文章目錄

• • 聲明
  • |
  • ^
  • $
  • \A
  • \Z
  • \b
  • \B
  • 分組
  • 反向引用
  • 注意

聲明

有些元字符它們不匹配任何字符，只是簡(jiǎn)單地表示成功或失敗，因此這些字符也稱(chēng)之為零寬斷言。例如 \b 表示當(dāng)前位置位于一個(gè)單詞的邊界，但 \b 并不能改變位置。因此，零寬斷言不應(yīng)該被重復(fù)使用，因?yàn)?\b 并不會(huì)修改當(dāng)前位置，所以 \b\b 跟 \b 是沒(méi)什么兩樣的。

解釋：
很多人可能不理解“改變位置”和“零寬斷言”的意思？我嘗試解釋下，比如 abc 匹配完 a 之后，咱的當(dāng)前位置就會(huì)移動(dòng)，才能繼續(xù)匹配 b，依次類(lèi)推…但是 \babc 的話，\b 表示當(dāng)前位置在單詞的邊界（單詞的第一個(gè)字母或者最后一個(gè)字母），這時(shí)候當(dāng)前位置不會(huì)發(fā)生改變，接著將 a 與當(dāng)前位置的字符進(jìn)行匹配…

|

或操作符，對(duì)兩個(gè)正則表達(dá)式進(jìn)行或操作。如果 A 和 B 是正則表達(dá)式，A | B 會(huì)匹配 A 或 B 中出現(xiàn)的任何字符。為了能夠更加合理的工作，| 的優(yōu)先級(jí)非常低。例如 Fish|C 應(yīng)該匹配 Fish 或 C，而不是匹配 Fis，然后一個(gè) 'h' 或 'C'。

同樣，我們使用 \| 來(lái)匹配 '|' 字符本身；或者包含在一個(gè)字符類(lèi)中，像這樣 [|]。

^

匹配字符串的起始位置。如果設(shè)置了 MULTILINE 標(biāo)志，就會(huì)變成匹配每一行的起始位置。在 MULTILINE 中，每當(dāng)遇到換行符就會(huì)立刻進(jìn)行匹配。
舉個(gè)例子，如果你只希望匹配位于字符串開(kāi)頭的單詞 From，那么你的正則表達(dá)式可以寫(xiě)為 ^From：

>>> print(re.search('^From', 'From Here to')) <_sre.SRE_Match object; span=(0, 4), match='From'> >>> print(re.search('^From', 'Reciting From Memory')) None

實(shí)現(xiàn)結(jié)果：

$

匹配字符串的結(jié)束位置，每當(dāng)遇到換行符也會(huì)離開(kāi)進(jìn)行匹配。

>>> print(re.search('}$', '{block}')) <_sre.SRE_Match object; span=(6, 7), match='}'> >>> print(re.search('}$', '{block} ')) None >>> print(re.search('}$', '{block}\n')) <_sre.SRE_Match object; span=(6, 7), match='}'>

實(shí)現(xiàn)結(jié)果：

同樣，我們使用 \$ 來(lái)匹配 '$' 字符本身；或者包含在一個(gè)字符類(lèi)中，像這樣 [$]。

print(re.search('}[$]', '{block}$')) print(re.search('}\$', '{block}$'))

實(shí)現(xiàn)結(jié)果：

\A

只匹配字符串的起始位置。如果沒(méi)有設(shè)置 MULTILINE 標(biāo)志的時(shí)候，\A 和 ^ 的功能是一樣的；但如果設(shè)置了 MULTILINE 標(biāo)志，則會(huì)有一些不同：\A 還是匹配字符串的起始位置，但 ^ 會(huì)對(duì)字符串中的每一行都進(jìn)行匹配

\Z

只匹配字符串的結(jié)束位置。

\b

單詞邊界，這是一個(gè)只匹配單詞的開(kāi)始和結(jié)尾的零寬斷言。“單詞”定義為一個(gè)字母數(shù)字的序列，所以單詞的結(jié)束指的是空格或者非字母數(shù)字的字符。

下邊例子中，class 只有在出現(xiàn)一個(gè)完整的單詞 class 時(shí)才匹配；如果出現(xiàn)在別的單詞中，并不會(huì)匹配。

>>> p = re.compile(r'\bclass\b') >>> print(p.search('no class at all')) <_sre.SRE_Match object; span=(3, 8), match='class'> >>> print(p.search('the declassified algorithm')) None >>> print(p.search('one subclass is')) None

實(shí)現(xiàn)結(jié)果：

在使用這些特殊的序列的時(shí)候，有兩點(diǎn)是需要注意的：第一點(diǎn)需要注意的是，Python 的字符串跟正則表達(dá)式在有些字符上是有沖突的（回憶之前反斜杠的例子）。比如說(shuō)在 Python 中，\b 表示的是退格符（ASCII 碼值是 8）。所以，你如果不使用原始字符串，Python 會(huì)將 \b 轉(zhuǎn)換成退格符處理，這樣就肯定跟你的預(yù)期不一樣了。

下邊的例子中，我們故意不寫(xiě)表示原始字符串的 'r'，結(jié)果確實(shí)大相庭徑：

>>> p = re.compile('\bclass\b') >>> print(p.search('no class at all')) None >>> print(p.search('\b' + 'class' + '\b')) <_sre.SRE_Match object; span=(0, 7), match='\x08class\x08'>

實(shí)現(xiàn)結(jié)果：

第二點(diǎn)需要注意的是，在字符類(lèi)中不能使用這個(gè)斷言。跟 Python 一樣，在字符類(lèi)中，\b 只是用來(lái)表示退格符。

\B

一個(gè)零寬斷言，與 \b 的含義相反，\B 表示非單詞邊界的位置。

分組

通常在實(shí)際的應(yīng)用過(guò)程中，我們除了需要知道一個(gè)正則表達(dá)式是否匹配之外，還需要更多的信息。對(duì)于比較復(fù)雜的內(nèi)容，正則表達(dá)式通常使用分組的方式分別對(duì)不同內(nèi)容進(jìn)行匹配。

下邊的例子，我們將 RFC-822 頭用“:”號(hào)分成名字和值分別匹配：

From: author@example.com User-Agent: Thunderbird 1.5.0.9 (X11/20061227) MIME-Version: 1.0 To: editor@example.com

像這種情況，我們就可以寫(xiě)一個(gè)正則表達(dá)式先來(lái)匹配一整個(gè) RFC-822 頭，然后利用分組功能，使用一個(gè)組來(lái)匹配頭的名字，另一個(gè)組匹配名字對(duì)應(yīng)的值。

RFC-822 是電子郵件的標(biāo)準(zhǔn)格式，當(dāng)然看到這里你還不知道分組要怎么分，不急，請(qǐng)接著往下看…

在正則表達(dá)式中，使用元字符 ( ) 來(lái)劃分組。( ) 元字符跟數(shù)學(xué)表達(dá)式中的小括號(hào)含義差不多；它們將包含在內(nèi)部的表達(dá)式組合在一起，所以你可以對(duì)一個(gè)組的內(nèi)容使用重復(fù)操作的元字符，例如 *，+，? 或者 {m,n}。

例如，(ab)* 會(huì)匹配零個(gè)或者多個(gè) ab：

>>> p = re.compile('(ab)*') >>> print(p.match('ababababab').span()) (0, 10)

使用 ( ) 表示的子組我們還可以對(duì)它進(jìn)行按層次索引，可以將索引值作為參數(shù)傳遞給這些方法：group()，start()，end() 和 span()。序號(hào) 0 表示第一個(gè)分組（這個(gè)是默認(rèn)分組，一直存在的，所以不傳入?yún)?shù)相當(dāng)于默認(rèn)值 0）：

>>> p = re.compile('(a)b') >>> m = p.match('ab') >>> m.group() 'ab' >>> m.group(0) 'ab'

有幾對(duì)小括號(hào)就是分成了幾個(gè)子組，例如 (a)(b) 和 (a(b)) 都是由兩個(gè)子組構(gòu)成的。

子組的索引值是從左到右進(jìn)行編號(hào)，子組也允許嵌套，因此我們可以通過(guò)從左往右來(lái)統(tǒng)計(jì)左括號(hào) ( 來(lái)確定子組的序號(hào)。

>>> p = re.compile('(a(b)c)d') >>> m = p.match('abcd') >>> m.group(0) 'abcd' >>> m.group(1) 'abc' >>> m.group(2) 'b'

group() 方法可以一次傳入多個(gè)子組的序號(hào)：

>>> m.group(2,1,2) ('b', 'abc', 'b')

start() 是獲得參數(shù)子組的開(kāi)始位置；end() 是獲得對(duì)應(yīng)子組的結(jié)束位置；span() 是獲得對(duì)應(yīng)子組的范圍。

可以通過(guò) groups() 方法一次性返回所有的子組匹配的字符串：

>>> m.groups() ('abc', 'b')

反向引用

還有一個(gè)反向引用的概念需要介紹。反向引用指的是你可以在后面的位置使用先前匹配過(guò)的內(nèi)容，用法是反斜杠加上數(shù)字。例如 \1 表示引用前邊成功匹配的序號(hào)為 1 的子組。

>>> p = re.compile(r'(\b\w+)\s+\1') >>> p.search('Paris in the the spring').group() 'the the'

如果只是搜索字符串，反向引用不會(huì)被用到，因?yàn)?strong>很少有文本格式會(huì)這樣來(lái)重復(fù)字符。但是，你很快會(huì)發(fā)現(xiàn)，在字符串替換的時(shí)候，反向引用是非常有用的！

注意

在 Python 的字符串中會(huì)使用反斜杠加數(shù)字的方式來(lái)表示數(shù)字的值對(duì)應(yīng)的 ASCII 字符，所以在使用反向索引的正則表達(dá)式中，我們依然強(qiáng)調(diào)要使用原始字符串。

總結(jié)

以上是生活随笔為你收集整理的Python正则表达式之零宽断言（4）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。