正则表达式

Regular Expressions Regex

一、基本语法

1. 基础匹配

. 全部匹配
[abc] 字符集
[^abc] 否定字符集
[a-z] 字母范围：我们需要将起始字母和结束字母写进[] 中，中间用连字符 - 分隔
[0-9] 数字范围：我们需要将起始数字和结束数字写进 [] 中，中间用连字符 - 分隔

2. 标志 Flags

/ Regex /g  global 
/ Regex /m  multiline
/ Regex /i  case insensitive

global ：默认只匹配第一个匹配项，全局标志使表达式选中所有匹配项
multiline：默认将所有文本看作一行，多行标志可以单独处理每一行
case insensitive：使我们编写的表达式不再大小写敏感，不区分大小写

3. 重复匹配 Repetitions

星号 * Asterisk：我们在字符后面加上 *，表示一个字符完全不匹配或可以匹配多次。
加号 + The Plus：为了表示一个字符可以出现一次或多次，我们将 + 放在它后面
问号 ? The Question Mark：为了表示一个字符是可选的，我们在它后面加一个 ?

大括号 {} Curly Braces ：在该字符的末尾

为表示一个字符出现的确切次数，将它出现的次数写进大括号 {} 中，如 {n}
为表示一个字符至少出现多少次，将它至少应出现的次数写进大括号 {} 中，并在数字后面加上逗号 ,，如 {n, }
为表示一些字符出现的次数在某个数字范围内，将它至少和至多出现的次数写进大括号 {} 中，中间用逗号 , 分隔，如 {x,y}

[0-9]{2,}  //匹配文本中，位数至少为 2 的阿拉伯数字

4. 分组 Grouping

括号 () 分组，我们可以对一个表达式进行分组，并用这些分组来引用或执行一些规则。为了给表达式分组，我们需要将文本包裹在 () 中。 -\n 表示第 n 个分组

括号 (?:group) 非捕获分组：对表达式进行分组，但是不被引用捕获

(ha)-\1,(haa)-\2      \\ ha-ha,haa-haa 
(?:ha)-ha,(haa)-\1     \\  ha-ha,haa-haa

5. 特殊

竖线 | 竖线允许一个表达式包含多个不同的分支。所有分支用 | 分隔。（相当于或）
转义字符 \ Escape Character： {} [] / \ + * . $ ^ | ? 这些特殊字符。为了匹配这些特殊字符本身，我们需要通过 \ 将它们转义
插入符 ^：匹配字符串的开始，在表达式前面加上 ^
美元符号 $：匹配字符串的结束，在表达式末尾加上 $

^[0-9]    //  仅查找行首的数字
html$     // 在行末出现的 html

6. 预定义字符

简写	含义	等价于
`\d`	数字	`[0-9]`
`\D`	非数字	`[^0-9]`
`\w`	单词字符（字母、数字、下划线）	`[A-Za-z0-9_]`
`\W`	非单词字符	`[^A-Za-z0-9_]`
`\s`	空白字符（空格、制表符、换行等）	`[\t\n\r\f\v]`
`\S`	非空白字符	`[^\t\n\r\f\v]`

7. 零宽断言 Lookarounds

希望正在写的词语出现在另一个词语之前或之后

lookahead 先行断言

正向先行断言 Positive lookahead：在表达式后面使用 (?=pattern) ，匹配出现在 pattern 前面的表达式
负向先行断言 Negative lookahead：在表达式后面使用 (?!pattern)，不匹配出现在 pattern 前面的表达式

Date: 4 Aug 3PM 
\d+(?=PM)     // 得到 3 
\d+(?!PM)     // 得到 4

lookbehind 后行断言

正向后行断言 Positive lookbehind ：在表达式前面使用正向后行断言 (?<=pattern) ，匹配出现在 pattern 后面的表达式
负向后行断言 Negative lookbehind assertion：在表达式前面使用 (?<!pattern) ，不匹配出现在 pattern 后面的表达式

Product Code: 1064 Price: $5 

(?<=\$)\d+  //5  正向后行断言 匹配前面带有 \$ 的数字 

(?<!\$)\d+  //1064  负向后行断言

(?<=$)\d+ //5 正向后行断言匹配前面带有 $ 的数字

(?<!$)\d+ //1064 负向后行断言

8. 匹配 Matching

Greedy Matching ：正则表达式默认执行贪婪匹配。这意味着匹配内容会尽可能长
Lazy Matching：在第一次匹配时停止，在 * 之后添加 ?

二、Python 使用

import re

API	作用	返回值
`re.search(pattern, text)`	在任意位置找第一次匹配	`Match` 对象或 `None`
`re.match(pattern, text)`	只在开头匹配	`Match` 对象或 `None`
`re.fullmatch(pattern, text)`	整段必须完全匹配	`Match` 对象或 `None`
`re.findall(pattern, text)`	返回所有匹配片段的列表 List	`list[str]`
`re.finditer(pattern, text)`	返回迭代器（省内存）	`Iterator[Match]`
`re.sub(pattern, repl, text, count=0)`	替换	替换后的字符串

re.sub(pattern, repl, string) 常用的“查找-替换”函数之一，它会在一个字符串中搜索与正则表达式匹配的所有子串，然后用你指定的新内容把它们全部替换掉，最后返回替换后的完整字符串。

return re.sub(r'([A-Z]{3,})|([a-z]{3,})',lambda m: m.group(1).lower() if m.group(1) else m.group(2).upper(),s)

实际使用

[\u4e00-\u9fa5]   匹配中文文本

(\]\()/(img/user/Functional%20files/Photo%20Resources/[^)]+\. (?:png|jpg|jpeg|gif|webp|svg))

$1../$2

^[ \t]*[\[\]][ \t]*$

实际例子：正则表达式实现 Obsidian 路径批量更新

\\*\*[^*]+\*\*\

\\*\*|\*\*\|\[\[|\]\]

$ 和 $：匹配左右括号（需要转义）。
terminology::：匹配字面量 terminology::。
\*\*：匹配两个星号 **（需要转义）。
[^*]+：匹配一个或多个非星号字符（即术语内容）。
\*\*：再次匹配两个星号 **（需要转义）。
\)：匹配右括号。

参考资料

交互式学习网站：https://regexlearn.com/

怜清韵