正则表达式是用来匹配字符串的。只要符合规则的字符串。就可以认为匹配了。否则,这个字符串不合法。
\d:可以匹配一个数字 ‘00\d’可以匹配001不能匹配00A
\w:可以匹配一个字母或数字 ‘00\w’可以匹配00A
.:可以匹配任何字符 ‘py.’可以匹配‘pyc’,‘py!‘,‘py1’
\s:可以匹配一个空格
长度
*:表示任意个字符(包括0个)
+:表示至少一个字符
?:表示0个或一个
{n}:表示n个字符
{n,m}:表示n到m个字符
\d{3}\s+\d{3,8} 从左到右表示 三个数字 一个空格 3到8个数字 也就是可以匹配用空格隔开的带区号的电话号码。比如021-123456这种。
看别的文章说使用‘-’隔开说要使用’\‘转义符,因为‘-’是特殊字符。但是在PyCharm的时候,加了\会有错误提示,不加\不会有提示,不过匹配结果都是对的。
我理解是在表达式中的符号,表达这个符号本身的意思,而不是表达式的匹配方式的时候,才需要加\。比如我想要匹配加号,因为+本身表示一个字符,需要用\+来匹配加号
范围
使用[]可以表示范围,比如:
[0-9a-zA-Z\_] 表示可以匹配一个数字、字母或者下划线
可以将范围和长度一起组合使用
[0-9a-zA-Z\_]+ 表示可以匹配至少由一个数字、字母或者下划线组成的字符串。比如‘010’,‘0_a’,'py_'等等
|表示或 A|B表示可以匹配A或B 比如(P|p)ython可以匹配‘python’或‘Python’
^表示行的开头,^\d就表示必须以数字开头
$表示行的结尾,\w$表示必须以数字结尾
re模块
match()方法判断是否匹配,匹配成功返回Match对象,否则返回None
import re
test = re.match('\d{3}-\d{3,8}','012-1234556')
print(test)
切分字符串
使用正则表达式切分字符串比用固定的字符更灵活。比如连续的空格
test1 = re.split(r'\s+','a b c')
print(test1)
在加上,试试
test1 = re.split(r'[\s,]+','a,b, ,c')
print(test1)
通过正则的切分,可以把不规范的输入转换为正确的。
分组
用()表示分组,可以用来提取正则中的子串
import re
test1 = re.match(r'^(\d{3})-(\d{3,8})$','021-123456')
print(test1)
print(test1.group(0))
print(test1.group(1))
print(test1.group(2))
group(0)是原始字符,group(1)才是第一个子串
groups()可以获得所有切分后的子串
贪婪匹配
正则默认是贪婪匹配,也就是尽可能的匹配更多的字符。比如匹配数字后的0:
test1 = re.match(r'^(\d+)(0*)$','990000')
print(test1.groups())
由于\d+是贪婪匹配,把后面的0都给匹配完了,所以第二个子串没有匹配到
必须让\d+采用非贪婪匹配,也及时尽可能少的匹配,才能把后面的0匹配出来,加上?就可以让\d+采用非贪婪匹配
test1 = re.match(r'^(\d+?)(0*)$','990000')
print(test1.groups())
编译
如果一个正则需要使用很多次,出于效率考虑,可以使用compile()预编译这个正则
re_tel = re.compile('^(\d{3})-(\d{3,8})$')
test = re_tel.match('021-1234556')
print(test)
print(test.groups())
练习
尝试写验证邮箱的正则。版本一应该可以验证类似邮箱。someone@gmail.com,bill.gates@microsoft.com
import re
def is_valid_email(addr):
if re.match(r'^\w*\.?\w*@\w*.\w*$',addr):
return True
else:
return False
assert is_valid_email('someone@gmail.com')
assert is_valid_email('bill.gates@microsoft.com')
assert not is_valid_email('bob#example.com')
assert not is_valid_email('mr-bob@example.com')
print('ok')
练习完了自己大致理解。主要有两个地方比较麻烦,一个是.本身在正则表达式是有含义的,表示可以匹配任意一个字符。所以当需要匹配成.符号的时候要加上\转义符。另外就是要在.后面加上?,表示非贪婪匹配,不然就直接匹配到最后的.com那里去的,@就匹配不到了。
版本二可以把邮箱前面的姓名提取出来
<Tom Paris> tom@voyager.org => Tom Paris
bob@example.com => bob
import re
def name_of_email(addr):
test = re.match(r'<?(\w*\s*\w*)>?\s*\w*@\w*\.\w*',addr)
print(test.group(1))
return test.group(1)
assert name_of_email('<Tom Paris> tom@voyager.org') == 'Tom Paris'
assert name_of_email('tom@voyager.org') == 'tom'
print('ok')