Regular Expressions Cheatsheet 正则表达式小抄
假如有如下csv表格
order_id, fee_amount <br>
1, 1 <br>
2, 2 <br>
...
希望能够转换成下面的SQL UDPATE语句
UPDATE xx_tab SET fee_amount = 666 WHERE order_id = 1; <br>
UPDATE xx_tab SET fee_amount = 666 WHERE order_id = 2; <br>
...
可以使用正则在vscode替换、或写脚本快速完成
import re
csv_data = """order_id, fee_amount
1, 1
2, 2
3, 3"""
pattern = r"(\d+),\s*(\d+)"
replacement = r"UPDATE xx_tab SET fee_amount = 666 WHERE order_id = \1;"
sql_output = re.sub(pattern, replacement, csv_data)
print(sql_output)
捕获vs非捕获 Capturing VS non-capturing
| 特性 | 捕获组 (…) | 非捕获组 (?:…) |
|---|---|---|
| 定义方式 | 使用圆括号，如 (abc) | 在圆括号内加入 ?:，如 (?:abc) |
| 匹配功能 | 分组并保存匹配结果，可用于后续引用 | 仅分组，不保存匹配结果 |
| 组编号 | 自动分配编号（\1、\2 等），保存于捕获组列表中 | 不参与组编号，不会影响捕获组的编号 |
| 应用场景 | 当需要提取匹配内容或者在正则中使用反向引用时使用 | 仅需要逻辑分组，不需要提取数据时使用 |
捕获组用于存储匹配的子模式，以便后续引用。可以通过索引（位置捕获）或名称（命名捕获）访问。
位置捕获（索引访问）
import re
pattern = r'(\d{4})-(\d{2})-(\d{2})'
text = "2025-02-26"
match = re.match(pattern, text)
if match:
print(match.group(1)) # 输出 2025
print(match.group(2)) # 输出 02
print(match.group(3)) # 输出 26
命名捕获（名称访问）
命名捕获组允许使用有意义的名称代替编号，提高可读性和可维护性。
import re
pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
text = "2025-02-26"
match = re.match(pattern, text)
if match:
print(match.group("year")) # 输出 2025
print(match.group("month")) # 输出 02
print(match.group("day")) # 输出 26
反向引用（Backreferences）
反向引用用于在正则表达式内部引用先前匹配的捕获组。
- 位置捕获使用
\n进行反向引用（n是捕获组编号）。 - 命名捕获使用
(?P=name)进行反向引用。
示例：匹配重复的单词
import re
pattern = r'\b(\w+) \1\b'
text = "hello hello world"
match = re.search(pattern, text)
if match:
print(match.group(1)) # 输出 hello
使用命名捕获的版本：
import re
pattern = r'\b(?P<word>\w+) (?P=word)\b'
text = "hello hello world"
match = re.search(pattern, text)
if match:
print(match.group("word")) # 输出 hello
案例分析
| 示例编号 | 示例文本 | 正则表达式 | 匹配结果 | 说明 |
|---|---|---|---|---|
| 1 | "hello hello" | (\w+)\s+\1 | 匹配 "hello hello" | 捕获一个单词，然后要求后面出现相同的单词。 |
| 2 | "<div>Content</div>" | <(\w+)>.*?</\1> | 匹配整个 <div>Content</div> | 捕获 HTML 标签名（如 div），并确保结束标签与开始标签一致。 |
| 3 | "aba" | ^(\w).\1$ | 匹配 "aba" | 三字符字符串，第一个和第三个字符必须相同。 |
| 4 | "abcabc" | ^(\w+)\1+$ | 匹配 "abcabc" | 捕获一个子串（如 "abc"），并要求整个字符串由该子串重复构成。 |
| 5 | "test test" | (?P<word>\w+)\s+(?P=word) | 匹配 "test test" | 使用命名捕获组，将匹配的单词命名为 word，然后通过 (?P=word) 引用。 |
零宽断言
零宽断言是正则表达式中的一种特殊工具，用于检测目标位置前后是否符合指定的模式，但不会捕获（capture）这些字符。根据检测方向及要求的不同，零宽断言分为以下四种类型：
| 断言类型 | 语法 | 说明 | 示例说明 |
|---|---|---|---|
| 正向先行断言 | (?=pattern) | 匹配当前位置后面必须跟随指定模式（pattern）的情况 | \w+(?=\d)：匹配一个单词，当且仅当其后紧跟数字时匹配成功 |
| 负向先行断言 | (?!pattern) | 匹配当前位置后面不能跟随指定模式（pattern）的情况 | foo(?!bar)：匹配“foo”，但要求其后不能跟“bar” |
| 正向后顾断言 | (?<=pattern) | 匹配当前位置前面必须以指定模式（pattern）结束的情况 | (?<=\$)\d+：匹配一串数字，要求其前面紧跟一个美元符号 $ |
| 负向后顾断言 | (?<!pattern) | 匹配当前位置前面不能以指定模式（pattern）结束的情况 | (?<!\$)\d+：匹配一串数字，要求其前面没有美元符号 $ |
贪婪
| \ | 说明 | 语法 | 示例 |
|---|---|---|---|
| 贪婪 | 尽可能重复限定词 | x{1,100} | \d{2,6} 捕获 12342222222222 中的123422 |
| 非贪婪 | 不重复限定词，在数量后后加个问号 | x{1,100}? | \d{2,6}? 捕获 12342222222222 中的 12 |
RegexFlag
| 正则表达式 | 描述 | 反义表达式 | 反义描述 |
|---|---|---|---|
\w | 匹配字母、数字、下划线（[0-9a-zA-Z_]） | \W | 匹配非字母、非数字、非下划线 |
\s | 匹配空白字符（空格、\t、\n、\r 等） | \S | 匹配非空白字符 |
\d | 匹配数字（0-9） | \D | 匹配非数字 |
\b | 匹配单词边界（单词开头或结尾） | \B | 匹配非单词边界 |
[x] | 匹配字符 x | [^x] | 匹配除 x 以外的字符 |
\n | 匹配换行符 | —— | —— |
\g<name> 或 \g<number> | 引用命名或编号的捕获组 | —— | —— |
^ | 匹配行开头 | —— | —— |
$ | 匹配行结尾 | —— | —— |
(?i) | 启用大小写不敏感匹配 | —— | —— |
/a(?i)a/g | 行内大小写不敏感匹配（匹配 aA、aa，但不匹配 ab） | —— | —— |
\L(\w) | 转换捕获的字符为小写 | \U(\w) | 转换捕获的字符为大写 |
与或非
正则中只有或，与和非可以用零宽断言（前瞻、负前瞻）来实现。
| 操作 | 方法 | 主要技巧 | 适用场景 |
|---|---|---|---|
| 与（AND） | (?=.*A)(?=.*B).* | Lookahead（前瞻） | 需要匹配多个条件同时存在 |
| 或（OR） | **` | `（管道符）** | `A |
| 非（NOT） | (?!A).* 或 [^...] | 负向前瞻 (?!A)、排除字符 [^...] | 需要排除某些模式 |
vscode 替换案例
不替换第一个捕获的值
- 搜索
(.*) - 使用
$1替换
保留前后的捕获值
- 搜索
(Manager)(\s)(\w.*Manager,) - 使用
$1 handler.$3替换