最近处理数据，看开源代码满屏幕的正则表达式，脑壳疼。
花了一整天时间看 菜鸟教程 的正则表达式……感觉写的有点过于详细，而且顺序也让我很迷惑……
于是自己写点总结吧。
- 我觉得首先要搞懂的是，正则表达式其实就是一个字符串的模板，用来在字符串中寻找符合条件的子串。下面是一个最简单的例子，用来在字符串中寻找‘1234’子串。
import re myre = re.compile(r'1234') mystr = 'xx1234yy' myres = myre.search(mystr) print(myres) ''' <_sre.SRE_Match object; span=(2, 6), match='1234'> '''
- 相信大家开始学正则表达式的时候，肯定是突然有一个某个需求，然后找到其他人的代码，又想看懂吧。里面肯定各种大中小括号，让人头大2333333
不过先别急，先给出两个简单的概念，普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。
所谓的特殊字符（元字符），其实就是一些字符给了一些特殊的意义，有点类似于保留字、系统自带函数之类的东西，而且不允许你重载它。如果你想在正则表达式中匹配特殊字符本身，只需要在它之前加一个就行了，比如*就是匹配的*，但是单独的*就会发挥它的特定功能。具体有哪些特殊字符，可以参考这个菜鸟教程网页 。刚开始学没必要把它们都弄懂，只要把 + * 大中小括号先弄懂，就能写一些基本的正则表达式了。其他的后续碰到再查表就是了。
- 我觉得有必要先弄懂大中小括号。
- 先讲中括号[]，中括号是一个字符簇。中括号要注意的就是，一个中括号虽然可以表达一个很大的范围（字符簇），但是它只能在字符串中匹配单一的一个字符。
看下面的例子。
r'[AaEeIiOoUu]' #这个模式与任何单个的元音字符匹配，但只能匹配一个字符。 #用连字号-可以表示一个字符的范围,如下 r'[a-z]' #匹配所有的单个小写字母 r'[A-Z]' #匹配所有的单个大写字母 r'[a-zA-Z]' #匹配所有的单个字母 r'[0-9]' #匹配所有的单个数字 r'[0-9.-]' #匹配所有的单个数字或句号或减号 #需要匹配连续的某字符簇的话，配合+或者*使用。如下 r'[0-9]+' #匹配0个或者连续多个0-9范围内的数字, 如‘1234’ 或者 ‘’ r'[0-9]*' #匹配至少1个或连续多个0-9范围内的数字， 如‘1234’
看完这个中括号的例子，大概也能猜到+ 和*的作用了。
- 然后是小括号()，小括号是用来标记一个子表达式的开始和结束位置。
In [50]: myre = re.compile(r'([0-9][a-c])+') In [51]: mystr = '1c2a3b' In [52]: myres = myre.search(mystr) In [53]: print(myres) <_sre.SRE_Match object; span=(0, 6), match='1c2a3b'> In [54]: myre2 = re.compile(r'[0-9][a-c]+') In [55]: mystr2 = '1abbc' In [56]: myres2 = myre2.search(mystr2) In [57]: myres2 Out[57]: <_sre.SRE_Match object; span=(0, 5), match='1abbc'> In [58]: myres3 = myre2.search(mystr) In [59]: myres3 Out[59]: <_sre.SRE_Match object; span=(0, 2), match='1c'>
这个例子解释了加()对+元字符的作用范围的功能。不加()的时候，只能匹配数字开头，至少1个abc的字符串。但是加了()之后，变成了匹配数字和abc交替出现的字符串。
- 然后是大括号{}， 大括号是用来标记前一个子表达式匹配的次数，其实作用和+ * 有些类似，只不过有特定的次数。看下面的例子：
''' 一个数字 {x} 的意思是前面的字符或字符簇只出现x次 ；一个数字加逗号 {x,} 的意思是前面的内容出现x或更多的次数 ；两个数字用逗号分隔的数字 {x,y} 表示 前面的内容至少出现x次，但不超过y次。我们可以把模式扩展到更多的单词或数字： ''' r'a{4}' #匹配连续4个a r'a{2,}' #匹配连续两个a的字符串 r'a{2,4}' #匹配连续a，至少两个，最多4个。
其实特殊字符 * 与 {0,} 是相等的，它们都代表着 0 个或多个前面的子表达式 。特殊字符 + 与 {1,} 是相等的，表示 1 个或多个前面的子表达式。
我的入门初探小结大概就是这样了。能看懂上面这些的话，基本的正则表达式都能看懂了。
看教程的过程中还看到一个 “贪婪”“非贪婪”的概念。
这个东西其实也很好理解。下面给一个例子吧。
_curly_re = re.compile(r'(.*?){(.+?)}(.*)') # 这个表达式，用小括号()分成了3部分，然后中间还有夹杂着{ }用来匹配左右大括号字符，而不是表示特殊符号大括号。 #第一个小括号中的子表达式： #.表示通配符，匹配除换行符 之外的任何单个字符。 #.后面加了一个*，表示匹配前面的子表达式零次或多次 #.*结合起来就是匹配任意的符号0次或多次。 #但是后面又加了一个? 这个?就是标志 非贪婪的匹配。 # 什么叫非贪婪呢？ #举例如下 r'.*{' #可以匹配'asdf{asdf{' r'.*?{' #只能匹配到'asdf{xxx{'中的 'asdf{'子串 #很好理解了吗？ 非贪婪就是 .*对于这种可以无限往下匹配的表达式，会考虑后续表达式的匹配，而不是贪婪的无穷的匹配下去。