Python入門進階教程-原子

在正則表達式中，存在操作符和操作元，操作符存在優先級，操作元被稱做原子
操作符優先級（由高到低）
（先不用在意操作符的名稱，雖然也看不太懂）

1. 轉義符號 (Escaping Symbol)：
    \
2. 分組、捕獲 (Grouping or Capturing)：
    (...) (?:...) (?=...) (?!...) (?<=...) (?<!...)
3. 數量 (Quantifiers)
    a* a+ a? a{n, m}
4. 序列與定位（Sequence and Anchor）
    abc ^ $ \b \B
5. 或（Alternation）
    a|b|c
6. 原子 (Atoms)
    a [^abc] \t \r \n \d \D \s \S \w \W .

1. 本義字符

代表的就是它們的字面值，包括從 a 到 z，A 到 Z，0 到 9，還有 _
*注： 非本義字符：\ + . ? - ^ $ | ( ) [ ] { } < >，建議都直接加上轉義符號 \ 來表示**

2 集合原子

標示集合原子，使用方括號 []。
即[abc] 的意思是說，“a or b or c”，即，abc 中的任意一個字符。
在方括號中，我們可以使用兩個操作符：-（區間）和 ^（非）。

- [a-z] 表示從小寫字母 a 到小寫字母 z 中的任意一個字符。
- [^abc] 表示 abc 以外的其它任意字符，即，非 [abc]。

舉：beg[iau]n 能夠代表 begin、began，以及 begun。

注：一個集合原子中，^ 符號只能用一次，只能緊跟在 [ 之后。否則不起作用

3. 類別原子

能夠代表 “一類字符” 的原子，它們都得使用轉義符號再加上另外一個符號表達
\d 任意數字；等價于 [0-9]
\D 任意非數字；等價于 [^0-9]
\w 任意本義字符；等價于 [a-zA-Z0-9_]
\W 任意非本義字符；等價于 [^a-zA-Z0-9_]
\s 任意空白；相當于 [ \f\n\r\t\v]（注意，方括號內第一個字符是空格符號）
\S 任意非空白；相當于 [^ \f\n\r\t\v]（注意，緊隨 ^ 之后的是一個空格符號）
.  除 \r \n 之外的任意字符；相當于 [^\r\n]

小技巧：d 是 digits；w 是 word characters；s 是 spaces

# 舉例
import re

str = '<dl>(843) 542-4256</dl> <dl>(431) 270-9664</dl>'
# 找到字符串中所有"數字-數字"格式的字符，其中第一個數字是三位數，第二個數字是四位數
pttn = r'\d\d\d\-\d\d\d\d'
print(re.findall(pttn, str))

# 輸出
['542-4256', '270-9664']

4. 邊界原子

用邊界原子指定邊界。也可以稱作 “定位操作符”。

^ 匹配被搜索字符串的開始位置；
$ 匹配被搜索字符串的結束位置；
\b 匹配單詞的邊界；er\b，能匹配 coder 中的 er，卻不能匹配 error 中的 er；
\B 匹配非單詞邊界；er\B，能匹配 error 中的 er，卻不能匹配 coder 中的 er。

注：^ 和 $ 在 Python 語言中被 \A 和 \Z 替代。

# 舉例
import re

str = 'never ever verb however everest'
pttn = r'er\b'
print(re.findall(pttn, str))
pttn = r'er\B'
print(re.findall(pttn, str))

# 輸出
['er', 'er', 'er']
['er', 'er']

5. 組合原子

用圓括號 () 將多個單字符原子組合成一個原子，() 內的字符串將被當作一整個原子

注意：
er 是兩個原子，'e' 和緊隨其后的 'r'
[er] 是一個原子，或者 'e' 或者 'r'；
(er) 是一個原子，'er'

6. 數量操作符

數量操作符有：+ ? * {n, m}。用來限定位于它們之前的原子允許出現的個數，不加數量限定則代表出現一次且僅出現一次

+ 代表前面的原子必須至少出現一次，即： 出現次數 ≧ 1
? 代表前面的原子最多只可以出現一次，即：0 ≦ 出現次數 ≦ 1
* 代表前面的原子可以不出現，也可以出現一次或者多次，即： 出現次數 ≧ 0
{n} 代表之前的原子出現確定的 n 次；
{n,} 代表之前的原子出現至少 n 次；
{n, m} 代表之前的原子出現至少 n 次，至多 m 次

# 匹配字符串
str = ['google', 'gooogle', 'goooogle', 'goooooogle']

# 遍歷字符串
for str_per in str:
    # o最少出現一次 
    pttn = r'go+gle'
    print(re.findall(pttn, str_per))

    # o最多出現一次 
    pttn = r'go?gle'
    print(re.findall(pttn, str_per))

    # o出現次數≧ 0
    pttn = r'go?gle'
    print(re.findall(pttn, str_per))

    # o出現至少2次，至多5次
    pttn = r'go{2,5}gle'
    print(re.findall(pttn, str_per))

    # 進階：聯立組合原子
    # g 或者 o 最少出現一次
    pttn = r'[go]+gle'

    # go 最少出現一次
    pttn = r'(go)+gle'
    print(re.findall(pttn, str_per))

1. 或操作符 |

或操作符 | 是所有操作符中優先級最低的

import re

str = 'begin began begun begins beginn'
pttn = r'begin|began|begun'
print(re.findall(pttn, str))

# 輸出
['begin', 'began', 'begun', 'begin', 'begin']

注：方括號的 | 不被當作特殊符號，而是被當作 | 這個符號本身。在方括號中的圓括號，也被當作圓括號 () 本身，而無分組含義。

關于更多python進階知識，敬請期待！