|
[] 和 | 的详解讲解
在之前写过几篇关于正则表达式的基本使用概念，但是，对其中较为不常用或者经常使用其基本功能，缺乏了对其进一步的理解。在做字符串匹配时，遇到一个问题：如何执行正则表达式的或？
经过再一次的理解概念和实战，有了一定的理解。
我们还是来看看如何操作吧。
import re
string1 = "adsferf Novel234324fff dfasfdfda"
string2 = "adfadfa EN23423.2dfafd asdfa"
rgx = re.compile(r'(.+?)(Novel\d+f|EN\d+\.2d)(.+)')
re.search(rgx, string2).group(2)
Out: 'EN23423.2d'
re.search(rgx, string1).group(2)
Out: 'Novel234324f'
在上述示例中，我们看到了使用 （…|…） 的正则表达式，它能够匹配两种情况的字符串。这两种匹配都属于 捕获子组 2 ，但是如果使用 (…)|(…) ，则属于不同的捕获子组。 其实，另一种 [] 则是表示字符集合，是单个字符的 或 的表示方法。下面看看描述。
[]
用于表示一个字符集合。在一个集合中：字符可以单独列出，比如 [amk] 匹配 ‘a’， ‘m’， 或者 ‘k’。可以表示字符范围，通过用 ‘-’ 将两个字符连起来。比如 [a-z] 将匹配任何小写ASCII字符， [0-5][0-9] 将匹配从 00 到 59 的两位数字， [0-9A-Fa-f] 将匹配任何十六进制数位。 如果 - 进行了转义 （比如 [a-z]）或者它的位置在首位或者末尾（如 [-a] 或 [a-]），它就只表示普通字符 ‘-’。特殊字符在集合中，失去它的特殊含义。比如 [(+*)] 只会匹配这几个文法字符 ‘(’, ‘+’, ‘*’, or ‘)’。字符类如 \w 或者 \S (如下定义) 在集合内可以接受，它们可以匹配的字符由 ASCII 或者 LOCALE 模式决定。不在集合范围内的字符可以通过 取反 来进行匹配。如果集合首字符是 ‘^’ ，所有 不 在集合内的字符将会被匹配，比如 [^5] 将匹配所有字符，除了 ‘5’， [^^] 将匹配所有字符，除了 ‘^’. ^ 如果不在集合首位，就没有特殊含义。在集合内要匹配一个字符 ‘]’，有两种方法，要么就在它之前加上反斜杠，要么就把它放到集合首位。比如， [()[]{}] 和 [{}] 都可以匹配括号。Unicode Technical Standard #18 里的嵌套集合和集合操作支持可能在未来添加。这将会改变语法，所以为了帮助这个改变，一个 FutureWarning 将会在有多义的情况里被 raise，包含以下几种情况，集合由 ‘[’ 开始，或者包含下列字符序列 ‘–’, ‘&&’, ‘~~’, 和 ‘||’。为了避免警告，需要将它们用反斜杠转义。在 3.7 版更改: 如果一个字符串构建的语义在未来会改变的话，一个 FutureWarning 会 raise 。
|
A|B， A 和 B 可以是任意正则表达式，创建一个正则表达式，匹配 A 或者 B. 任意个正则表达式可以用 ‘|’ 连接。它也可以在组合（见下列）内使用。扫描目标字符串时， ‘|’ 分隔开的正则样式从左到右进行匹配。当一个样式完全匹配时，这个分支就被接受。意思就是，一旦 A 匹配成功， B 就不再进行匹配，即便它能产生一个更好的匹配。或者说，’|’ 操作符绝不贪婪。 如果要匹配 ‘|’ 字符，使用 |， 或者把它包含在字符集里，比如 [|].
需要仔细揣摩了，正则的深奥由实战而来，它总会有意想不到的无穷组合方式！！！
|