 \\，等同于 r'(ab)c\1'
# 為了方便否彩，我們下面都使用 r''

re.findall(r'\Aabc', 'abccadc\nabc')
re.findall(r'^abc', 'abccadc\nabc')
# out: ['abc']
# 只有開頭的 abc 匹配了

re.findall(r'\bHello\b', 'Hello world! Hellooo')
# out: ['Hello']
# 注意，通常 \b 定義為 \w 和 \W 字符之間敬尺，或者 \w 和字符串開始/結(jié)尾的邊界

re.findall(r'\bHello\b', 'Hello world! Hello.')
# out: ['Hello', 'Hello']

re.findall(r'\BHello\B', 'Hello worldHello123')
# out: ['Hello']
# Hello 兩邊都需要 \b 未定義的分隔字符

re.findall(r'\d+', 'ab123d\nabc')
# out: ['123']

re.findall(r'\D+', 'ab123d\nabc')
# out: ['ab', 'd\nabc']

re.findall(r'\s+', 'ab12 3d\nab\tc')
# out: [' ', '\n', '\t']

re.findall(r'\S+', 'ab12 3d\nab\tc')
# out: ['ab12', '3d', 'ab', 'c']

re.findall(r'\w+', 'user_name@host163.com')
# out: ['user_name', 'host163', 'com']

re.findall(r'\W+', 'user_name@host163.com')
# out: ['@', '.']

re.findall(r'dd\Z', 'abddacdd')
re.findall(r'dd$', 'abddacdd')
# out: ['dd']

總結(jié)

今天講了一些擴(kuò)展標(biāo)記法肌毅，其實(shí)沒(méi)那么難，多看看例子悬而，多練習(xí)練習(xí)。

下節(jié)將介紹 re 模塊各函數(shù)的用法袭蝗，敬請(qǐng)期待......