兄弟連學Python（06）---- Regex匹配規則

標籤：其他   多個   nan   不能   upper   符號   常用   檢測   pos   

Regex - 匹配規則基本模式比對一切從最基本的開始。模式，是Regex最基本的元素，它們是一組描述字串特徵的字元。模式可以很簡單，由普通的字串組成，也可以非常複雜，往往用特殊的字元表示一個範圍內的字元、重複出現，或表示上下文。例如：^once這個模式包含一個特殊的字元^，表示該模式只匹配那些以once開頭的字串。例如該模式與字串"once upon a time"匹配，與"There once was a man from NewYork"不匹配。正如如^符號表示開頭一樣，$符號用來匹配那些以給定模式結尾的字串。bucket$這個模式與"Who kept all of this cash in a bucket"匹配，與"buckets"不匹配。字元^和$同時使用時，表示精確匹配（字串與模式一樣）。例如：^bucket$只匹配字串"bucket"。如果一個模式不包括^和$，那麼它與任何包含該模式的字串匹配。例如：模式once與字串There once was a man from NewYorkWho kept all of his cash in a bucket.是匹配的。在該模式中的字母(o-n-c-e)是字面的字元，也就是說，他們表示該字母本身，數字也是一樣的。其他一些稍微複雜的字元，如標點符號和白字元（空格、定位字元等），要用到逸出序列。所有的逸出序列都用反斜線(\)打頭。定位字元的逸出序列是：\t。所以如果我們要檢測一個字串是否以定位字元開頭，可以用這個模式：^\t 類似的，用\n表示"新行"，\r表示斷行符號。其他的特殊符號，可以用在前面加上反斜線，如反斜線本身用\\表示，句號.用\.表示，以此類推。字元簇在INTERNET的程式中，Regex通常用來驗證使用者的輸入。當使用者提交一個FORM以後，要判斷輸入的電話號碼、地址、EMAIL地址、信用卡號碼等是否有效，用普通的基於字面的字元是不夠的。所以要用一種更自由的描述我們要的模式的辦法，它就是字元簇。要建立一個表示所有母音字元的字元簇，就把所有的母音字元放在一個方括弧裡：[AaEeIiOoUu]這個模式與任何母音字元匹配，但只能表示一個字元。用連字號可以表示一個字元的範圍，如：[a-z] //匹配所有的小寫字母 [A-Z] //匹配所有的大寫字母 [a-zA-Z] //匹配所有的字母 [0-9] //匹配所有的數字 [0-9\.\-] //匹配所有的數字，句號和減號 [ \f\r\t\n] //匹配所有的白字元同樣的，這些也只表示一個字元，這是一個非常重要的。如果要匹配一個由一個小寫字母和一位元字組成的字串，比如"z2"、"t6"或"g7"，但不是"ab2"、"r2d3" 或"b52"的話，用這個模式：^[a-z][0-9]$儘管[a-z]代表26個字母的範圍，但在這裡它只能與第一個字元是小寫字母的字串匹配。前面曾經提到^表示字串的開頭，但它還有另外一個含義。當在一組方括弧裡使用^是，它表示"非"或"排除"的意思，常常用來剔除某個字元。還用前面的例子，我們要求第一個字元不能是數字：^[^0-9][0-9]$這個模式與"&5"、"g7"及"-2"是匹配的，但與"12"、"66"是不匹配的。下面是幾個排除特定字元的例子：[^a-z] //除了小寫字母以外的所有字元 [^\\\/\^] //除了(\)(/)(^)之外的所有字元 [^\"\‘] //除了雙引號(")和單引號(‘)之外的所有字元特殊字元"." (點，句號)在Regex中用來表示除了"新行"之外的所有字元。所以模式"^.5$"與任何兩個字元的、以數字5結尾和以其他非"新行"字元開頭的字串匹配。模式"."可以匹配任何字串，除了空串和只包括一個"新行"的字串。PHP的Regex有一些內建的通用字元簇，列表如下：字元簇描述[[:alpha:]]任何字母[[:digit:]]任何數字[[:alnum:]]任何字母和數字[[:space:]]任何空白字元[[:upper:]]任何大寫字母[[:lower:]]任何小寫字母[[:punct:]]任何標點符號[[:xdigit:]]任何16進位的數字，相當於[0-9a-fA-F]確定重複出現到現在為止，你已經知道如何去匹配一個字母或數字，但更多的情況下，可能要匹配一個單詞或一組數字。一個單詞有若干個字母組成，一組數字有若干個單數組成。跟在字元或字元簇後面的花括弧({})用來確定前面的內容的重複出現的次數。字元簇描述^[a-zA-Z_]$所有的字母和底線^[[:alpha:]]{3}$所有的3個字母的單詞^a$字母a^a{4}$aaaa^a{2,4}$aa,aaa或aaaa^a{1,3}$a,aa或aaa^a{2,}$包含多於兩個a的字串^a{2,}如：aardvark和aaab，但apple不行a{2,}如：baad和aaa，但Nantucket不行\t{2}兩個定位字元.{2}所有的兩個字元這些例子描述了花括弧的三種不同的用法。一個數字 {x} 的意思是前面的字元或字元簇只出現x次 ；一個數字加逗號 {x,} 的意思是前面的內容出現x或更多的次數 ；兩個數字用逗號分隔的數字 {x,y} 表示 前面的內容至少出現x次，但不超過y次。我們可以把模式擴充到更多的單詞或數字：^[a-zA-Z0-9_]{1,}$      // 所有包含一個以上的字母、數字或底線的字串 ^[1-9][0-9]{0,}$        // 所有的正整數 ^\-{0,1}[0-9]{1,}$      // 所有的整數 ^[-]?[0-9]+\.?[0-9]+$   // 所有的浮點數最後一個例子不太好理解，是嗎？這麼看吧：以一個可選的負號 ([-]?) 開頭 (^)、跟著1個或更多的數字([0-9]+)、和一個小數點(\.)再跟上1個或多個數字([0-9]+)，並且後面沒有其他任何東西($)。下面你將知道能夠使用的更為簡單的方法。特殊字元 ? 與 {0,1} 是相等的，它們都代表著： 0個或1個前面的內容 或 前面的內容是可選的 。所以剛才的例子可以簡化為：^\-?[0-9]{1,}\.?[0-9]{1,}$特殊字元 * 與 {0,} 是相等的，它們都代表著 0 個或多個前面的內容 。最後，字元 + 與 {1,} 是相等的，表示 1 個或多個前面的內容 ，所以上面的4個例子可以寫成：^[a-zA-Z0-9_]+$      // 所有包含一個以上的字母、數字或底線的字串 ^[1-9][0-9]*$        // 所有的正整數 ^\-?[0-9]+$          // 所有的整數 ^\-?[0-9]+\.?[0-9]*$ // 所有的浮點數當然這並不能從技術上降低Regex的複雜性，但可以使它們更容易閱讀。

　　

兄弟連學Python（06）---- Regex匹配規則