Python入门进阶教程-原子

在正则表达式中，存在操作符和操作元，操作符存在优先级，操作元被称做原子
操作符优先级（由高到低）
（先不用在意操作符的名称，虽然也看不太懂）

1. 转义符号 (Escaping Symbol)：
    \
2. 分组、捕获 (Grouping or Capturing)：
    (...) (?:...) (?=...) (?!...) (?<=...) (?<!...)
3. 数量 (Quantifiers)
    a* a+ a? a{n, m}
4. 序列与定位（Sequence and Anchor）
    abc ^ $ \b \B
5. 或（Alternation）
    a|b|c
6. 原子 (Atoms)
    a [^abc] \t \r \n \d \D \s \S \w \W .

1. 本义字符

代表的就是它们的字面值，包括从 a 到 z，A 到 Z，0 到 9，还有 _
*注： 非本义字符：\ + . ? - ^ $ | ( ) [ ] { } < >，建议都直接加上转义符号 \ 来表示**

2 集合原子

标示集合原子，使用方括号 []。
即[abc] 的意思是说，“a or b or c”，即，abc 中的任意一个字符。
在方括号中，我们可以使用两个操作符：-（区间）和 ^（非）。

- [a-z] 表示从小写字母 a 到小写字母 z 中的任意一个字符。
- [^abc] 表示 abc 以外的其它任意字符，即，非 [abc]。

举：beg[iau]n 能够代表 begin、began，以及 begun。

注：一个集合原子中，^ 符号只能用一次，只能紧跟在 [ 之后。否则不起作用

3. 类别原子

能够代表 “一类字符” 的原子，它们都得使用转义符号再加上另外一个符号表达
\d 任意数字；等价于 [0-9]
\D 任意非数字；等价于 [^0-9]
\w 任意本义字符；等价于 [a-zA-Z0-9_]
\W 任意非本义字符；等价于 [^a-zA-Z0-9_]
\s 任意空白；相当于 [ \f\n\r\t\v]（注意，方括号内第一个字符是空格符号）
\S 任意非空白；相当于 [^ \f\n\r\t\v]（注意，紧随 ^ 之后的是一个空格符号）
.  除 \r \n 之外的任意字符；相当于 [^\r\n]

小技巧：d 是 digits；w 是 word characters；s 是 spaces

# 举例
import re

str = '<dl>(843) 542-4256</dl> <dl>(431) 270-9664</dl>'
# 找到字符串中所有"数字-数字"格式的字符，其中第一个数字是三位数，第二个数字是四位数
pttn = r'\d\d\d\-\d\d\d\d'
print(re.findall(pttn, str))

# 输出
['542-4256', '270-9664']

4. 边界原子

用边界原子指定边界。也可以称作 “定位操作符”。

^ 匹配被搜索字符串的开始位置；
$ 匹配被搜索字符串的结束位置；
\b 匹配单词的边界；er\b，能匹配 coder 中的 er，却不能匹配 error 中的 er；
\B 匹配非单词边界；er\B，能匹配 error 中的 er，却不能匹配 coder 中的 er。

注：^ 和 $ 在 Python 语言中被 \A 和 \Z 替代。

# 举例
import re

str = 'never ever verb however everest'
pttn = r'er\b'
print(re.findall(pttn, str))
pttn = r'er\B'
print(re.findall(pttn, str))

# 输出
['er', 'er', 'er']
['er', 'er']

5. 组合原子

用圆括号 () 将多个单字符原子组合成一个原子，() 内的字符串将被当作一整个原子

注意：
er 是两个原子，'e' 和紧随其后的 'r'
[er] 是一个原子，或者 'e' 或者 'r'；
(er) 是一个原子，'er'

6. 数量操作符

数量操作符有：+ ? * {n, m}。用来限定位于它们之前的原子允许出现的个数，不加数量限定则代表出现一次且仅出现一次

+ 代表前面的原子必须至少出现一次，即： 出现次数 ≧ 1
? 代表前面的原子最多只可以出现一次，即：0 ≦ 出现次数 ≦ 1
* 代表前面的原子可以不出现，也可以出现一次或者多次，即： 出现次数 ≧ 0
{n} 代表之前的原子出现确定的 n 次；
{n,} 代表之前的原子出现至少 n 次；
{n, m} 代表之前的原子出现至少 n 次，至多 m 次

# 匹配字符串
str = ['google', 'gooogle', 'goooogle', 'goooooogle']

# 遍历字符串
for str_per in str:
    # o最少出现一次 
    pttn = r'go+gle'
    print(re.findall(pttn, str_per))

    # o最多出现一次 
    pttn = r'go?gle'
    print(re.findall(pttn, str_per))

    # o出现次数≧ 0
    pttn = r'go?gle'
    print(re.findall(pttn, str_per))

    # o出现至少2次，至多5次
    pttn = r'go{2,5}gle'
    print(re.findall(pttn, str_per))

    # 进阶：联立组合原子
    # g 或者 o 最少出现一次
    pttn = r'[go]+gle'

    # go 最少出现一次
    pttn = r'(go)+gle'
    print(re.findall(pttn, str_per))

1. 或操作符 |

或操作符 | 是所有操作符中优先级最低的

import re

str = 'begin began begun begins beginn'
pttn = r'begin|began|begun'
print(re.findall(pttn, str))

# 输出
['begin', 'began', 'begun', 'begin', 'begin']

注：方括号的 | 不被当作特殊符号，而是被当作 | 这个符号本身。在方括号中的圆括号，也被当作圆括号 () 本身，而无分组含义。

关于更多python进阶知识，敬请期待！