正则表达式入门
正则表达式入门： 正则表达式30分钟入门教程
正则表达式练习：https://regex101.com/
限定符
| 符号 | 含义 | 示例 |
|---|---|---|
* |
出现0次或多次 | a* 匹配a 0次或多次 |
+ |
出现1次或多次 | a+ 匹配a 1次或多次 |
? |
出现0次或1次 | a? 匹配a或没有a |
{数字} |
出现指定次数 | a{6} 匹配a 6c次 |
{上界,下界} |
出现 \([上界,下界]\) 次 | a{2,6} 匹配a 2到6次 |
{上界,} |
出现 \([上界,下界)\) 次 | a{2,} 匹配a 2次及以上 |
或运算符
正则表达式中实际上只有或运算符，没有与和非运算符。
| 符号 | 含义 | 示例 |
|---|---|---|
| ` | ` | 或 |
字符类
| 符号 | 含义 | 示例 |
|---|---|---|
[范围] |
匹配范围指定的1个字符 | [a-fA-F0-9] 匹配大小写英文字母及数字 |
[[:alnum]] |
字母和数字 | |
[[:alpha:]] |
字母 | |
[[:ascii:]] |
ASCII编码0-127号字符 | |
[[:blank:]] |
空格或制表符 | |
[[:cntrl:]] |
控制符 | |
[[:digit:]] |
十进制数字 | |
[[:xdigit:]] |
十六进制数字 | |
[[:graph:]] |
可见字符（不含空白字符） | |
[:lower:] |
小写字母 | |
[[:print:]] |
可见字母 | |
[[:punct:]] |
可见标点字符 | |
[[:space:]] |
空白字符 | |
[[:upper:]] |
大写字母 | |
[[:word:]] |
单词字符 |
示例：
[abc] 匹配a或b或c
[a-c] 同上
[a-fA-F0-9] 匹配大小写英文字母及数字
[^0-9] 匹配非数字字符
元字符
| 符号 | 含义 | 示例 |
|---|---|---|
\d |
匹配数字 | |
\D |
匹配非数字 | |
\w |
匹配单词字符（英文字母、数字、下划线） | |
\W |
匹配非单词字符 | |
\s |
匹配空白字符（包括换行、制表符） | |
\S |
匹配非空白字符 | |
. |
匹配任意字符（换行符除外） | |
\ |
转义（按文本形式处理字符） | |
\Q...\E |
引用，视为纯文本进行匹配 |
示例：
.* 匹配所有字符串
锚点
| 符号 | 含义 | 示例 |
|---|---|---|
^ |
匹配行首 | |
| ` | 符号 | 含义 |
| ---- | ------------------------------------------------------- | ---- |
^ |
匹配行首 | |
| 匹配行尾 | ||
\b |
匹配单词边界（用于实现全字匹配，避免出现前导/后随字符） | |
\B |
匹配非单词边界 | |
\A |
匹配文本开头 | |
\z |
匹配文本最末尾 |
修饰符
| 符号 | 含义 | 示例 |
|---|---|---|
g |
全局模式 | |
m |
多行模式 | |
i |
不区分大小写 | |
s |
单行模式 | |
U |
懒惰模式 |
贪婪/懒惰匹配
默认贪婪匹配，表示在有多个匹配可能的情况下，选择字符数最多的那个；末尾加 ? 表示改为懒惰匹配，表示在有多个匹配可能的情况下，选择字符数最少的那个。
示例：
<.+> 贪婪匹配任意字符
<.+?> 懒惰匹配任意字符
子表达式/捕获组
捕获组（capture groups）：正则表达式中被 () 标记的子表达式（sub-expression）。当正则匹配成功时，该组所匹配的内容会被单独捕获保存，方便后续对这部分匹配的内容进行提取、引用。
| 符号 | 含义 | 示例 |
|---|---|---|
(?:...) |
捕获组 | |
(?:...) |
非捕获组 | |
(?P<name>...) |
命名捕获组 | |
\0 |
完整的匹配内容 | |
\从1开始的编号 或 $从1开始的编号 |
捕获组n的匹配内容 | |
${foo} |
命名捕获组foo的匹配内容 |
捕获组会按 括号的 “出现顺序” 自动编号，编号从 1 开始，而 整个正则表达式匹配的完整内容被默认为 “第 0 组”（不通过括号定义，是隐式的）。
对于嵌套的括号，编号按 “左括号” 出现的顺序计算：
(a(b(c)))
- 第 0 组：整个匹配结果（如
abc）； - 第 1 组：最外层括号
(a(b(c)))匹配的内容（如abc）； - 第 2 组：中间括号
(b(c))匹配的内容（如bc）； - 第 3 组：最内层括号
(c)匹配的内容（如c）。
捕获组的核心用途
捕获组的价值在于对“捕获的内容”进行复用或提取，主要有两种场景：
1. 反向引用（在正则表达式内部引用）
可以在正则表达式中用 \n（n 是组编号）引用前面捕获组匹配的内容，实现“重复匹配相同子串”的效果。
示例 1：匹配重复的单词
\b(\w+)\s+\1\b
(\w+)捕获一个单词（第 1 组）；\1引用第 1 组捕获的内容，\s+匹配空格；- 整体匹配“重复的单词”（如
hello hello、test test）。
示例 2：匹配对称的 HTML 标签
<(\w+)>.*?</\1>
(\w+)捕获标签名（如div，第 1 组）；\1引用标签名，确保闭合标签与开始标签一致（如<div>...</div>会匹配，<div>...</span>不匹配）。
2. 提取数据（在正则表达式外部引用）
示例：从日期字符串中提取年、月、日
正则表达式：(\d{4})-(\d{2})-(\d{2})
对字符串 2023-10-05 匹配后：
- 第 0 组：
2023-10-05（完整匹配）； - 第 1 组：
2023（年）； - 第 2 组：
10（月）； - 第 3 组：
05（日）。
在 Python 中提取的代码示例：
import re
match = re.match(r'(\d{4})-(\d{2})-(\d{2})', '2023-10-05')
print(match.group(0)) # 输出：2023-10-05（第0组）
print(match.group(1)) # 输出：2023（第1组）
print(match.group(2)) # 输出：10（第2组）
命名捕获组（Named Capturing Groups）
当正则表达式中捕获组较多时，用编号引用容易混淆，此时可以给捕获组命名，通过名称引用更直观。
语法：(?<name>pattern) 或 (?'name'pattern)（不同语言可能略有差异，如 JavaScript 支持 (?<name>...)）。
示例：命名捕获组提取日期
(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})
- 命名组
year对应年，month对应月，day对应日。
在 Python 中通过名称提取：
match = re.match(r'(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})', '2023-10-05')
print(match.group('year')) # 输出：2023
print(match.group('month')) # 输出：10
非捕获组（Non-capturing Groups）
如果只需要用括号进行“分组匹配”（如结合 | 表示逻辑或），但不需要捕获内容，可以使用 非捕获组，语法：(?:pattern)。
非捕获组不会被编号，也不会保存匹配内容，可减少内存消耗。
示例：匹配“http”或“https”
(?:http|https)://
(?:http|https)是一个非捕获组，仅用于分组匹配“http”或“https”，但不会保存这部分内容。
综合示例
#[a-zA-F0-9]{6}\b 匹配RGB十六进制表示
^((25[0-5]|2[0-4]\d|[1-9]\d?|0)\.){3}(25[0-5]|2[0-4]\d|[1-9]\d?|0)$ 匹配IP地址