Python3 如何優雅地使用Regex（詳解四）

更多強大的功能

到目前為止，我們只是介紹了Regex的一部分功能。在這一篇中，我們會學習到一些新的元字元，然後再教大家如何使用組來獲得被匹配的部分文本。


更多元字元

還有一些元字元我們沒有講到，接下來小甲魚一一為大家講解。

有些元字元它們不匹配任何字元，只是簡單地表示成功或失敗，因此這些字元也稱之為 零寬斷言 。例如  \b  表示當前位置位於一個單詞的邊界，但  \b  並不能改變位置。因此，零寬斷言不應該被重複使用，因為  \b  並不會修改當前位置，所以  \b\b 跟  \b  是沒什麼兩樣的。

小甲魚解釋：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 之後，咱的當前位置就會移動，才能繼續匹配 b，依次類推...但是 \babc 的話，\b 表示當前位置在單詞的邊界（單詞的第一個字母或者最後一個字母），這時候當前位置不會發生改變，接著將 a 與當前位置的字元進行匹配......


|

或操作符，對兩個Regex進行或操作。如果 A 和 B 是Regex， A | B  會匹配  A  或  B  中出現的任何字元。為了能夠更加合理的工作， |  的優先順序非常低。例如  Fish|C  應該匹配  Fish  或  C ，而不是匹配  Fis ，然後一個  'h'  或  'C' 。

同樣，我們使用  \|  來匹配  '|'  字元本身；或者包含在一個字元類中，像這樣  [|] 。


^

匹配字串的起始位置。如果設定了 MULTILINE 標誌，就會變成匹配每一行的起始位置。在 MULTILINE 中，每當遇到分行符號就會立刻進行匹配。

舉個例子，如果你只希望匹配位於字串開頭的單詞 From，那麼你的Regex可以寫為 ^From：
>>> print(re.search('^From', 'From Here to Eternity'))  
< _sre.SRE_Match object; span=(0, 4), match='From'>
>>> print(re.search('^From', 'Reciting From Memory'))
None 複製代碼

$

匹配字串的結束位置，每當遇到分行符號也會離開進行匹配。

>>> 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='}'>

同樣，我們使用  \$  來匹配  '$'  字元本身；或者包含在一個字元類中，像這樣  [$] 。


\A

只匹配字串的起始位置。如果沒有設定 MULTILINE 標誌的時候， \A  和  ^  的功能是一樣的；但如果設定了 MULTILINE 標誌，則會有一些不同： \A  還是匹配字串的起始位置，但  ^  會對字串中的每一行都進行匹配。


\Z

只匹配字串的結束位置。


\b

單詞邊界，這是一個只匹配單詞的開始和結尾的零寬斷言。“單詞”定義為一個字母數位序列，所以單詞的結束指的是空格或者非字母數位字元。

下邊例子中， class  只有在出現一個完整的單詞  class  時才匹配；如果出現在別的單詞中，並不會匹配。 >>> 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 複製代碼
在使用這些特殊的序列的時候，有兩點是需要注意的：第一點需要注意的是，Python 的字串跟Regex在有些字元上是有衝突的（回憶之前反斜線的例子）。比如說在 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串，Python 會將  \b  轉換成退格符處理，這樣就肯定跟你的預期不一樣了。

下邊的例子中，我們故意不寫表示原始字串的  'r' ，結果確實大相庭徑：
>>> 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'> 複製代碼
第二點需要注意的是，在字元類中不能使用這個斷言。跟 Python 一樣，在字元類中， \b  只是用來表示退格符。


\B

另一個零寬斷言，與  \b  的含義相反， \B  表示非單詞邊界的位置。


分組