regex.md

• []表示字符

  • [a-z]

• 预定义字符

  • .表示任意一个字符
    • .* 表示任意多个字符
  • \d表示任意一个数字
  • \b表示word前后的空格
  • + 代表的是匹配加号(+)之前的正则表达式1次或多次
    • [ab]+和[ab][ab]*等价

• \w+ 匹配word

• 模式

  • (?i) 不区分大小写，(?i)(invoke|call|exec|run).*function

• 匹配行首尾：行首^，行尾$

  • egrep "[45]..$"

例子

• 解释一下 PAT = re.compile( r'^/(?P<bzid>[-_0-9A-Za-z]+)/service/(?P<base_name>[-_0-9A-Za-z]+)(/(?P<idc>[-_0-9A-Za-z]+):(?P<cluster>[-_0-9A-Za-z]+))?/(?P<server_type>\w+):(?P<index>\d+)(/(?P<replica_id>\d+))?$' )

  • ^：表示字符串的开头。

  • /：表示斜杠字符。

  • (?P<bzid>[-_0-9A-Za-z]+)：使用命名捕获组的语法，匹配一个或多个由字母、数字、下划线、短划线组成的字符序列，并将其命名为"bzid"。

  • /service/：表示字面字符串"/service/"。

  • (?P<base_name>[-_0-9A-Za-z]+)：匹配一个或多个由字母、数字、下划线、短划线组成的字符序列，并将其命名为"base_name"。

  • (/(?P<idc>[-_0-9A-Za-z]+):(?P<cluster>[-_0-9A-Za-z]+))?：使用括号和问号表示的可选部分，匹配一个可选的分组，包含一个由字母、数字、下划线、短划线组成的字符序列（命名为"idc"），后跟冒号、再后跟一个由字母、数字、下划线、短划线组成的字符序列（命名为"cluster"）。

  • /：表示斜杠字符。

  • (?P<server_type>\w+)：匹配一个或多个字母、数字、下划线字符，并将其命名为"server_type"。

  • :：表示冒号字符。

  • (?P<index>\d+)：匹配一个或多个数字字符，并将其命名为"index"。

  • (/(?P<replica_id>\d+))?：使用括号和问号表示的可选部分，匹配一个可选的分组，包含一个或多个数字字符（命名为"replica_id"）。

  • ?：表示前面的可选部分是可选的，可以出现零次或一次。

  • $：表示字符串的结尾。

Python

PAT = re.compile(
r'^/(?P<bzid>[-_0-9A-Za-z]+)/service/(?P<base_name>[-_0-9A-Za-z]+)(/(?P<idc>[-_0-9A-Za-z]+):(?P<cluster>[-_0-9A-Za-z]+))?/(?P<server_type>\w+):(?P<index>\d+)(/(?P<replica_id>\d+))?$'
)

path: str
matched = PAT.match(path)
group_dict = matched.groupdict()

import re

text = "The cat chased the cat that chased the mouse"
pattern = re.compile(r"cat")

matches = re.finditer(pattern, text)
for match in matches:
    print(f"匹配位置: {match.start()} - {match.end()}，匹配内容: {match.group()}")

• 中括弧、理解Group

def replace_dict_keys_in_string(my_dict, input_string):
  pattern = re.compile(r'(--([\w, ]+)-->)|(<--([\w, ]+)--)', re.IGNORECASE)

  def replace_key(match):
    relations = None
    if match.group(1) is not None:
      relations = match.group(2)
      relations = relations.split(',')
      translated_relation = ','.join(
          [my_dict[r] if r.strip() in my_dict else r for r in relations])
      return f"--{translated_relation}-->"
    elif match.group(3) is not None:
      relations = match.group(4)
      relations = relations.split(',')
      translated_relation = ','.join(
          [my_dict[r] if r.strip() in my_dict else r for r in relations])
      return f"<--{translated_relation}--"
    return match.group(0)

  new_string = re.sub(pattern, replace_key, input_string)
  return new_string

技巧

捕获组

import re

string = "Hello, World!"
match = re.search(r'(\w+), (\w+)!', string)

if match:
    print(match.group())      # 输出完整的匹配结果 "Hello, World!"
    print(match.group(1))     # 输出第一个捕获组的值 "Hello"
    print(match.group(2))     # 输出第二个捕获组的值 "World"

re.DOTALL

re.findall(r'```python\n(.*?)\n```', text, re.DOTALL)

re.DOTALL 是一个正则表达式的标志（也叫修饰符），它改变了 . 字符的默认行为。通常情况下， . 不匹配换行符 \n，但当使用了 re.DOTALL 标志后， . 就可以匹配包括换行符在内的任意字符了。在这个具体的正则表达式中，由于 Python 代码块内部很可能包含换行符，如果不使用 re.DOTALL， .*? 部分就无法完整地匹配代码块中跨越多行的内容，所以使用这个标志能确保正确地匹配到整个 Python 代码块里的所有字符，从 python\n 之后到 \n 之前的全部内容（只要满足非贪婪匹配的原则）。