【小知识】Python 正则表达式语法

小知识，大挑战！本文正在参与“程序员必备小知识”创作活动。

本文已参与 「掘力星计划」 ，赢取创作大礼包，挑战创作激励金。

前言

在日常生活中我们是否出现以下场景：

• 对于刚接手的项目时，通常我们会先熟悉项目，找到对接的相关方后，才能顺利开展后续工作

• 对于交朋友时，我们会与朋友们之间，磨合熟悉后，杆把子、好哥们等就出现啦

• 对于在商场购物时，我们会根据自己的需求在众多商品中，找到中意的物品，开心地完成购物

• 等等，在日常中，关于筛选检查的场景中，我们都离不开匹配的动作

除了在日常生活中，我们大量使用匹配的原则外，那么我们在工作场景中，也存在大量的匹配筛选的场景

匹配筛选目前适用场景主要分为：静态文本、动态文本

• 静态文本：典型操作-ctrl+f
• 动态文本：正则

本期，我们来对正则表达式进行系统了解和学习，Let‘s go~

1. 正则介绍

正则表达式（Regular Expression 简写regex）是一种用于字符串匹配模式，通过定义一串特殊规则去匹配符合的字符。

正则表达式起源

• 20世纪40年代：起源于数学方式的神经网络模型
• 1956年：诞生“正则表达式”术语
• 1968年：UNIX之父研发出正则表达式流派之一，支持正则表达式编译器qed
• 1987年：正则表达式流派之一,Perl语言诞生.众多语言都是参考prel语言正则表示

正则表达式特点：

• 多语言支持：目前Javascript、C#、Python、PHP都有支持正则表达式的接口
• 通用性好：定义统一的规则语法，简单易学易用，能快速运用上手
• 应用广泛：文本匹配查找、数据抓去、网络爬虫、数据校验等等
• 模式多样：规则灵活多变，常见的有贪婪模式与非贪婪模式

正则表达式常用的网站

• 正则测试在线工具
• 正则表达式案例

2. 正则规则

正则表达式规则主要由五个方面组成

• 预定义字符

• 特殊字符

• 合法字符

  字符	说明
  X	字符x(x可代表任意合法的字符)
  \uhhhh	十六进制0xhhhh所表达Unicode字符
  \t	制表符
  \n	换行符
  \r	回车符
  \f	换页符
  \a	报警（bell）符
  \e	Escape字符
  \cx	x 对应的控制符

• 边界匹配符

  边界匹配符	说明
  ^	行的开头
  $	行的结尾
  \b	单词的边界。即只能匹配单词前后的空白
  \B	非单词的边界，即只能匹配不在单词前后的空白
  \A	只匹配字符串的开头
  \Z	只匹配字符串的结尾，仅拥用于最后的结束符

• 区间

  方括号表达式	说明
  [0-9]	表示0～9任意数字
  [a-z]	表示a～z任意字母
  [adcd]	表示a,d,c,d其中任意一个字符
  [^adc]	表示非a,b,c的任意字符

3. 正则引擎

正则引擎主要可以分三大类：

• DFA:(确定型有穷自动机)，采用文本导向（text- directed）
• NFA:(非确定型有穷自动机)，采用正则导向（regex-directed）

DFA 与 NFA 的特点：

• 相同点：

  1. 都是从左到右开始进行匹配
  2. 量词（*，+，{}）不加？的时候被忽略，默认匹配有优先

• 异同点：

  • DFA：文本导向

    1. 不支持回溯和捕获，匹配时以目标字符为导向
    2. 匹配之前，系统会对字符串进行分析和理解
    3. 匹配时，系统会对目标字符串从左到右进行扫描一次，同时尝试匹配多个分支，依次淘汰，无需再对目标字符串进行回溯
    4. 最后返回结果是一个目标字符串里面的最长匹配

    我们来看一下，DFA引擎的工作原理流程：

    

  • NFA：字符回溯

    1. 对目标字符串支持回溯和捕获
    2. 匹配时，以遍历的方式进行匹配
    3. 先尝试第一个分支进行匹配，如果匹配成功，则结束匹配，返回匹配结果
    4. 如果匹配不成功，则继续进行下一个分支匹配（ NFA 回溯功能）

    *我们来看一下，NFA引擎的工作原理流程：

DFA 与 NFA 优缺点对比：

4. 正则优化

我们大多数语言正则表达式都是使用NFA引擎的。经过上面的学习，我们知道NFA匹配查询比较慢，因此在日常工作使用时，我们可以根据以下方面进行优化使用：

• 表达式本身优化：

  1. 使用字符串代替分支条件
  2. 优先选择最左端的匹配结果
  3. 谨慎使用+、*等量词
  4. 尽量使用字符串函数进替代
  5. 起始、行描点优化
  6. 量词等价转换的效率差异
  7. 合理使用括号

• 其他方面

  1. 代码编译缓存
  2. 预检查字符串长度
  3. 代码循环尽量避免使用正则

总结

本期，我们主要对正则表达式语法进行全面的了解和掌握，同时也对正则使用的引擎工作流程进行介绍。

正则表达式以语法简单、上手快的优势，能快速为我们替代一些日常复杂的查询检查步骤。

正所谓，一日练,一日功,一日不练十日空，大家平时多多使用起来～

以上是本期内容，欢迎大佬们评论点赞，我们下次见～