Python正则表达式：字符集及内部顺序

72 阅读 0 评论 48 点赞

我是靠谱客的博主平常汉堡，最近开发中收集的这篇文章主要介绍Python正则表达式：字符集及内部顺序，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

1.基础内容

[] （中括号）用于描述正则表达式中的字符集，可以通过向字符集内部输入字符来自定义匹配的内容。

import re
regex1 = re.compile('[ABC]')
message1 = "Hello. This is ABC club. A man will serve you then."
print(regex1.findall(message1))

输出：[‘A’, ‘B’, ‘C’, ‘A’]

正则表达式会根据中括号里的任意一个字符进行匹配。

如果想要匹配的字符很多，例如所有的大写字母时，可以这样操作：（这里是为了演示字符集的用法）

regex2 = re.compile('[A-Z]')
message2 = "It's my DUTY to save your SOUL."
print(regex2.findall(message2))

输出：[‘I’, ‘D’, ‘U’, ‘T’, ‘Y’]

如果还想匹配其他的内容，例如数字和大写字母时：

regex3 = re.compile('[0-9A-Z]')
message3 = "There are 7 GOBLINS and 2 dwarves in my house! Help!"
print(regex3.findall(message3))

输出：[‘T’, ‘7’, ‘G’, ‘O’, ‘B’, ‘L’, ‘I’, ‘N’, ‘S’, ‘2’, ‘H’]

0-9，A-Z之间不分开。 如果想要匹配减号 ‘-’，使用转义字符 ‘-’ 来代替。

2.内部顺序

继续研究这个字符集，我产生了一个疑问：能否使用 [A-z] 这样的顺序呢？

答案是肯定的。不过，这里会发生一些特别的事情：

regex4 = re.compile('[A-z]')
message4 = "ABC Z [^] abc z"
print(regex4.findall(message4))
regex5 = re.compile('[M-m]')
message5 = "KLMNO...klmno"
print(regex5.findall(message5))

输出：[‘A’, ‘B’, ‘C’, ‘Z’, ‘[’, ‘^’, ‘]’, ‘a’, ‘b’, ‘c’, ‘z’]
[‘M’, ‘N’, ‘O’, ‘k’, ‘l’, ‘m’]

嗯……好像上面插入了某些符号？

这里大概可以得到出来一个结论：对于 [(c1)-(c2)] 的结构，它是根据 ASCII 的顺序操作的，表示可以匹配 c1 到 c2 之间（包括 c1 和 c2）的所有字符。

让我们来验证一下：

regex6 = re.compile('[#-E]')
message6 = "Awesome! The last 5% M&M Candies (10 candies) are nice; I'll enjoy them!"
print(regex6.findall(message6))

输出：[‘A’, ‘5’, ‘%’, ‘&’, ‘C’, ‘(’, ‘1’, ‘0’, ‘)’, ‘;’, “’”]-----（最后一个是单引号）

查看一下 ASCII 表：
35 - # ， 69 - E

33 - !，37 - %，38 - &，39 - '，40 - (，41 - )
48 - 0，49 - 1，53 - 5
59 - ;
65 - A，73 - I

于是基本上可以确定：字符集中，以 ‘-’ 为连接的字符顺序满足 ASCII 的排列规则，即：对于 [(c1)-(c2)]，对应的 ASCII 值 c1 <= c2 时，匹配 c1 到 c2 之间的字符。

让我们做一个验证：如果把 [(c1)-(c2)] 的顺序交换，即 c1 的 ASCII 值小于 c2，会怎么样呢？

regex7 = re.compile('[a-Z]')
message7 = "Maybe it's wrong..."
print(regex7.findall(message7))

然后就会显示一长串的报错信息：

Traceback (most recent call last):
File “G:/work/examples/eg_7_2.py”, line 27, in
regex7 = re.compile(’[a-Z]’)
File “D:Python37libre.py”, line 234, in compile
return _compile(pattern, flags)
File “D:Python37libre.py”, line 286, in _compile
p = sre_compile.compile(pattern, flags)
File “D:Python37libsre_compile.py”, line 764, in compile
p = sre_parse.parse(p, flags)
File “D:Python37libsre_parse.py”, line 930, in parse
p = _parse_sub(source, pattern, flags & SRE_FLAG_VERBOSE, 0)
File “D:Python37libsre_parse.py”, line 426, in _parse_sub
not nested and not items))
File “D:Python37libsre_parse.py”, line 580, in _parse
raise source.error(msg, len(this) + 1 + len(that))
re.error: bad character range a-Z at position 1（手动加粗）