Python3学习笔记33-正则表达式

学习文章传送门

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')