【Python】正则表达式

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)