正则表达式

Basic Patterns

• a, X, 9, < -- 除了以下字符外其它都表示它本身：. ^ $ * + ? { [ ] \ | ( )
• .(句点) -- 匹配任何字符除了'\n'
• \w -- (注意是小写w) 匹配任一单个数字或字母或下划线_[0-9a-zA-Z_]。 \W (大写的 W)匹配任意单个非\w字符
• \b -- 匹配单词的开头或结尾，也就是单词的分界处。它只匹配一个位置。

  \b作转义字符表示退格。

• \s -- (小写的 s) 匹配任意单个whitespace字符 [\n\r\t\f]。\S (大写 S) 匹配任意单个非\s字符
• \t,\n, \r -- tab, newline, return
• \d -- 十进制数字 [0-9]（在某些版本的正则表达式中没有这个匹配）
• ^（ = start）, $（ = end） -- 分别匹配字符串的开头和结尾
• \ -- 去转义。比如\.就表示单纯的句点。

Repetition

• + -- 匹配一个或多个
• * -- 匹配0个或多个
• ? -- 匹配0个或一个
• {} -- 指定重复次数。{2}匹配重复2次，{2,5}匹配重复2到5次。

Leftmost & Largest

• 正则表达式默认匹配字符串最左边并且最大的匹配字符串。
• 加一个?在pattern最后，可以让匹配largest转为smallest。

#Python
match = re.search(r'i+', 'piigiiii') =>  found, match.group() == "ii"
match = re.search(r'i+?', 'piigiiii') =>  found, match.group() == "i"
match = re.search(r'<.*>', '<b>aaa<\b>') =>  found, match.group() == "<b>aaa<\b>"
match = re.search(r'<.*?>', '<b>aaa<\b>') =>  found, match.group() == "<b>"

Square Brackets

• 方括号[]匹配括号中任一字符。
• []中可以用短横线表示范围。如[0-9]匹配从0到9任意一个数字。[a-zA-Z]匹配任一个字母。如果要表示下划线这个字符，必须把-放在最后，如[0-9-]表示数字和-。
• up-hat^放在[]中最开始位置，表示反转这个表达式。如[^ab]匹配所有不是ab的字符。

Lecture

• 正则表达式30分钟入门教程