命令行与文本处理 / 系统课时
正则元字符
正则元字符
学习目标
- 认识常见正则元字符。
- 理解元字符的主要职责。
- 区分普通字符和语法符号。
- 能拆解简单正则模式。
问题背景或应用场景
普通字符只能查找固定文本。要表达任意字符、重复次数、候选集合、选择分支和首尾位置,需要使用具有特殊语法作用的元字符。
核心原理
- 点号用于匹配任意单个字符。
- 星号、加号、问号和花括号用于控制前一元素的重复次数。
- 方括号用于定义字符集合。
- 圆括号用于分组和捕获。
- 竖线用于选择分支。
- 脱字符和美元符号用于定位开头与结尾。
- 反斜杠用于转义或引入简写字符类。
阅读复杂模式时,应先标出元字符,再判断每个元字符作用于哪个普通字符、字符类或分组。
基础用法
本课涉及的核心写法如下:
text
.
* + ? {m,n}
[abc]
(cat|dog)
^...$
反斜杠元字符的含义与位置有关。例如脱字符在字符类外通常表示开头,在字符类开头表示排除。
完整可运行示例
将代码保存为:
text
metacharacters.pypython
import re
cases = [
("点号", r"A.B", "A-B"),
("加号量词", r"\d+", "12345"),
("字符集合", r"[abc]", "b"),
("选择分支", r"(cat|dog)", "dog"),
("首尾锚点", r"^\d+$", "2026"),
]
for name, pattern, text in cases:
matched = re.fullmatch(pattern, text) is not None
print(f"{name}: 模式={pattern}, 文本={text}, 结果={matched}")运行命令:
bash
python metacharacters.py预期输出
text
点号: 模式=A.B, 文本=A-B, 结果=True
加号量词: 模式=\d+, 文本=12345, 结果=True
字符集合: 模式=[abc], 文本=b, 结果=True
选择分支: 模式=(cat|dog), 文本=dog, 结果=True
首尾锚点: 模式=^\d+$, 文本=2026, 结果=TrueTips
- 先识别元字符,再分析普通字符。
- 量词通常只作用于前一个元素。
- 同一个符号在不同位置可能具有不同含义。
- 复杂模式应拆分成多个可独立验证的部分。
常见错误
1. 把元字符当作字面文本
模式 a+b 表示一个或多个 a 后跟 b,不是字面文本 a+b。
2. 忽略量词作用范围
模式 ab+ 只让 b 重复,不会让整个 ab 重复。
3. 认为所有标点都是元字符
逗号和冒号在多数位置按字面含义匹配。
本课练习
- 拆解模式 ^[A-Z][0-9]+$ 中的每个元字符。
- 使用该模式测试 A100、B9、a100 和 A。
- 说明字符类、量词和锚点分别解决什么问题。
按自己的节奏,确认真正理解。