匹配点的正则表达式

Question

想知道使用Python从"blah blah blah [e-mail] blah blah"中匹配"test.this"的最佳方法是什么？

我尝试了re.split(r"\b\w.\w@")

- user179169

---

\w 只匹配单个字符 - 你可能想要使用 \w+。 - Peter Boughton

如果你正在寻找电子邮件验证正则表达式，这里有一个邮件验证正则表达式链接。请参考。 - chucksmash

参见：如何在Python中修复“<string> DeprecationWarning: invalid escape sequence”？ - Gabriel Staples

Answer 1

正则表达式中的 . 是一个元字符，它可以匹配任意字符。如果要在Python原始字符串(r"" 或者 r'')中匹配一个字面上的点，你需要转义它，因此使用 r"\."

- Yuushi

---

除非正则表达式存储在Python的常规字符串中，否则您需要使用双\ (\\)。因此，这些表达式都是等价的：'\\.'，"\\."，r'\.'，r"\."。详情请参见：https://dev59.com/pFQK5IYBdhLWcg3wKc3k#52335971。 - Gabriel Staples

我已经添加了一个答案：https://dev59.com/a2Yr5IYBdhLWcg3wDGHP#66666859。 - Gabriel Staples

@GabrielStaples 微小的问题--r"..." 语法是 Python 中的 "原始" 字符串，而不是 "常规" 字符串。 - GrandOpener

@GrandOpener，正确的，正如我在我的回答中所解释的那样（请看一下）。请再次阅读我的上面的评论。我说过普通字符串需要双斜杠：'\\.'，"\\."，而原始字符串需要单斜杠：r'\.'，r"\."，这也是我评论的全部意图。这个答案没有表明清楚。我想在我的评论中澄清这一点，为了那些使用普通字符串的人，因为这个答案只适用于原始字符串。 - Gabriel Staples

@GrandOpener，我已经更新了Yuushi的回答，以明确他的答案仅适用于原始字符串。如果Yuushi希望展示如何在常规字符串中需要两个反斜杠，则可以编辑他的回答并链接到我的回答。(我尽量最少修改他的回答。) - Gabriel Staples

@GabrielStaples 哦，我现在明白你的意思了。我第一次阅读你的评论时没有正确解析“除非...在这种情况下”的含义。那就算了！ - GrandOpener

Answer 2

在正则表达式中，您需要转义点号 "\." 或在字符类 "[]" 中使用它 "[.]"，因为它是正则表达式中的元字符，可以匹配任何字符。

另外，您需要使用 "\w+" 而不是 "\w" 来匹配一个或多个单词字符。

如果要获取 "test.this" 内容，则不需要使用 split。split 将在字符串周围拆分您的字符串。例如：

>>> re.split(r"\b\w+\.\w+@", s)
['blah blah blah ', 'gmail.com blah blah']

你可以使用 re.findall 方法：

>>> re.findall(r'\w+[.]\w+(?=@)', s)   # look ahead
['test.this']
>>> re.findall(r'(\w+[.]\w+)@', s)     # capture group
['test.this']

- Rohit Jain

---

+1 代表字符类。使用 Jenkinsfile 中的 gcovr 并尝试排除点目录，但 Jenkins 不理解转义序列。字符类效果很好。 - Jonathan E. Landrum

Answer 3

"默认情况下，点（.）匹配除换行符以外的任何字符。如果指定了DOTALL标志，则该模式将匹配包括换行符在内的任何字符。"（Python文档）

因此，如果您想要直接匹配点号，请将其放在方括号中：

>>> p = re.compile(r'\b(\w+[.]\w+)')
>>> resp = p.search("blah blah blah [e-mail] blah blah")
>>> resp.group()
'test.this'

- StackUser

Answer 4

这是我对 @Yuushi 的主要回答的补充：

概述

以下内容是不被允许的。

'\.'   # NOT a valid escape sequence in **regular** Python single-quoted strings
"\."   # NOT a valid escape sequence in **regular** Python double-quoted strings

他们会导致如下警告：

DeprecationWarning: 无效的转义序列 \.

然而，所有这些都是允许的且等价的：

# Use a DOUBLE BACK-SLASH in Python _regular_ strings
'\\.'  # **regular** Python single-quoted string
"\\."  # **regular** Python double-quoted string

# Use a SINGLE BACK-SLASH in Python _raw_ strings 
r'\.'  # Python single-quoted **raw** string
r"\."  # Python double-quoted **raw** string

解释

请记住，如果在正常字符串（'some string'或"some string"）中使用而不是原始字符串（r'some string'或r"some string"），则Python中的反斜杠（\）字符本身必须进行转义。因此，请注意您正在使用的字符串类型。为了在正常python字符串中转义正则表达式中的点或句号（.），因此，您还必须通过使用双反斜杠（\\）来转义反斜杠，从而使正则表达式中的.的总转义序列为：\\.，如上例所示。

参考资料

1. 主要和官方参考资料: https://docs.python.org/3/reference/lexical_analysis.html#string-and-bytes-literals
2. [由@Sean Hammond回答] 如何在Python中修复“<string> DeprecationWarning: invalid escape sequence”问题?

   如果你想在字符串中放置一个字面意义的 \ ，你必须使用 \\

- Gabriel Staples

Answer 5

为了转义包括点在内的字符串变量中的非字母数字字符，可以使用re.escape：

import re

expression = 'whatever.v1.dfc'
escaped_expression = re.escape(expression)
print(escaped_expression)

输出：

whatever\.v1\.dfc

您可以使用转义表达式来直接查找/匹配字符串。

- Ali Abul Hawa

Answer 6

首先，你需要构建你的正则表达式字符串。 例如，这个正则表达式可以满足你的需求：

^.*?\btest\b\.\bthis\b.*?

接下来你需要将它转化为Python代码：

import re

input_string = "blah blah blah [e-mail] blah blah"
regex_string = "^.*?\\btest\\b\\.\\bthis\\b.*?"
if re.search(regex_string, input_string):
    print("match :-)")
else:
    print("no match :-(")

要理解正则表达式的作用，你可以在regex101.com上进行实验。

- Sany

Answer 7

这个表达式，

(?<=\s|^)[^.\s]+\.[^.\s]+(?=@)

对于那些特定类型的输入字符串，这也可能有效。

演示

测试

import re

expression = r'(?<=^|\s)[^.\s]+\.[^.\s]+(?=@)'
string = '''
blah blah blah [e-mail] blah blah
blah blah blah test.this @gmail.com blah blah
blah blah blah [e-mail] blah blah
'''

matches = re.findall(expression, string)

print(matches)

输出

['test.this']

---

如果您想简化/修改/探索表达式，可以在regex101.com的右上方面板中找到解释。如果您愿意，您还可以在this link中观看它如何匹配一些示例输入。

---

- Emma

Answer 8

在JavaScript中，您必须使用\\。来匹配一个点。

例如：

"blah.tests.zibri.org".match('test\\..*')
null

并且

"blah.test.zibri.org".match('test\\..*')
["test.zibri.org", index: 5, input: "blah.test.zibri.org", groups: undefined]

- Zibri

---

它要求使用Python而不是JS。 - pl-jay