掌握Python 正則表達式中的特殊字元

正則表達式是一種強大的文本模式匹配工具，常用於字元串的匹配、替換、分割等操作。Python內置re模塊提供了豐富的正則表達式方法。但是，正則表達式中有許多特殊字元需要特殊處理，掌握這些特殊字元對於使用正則表達式是非常重要的。

一、元字元

元字元是正則表達式中最基本的概念。Python中最常用的元字元包括：.、^、$、*、+、?、{}、|、[]、()。下面我們詳細說明這些元字元。

. （點號）

點號可以匹配任意單個字元，但是不能匹配換行符（\n）。例如，正則表達式 a.b 可以匹配字元串 “acb”、”a2b”、”a#b” 等，但不能匹配 “a
b”。

^ （脫字元）

脫字元匹配字元串的開頭。例如，正則表達式 ^a 匹配以字母 a 開頭的字元串，但是不能匹配 aaaaaa。

$ （美元符號）

美元符號匹配字元串的結尾。例如，正則表達式 a$ 匹配以字母 a 結尾的字元串，但是不能匹配 aaaaaa。

* （星號）

星號表示匹配前面的字元0次或多次。例如，正則表達式 a*b 可以匹配 “b”、”ab”、”aab” 等字元串。

+ （加號）

加號表示匹配前面的字元1次或多次。例如，正則表達式 a+b 可以匹配 “ab”、”aab” 等字元串，但是不能匹配字元串 “b”。

? （問號）

問號表示匹配前面的字元0次或1次。例如，正則表達式 a?b 可以匹配 “b” 和 “ab”兩個字元串。

{m,n}

大括弧表示匹配前面的字元m次到n次（包括m和n）。例如，正則表達式 a{2,4}b 可以匹配 “aab”、”aaab”、”aaaab” 三個字元串。

| （管道符號）

管道符號表示「或」關係。例如，正則表達式 a|b 可以匹配 “a” 或 “b”。

[] （字符集）

字符集表示匹配方括弧中任意一個字元。例如，正則表達式 [abc] 表示匹配字元 “a”、”b” 或 “c”。

() （分組）

圓括弧表示將其中的字元看成一個整體，可以在其中使用|、*、+、?、{}等元字元。例如，正則表達式 (ab)+ 可以匹配 “ab”、”abab”、”ababab” 等字元串。

二、轉義字元

在正則表達式中，有些特殊字元需要用反斜杠進行轉義才能正確匹配。Python中最常用的轉義字元包括：\d、\D、\s、\S、\w、\W、\b、\B、\\。

\d

\d 表示匹配所有數字。例如，正則表達式 \d+ 可以匹配任意一個數字串。

\D

\D 表示匹配所有非數字字元。例如，正則表達式 \D+ 可以匹配任意一個非數字串。

\s

\s 表示匹配所有空白字元，包括空格、製表符、換行符等。例如，正則表達式 \s+ 可以匹配任意一個空白符串。

\S

\S 表示匹配所有非空白字元。例如，正則表達式 \S+ 可以匹配任意一個非空白符串。

\w

\w 表示匹配所有字母、數字和下劃線。例如，正則表達式 \w+ 可以匹配任意一個標識符。

\W

\W 表示匹配所有非字母、數字和下劃線的字元。例如，正則表達式 \W+ 可以匹配任意一個非標識符。

\b

\b 表示匹配單詞的邊界。例如，正則表達式\b\w+\b 可以匹配任意一個單詞。

\B

\B 表示匹配非單詞邊界。例如，正則表達式\Bcat\B 可以匹配 “concat”、”cat123” 等字元串。

\\

用於轉義字元本身。例如，正則表達式 \\+ 可以匹配一個反斜杠。

三、貪婪匹配和非貪婪匹配

正則表達式中的元字元默認是「貪婪」的，即儘可能多地匹配字元。例如，正則表達式 A.*B 可以匹配字元串 “A1B2C3D4B” 中的 A1B2C3D4。

非貪婪匹配也稱為懶惰匹配或最小匹配，即儘可能少地匹配字元。在貪婪匹配的元字元後面加上?即可實現非貪婪匹配。例如，正則表達式 A.*?B 可以匹配字元串 “A1B2C3D4B” 中的 A1B2。

四、示例代碼

import re

# 元字元示例
pattern = "a.b"
print(re.match(pattern, "acb")) # 匹配成功
print(re.match(pattern, "a 
 b")) # 匹配失敗

pattern = "^a"
print(re.match(pattern, "abcd")) # 匹配成功
print(re.match(pattern, "bcda")) # 匹配失敗

pattern = "a$"
print(re.match(pattern, "abcd")) # 匹配失敗
print(re.match(pattern, "bcda")) # 匹配成功

pattern = "a*b"
print(re.match(pattern, "b")) # 匹配成功
print(re.match(pattern, "abab")) # 匹配成功
print(re.match(pattern, "c")) # 匹配失敗

pattern = "a+b"
print(re.match(pattern, "ab")) # 匹配成功
print(re.match(pattern, "aab")) # 匹配成功
print(re.match(pattern, "b")) # 匹配失敗

pattern = "a?b"
print(re.match(pattern, "b")) # 匹配成功
print(re.match(pattern, "ab")) # 匹配成功
print(re.match(pattern, "ac")) # 匹配失敗

pattern = "a{2,4}b"
print(re.match(pattern, "aab")) # 匹配成功
print(re.match(pattern, "aaab")) # 匹配成功
print(re.match(pattern, "aaaab")) # 匹配成功
print(re.match(pattern, "ab")) # 匹配失敗

pattern = "a|b"
print(re.match(pattern, "a")) # 匹配成功
print(re.match(pattern, "b")) # 匹配成功
print(re.match(pattern, "c")) # 匹配失敗

pattern = "[abc]"
print(re.match(pattern, "a")) # 匹配成功
print(re.match(pattern, "b")) # 匹配成功
print(re.match(pattern, "d")) # 匹配失敗

pattern = "(ab)+"
print(re.match(pattern, "ababab")) # 匹配成功
print(re.match(pattern, "ab")) # 匹配成功
print(re.match(pattern, "ac")) # 匹配失敗

# 轉義字元示例
pattern = "\d+"
print(re.match(pattern, "123abc")) # 匹配成功
print(re.match(pattern, "abc")) # 匹配失敗

pattern = "\D+"
print(re.match(pattern, "123abc")) # 匹配失敗
print(re.match(pattern, "abc")) # 匹配成功

pattern = "\s+"
print(re.match(pattern, "   abc")) # 匹配成功
print(re.match(pattern, "abc")) # 匹配失敗

pattern = "\S+"
print(re.match(pattern, "   abc")) # 匹配失敗
print(re.match(pattern, "abc")) # 匹配成功

pattern = "\w+"
print(re.match(pattern, "def_123")) # 匹配成功
print(re.match(pattern, "!@#")) # 匹配失敗

pattern = "\W+"
print(re.match(pattern, "def_123")) # 匹配失敗
print(re.match(pattern, "!@#")) # 匹配成功

pattern = r"\b\w+\b"
print(re.findall(pattern, "Hello, world!")) # ['Hello', 'world']

pattern = r"\Bcat\B"
print(re.search(pattern, "concat")) # None
print(re.search(pattern, "cat123")) # None

# 貪婪匹配和非貪婪匹配示例
pattern = "A.*B"
print(re.match(pattern, "A1B2C3D4B")) # 匹配成功

pattern = "A.*?B"
print(re.match(pattern, "A1B2C3D4B")) # 匹配成功