1.基礎內容
[] (中括號)用于描述正則表達式中的字符集,可以通過向字符集內部輸入字符來自定義匹配的內容。
import
re
regex1
=
re
.
compile
(
'[ABC]'
)
message1
=
"Hello. This is ABC club. A man will serve you then."
print
(
regex1
.
findall
(
message1
)
)
輸出:[‘A’, ‘B’, ‘C’, ‘A’]
正則表達式會根據中括號里的任意一個字符進行匹配。
如果想要匹配的字符很多,例如所有的大寫字母時,可以這樣操作:(這里是為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
)
)
輸出:[‘I’, ‘D’, ‘U’, ‘T’, ‘Y’]
如果還想匹配其他的內容,例如數字和大寫字母時:
regex3
=
re
.
compile
(
'[0-9A-Z]'
)
message3
=
"There are 7 GOBLINS and 2 dwarves in my house! Help!"
print
(
regex3
.
findall
(
message3
)
)
輸出:[‘T’, ‘7’, ‘G’, ‘O’, ‘B’, ‘L’, ‘I’, ‘N’, ‘S’, ‘2’, ‘H’]
0-9,A-Z之間不分開。 如果想要匹配減號 ‘-’,使用轉義字符 ‘\-’ 來代替。
2.內部順序
繼續研究這個字符集,我產生了一個疑問:能否使用 [A-z] 這樣的順序呢?
答案是肯定的。不過,這里會發生一些特別的事情:
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
)
)
輸出:[‘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號?
這里大概可以得到出來一個結論: 對于 [(c1)-(c2)] 的結構,它是根據 ASCII 的順序操作的,表示可以匹配 c1 到 c2 之間(包括 c1 和 c2)的所有字符。
讓我們來驗證一下:
regex6
=
re
.
compile
(
'[#-E]'
)
message6
=
"Awesome! The last 5% M&M Candies (10 candies) are nice; I'll enjoy them!"
print
(
regex6
.
findall
(
message6
)
)
輸出:[‘A’, ‘5’, ‘%’, ‘&’, ‘C’, ‘(’, ‘1’, ‘0’, ‘)’, ‘;’, “’”] -----(最后一個是單引號)
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
于是基本上可以確定: 字符集中,以 ‘-’ 為連接的字符順序滿足 ASCII 的排列規則 ,即: 對于 [(c1)-(c2)],對應的 ASCII 值 c1 <= c2 時,匹配 c1 到 c2 之間的字符。
讓我們做一個驗證:如果把 [(c1)-(c2)] 的順序交換,即 c1 的 ASCII 值小于 c2,會怎么樣呢?
regex7
=
re
.
compile
(
'[a-Z]'
)
message7
=
"Maybe it's wrong..."
print
(
regex7
.
findall
(
message7
)
)
然后就會顯示一長串的報錯信息:
-
Traceback (most recent call last):
File “G:/work/examples/eg_7_2.py”, line 27, in
regex7 = re.compile(’[a-Z]’)
File “D:\Python37\lib\re.py”, line 234, in compile
return _compile(pattern, flags)
File “D:\Python37\lib\re.py”, line 286, in _compile
p = sre_compile.compile(pattern, flags)
File “D:\Python37\lib\sre_compile.py”, line 764, in compile
p = sre_parse.parse(p, flags)
File “D:\Python37\lib\sre_parse.py”, line 930, in parse
p = _parse_sub(source, pattern, flags & SRE_FLAG_VERBOSE, 0)
File “D:\Python37\lib\sre_parse.py”, line 426, in _parse_sub
not nested and not items))
File “D:\Python37\lib\sre_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 (手動加粗)
Process finished with exit code 1
大概意思就是:a-Z 不符合字符集匹配的順序(因為 a - 97,而 Z - 90,a 的 ASCII 值大于 Z),從而引發了問題。
結論:字符集中,以 ‘-’ 為連接的字符順序滿足 ASCII 的排列規則,前小后大。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
