正则表达式是用来匹配字符串的强有力武器。
在正则表达式中,如果直接给出字符,就是精确匹配。用\d可以匹配一个数字,\w可以匹配一个字母或者数字。要匹配变长的字符,用?表示0个或1个字符,用{n}表示n个字符,用{n,m}表示n-m个字符,等等。
要更精确的匹配,可以用[]表示范围,比如:
- [0-9a-zA-Z\_] , 可以匹配一个数字、字母、或者下划线;
- [0-9a-zA-Z\_]+ ,可以至少匹配一个数字、字母或者下划线组成的字符串
[a-zA-Z\_][0-9a-zA-Z\_]*, 可以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
$表示行的结尾, \d$表示必须以数字结束
Python提供 re 模块,包含所有正则表达式的功能。由于Python的字符串本身也用 \ 转义, 所以要特别注意。
s = 'ABC\\-001' # Python的字符串
# 对应的正则表达式字符串变成:
# 'ABC\-001
import re
re.match(r'^\d{3}\-\d{3,8}$','010-12345')
match()方法判断是否匹配,如果匹配成功,则返回一个match对象,否则返回None。
用正则表达式切分字符串比用固定的字符串灵活,’a b c’.split(’ ‘)
[‘a’, ‘b’, ’ ‘, ’ ‘, ‘c’]
re.split(r’\s+’,’a b c’)
[‘a’,’b’,’c’]
re.split(r’[\s,]+’,’a,b,c d’)
re.split(r’[\s,\;]+’,’a,b;;c d’)
group(0)永远是原始字符串,group(1), group(2)…表示第一个第二个子串。
贪婪匹配:正则匹配时贪婪匹配,也就是尽可能匹配多个字符。
当我们在python中使用正则表达式时,re模块内部会干两件事:
- 编译正则表达式时,如果正则表达式的字符本身不合法,会报错
- 用编译后的正则表达式去匹配字符串(编译后会生成Regular Expression对象)