2018-6-10
基础规则
\d
——匹配一个数字
\w
——匹配一个字母或数字
.
——匹配任意字符
变长
*
——表示任意个字符(包括0个)
+
——表示至少一个字符
?
——表示0个或1个字符
{n}
——表示n个字符
{n,m}
——表示n-m个字符
进阶
[]
表示范围:
[0-9a-zA-Z\_]
——匹配一个数字、字母或者下划线
[0-9a-zA-Z\_]+
——匹配至少由一个数字、字母或者下划线组成的字符串
[a-zA-Z\_][0-9a-zA-Z\_]*
——匹配由字母或下划线开头,后接任意个由一个数字、字母或者下划线组成的字符串
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}
——更精确地限制了变量的长度是1-20个字符(前面1个字符+后面最多19个字符)
A|B
——可以匹配A或B
^
表示行的开头,^\d
表示必须以数字开头
$
表示行的结束,\d$
表示必须以数字结束
到这儿看着还挺很简单的噢~
re模块
Python提供re
模块,包含所有正则表达式的功能。
s = r'ABC\-001'
用match()方法判断一个字符串是否匹配
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
2018-6-11
切分字符串
#正常的切分代码:
>>> 'a b c'.split(' ')
['a', 'b', '', '', 'c']
#使用正则表达式切分代码:
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
分组
正则表达式还可以提取子串。用()
表示的就是要提取的分组(Group)。
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')
上面的例子用来识别合法时间。
其中0[0-9]
是指两位数字,第一位是0,第二位是0-9中的数字。以此类推。
贪婪匹配
正则匹配默认是贪婪匹配,即是尽可能多的匹配字符。
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
\d+
是至少匹配一个数字字符,由于102300
全部都是数字,因此全部都能匹配。
而0*
只能匹配到空字符串。
如何解决这种问题,需要采用非贪婪匹配。需要在\d+
后面添加?
:
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
r'^(\d+?)(0*)$'
和r'^(\d+?)(0*$)'
有什么不一样?
编译
当我们在Python中使用正则表达式时,re模块内部会干两件事情:
- 编译正则表达式,如果正则表达式的字符串本身不合法,会报错;
- 用编译后的正则表达式去匹配字符串。
当一个正则表达式需要重复大量使用时,可以预编译该正则表达式,使用到时就可以直接匹配:
>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用:
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
例(1)
请尝试写一个验证Email地址的正则表达式。版本一应该可以验证出类似的Email:
- someone@gmail.com
- bill.gates@microsoft.com
# -*- coding: utf-8 -*-
import re
def is_valid_email(addr):
re_email = re.compile(r'[0-9a-zA-Z\.]+@.+\.[a-z]+')
if re_email.match(addr):
return True
else:
pass
例(2)
版本二可以提取出带名字的Email地址:
- <Tom Paris> tom@voyager.org => Tom Paris
- bob@example.com => bob
# -*- coding: utf-8 -*-
import re
def name_of_email(addr):
re_email = re.compile(r'\<([0-9a-zA-Z\.\s]+)\>([0-9a-zA-Z\.\s]+)|([0-9a-zA-Z\.\s]+)@.+\.[a-z]+')
if re_email.match(addr).group(1) != None:
return re_email.match(addr).group(1)
else:
return re_email.match(addr).group(3)