这个就是我的选择性纪录,基本照着廖雪峰的官方网站做了一遍。
正则表达式
用来匹配字符串的。
用\d
匹配一个数字
用\w
匹配一个数字或字母
用.
匹配任意一个字符
用*
表示任意个(包括0个)字符
用+
表示至少一个字符
用?
表示0个或1个字符
用{n}
表示n个字符:\d{3}
表示匹配3个数字,例如’010’
用{n,m}
表示n个-m个字符:\d{3,8}
表示3-8个数字,例如’1234567’
用\s
表示一个空格:\s+表示至少有一个空格,例如匹配’ ‘,’ ‘等。
正则表达式中,特殊字符要用’‘转义,所以,如果要匹配’010-12345’,正则是\d{3}-\d{3,8}。
要做更精确地匹配,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\_]+
可以匹配至少由一个数字、字母或者下划线组成的字符串,比如’a100’,‘0_Z’,'Py3000’等等;
[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,也就是Python合法的变量;
[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,所以(P|p)ython
可以匹配’Python’或者’python’。
^
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。
你可能注意到了,py
也可以匹配’python’,但是加上^py$
就变成了整行匹配,就只能匹配’py’了。
re模块
Python的字符串本身也用\
转义,所以政策表达式要表示特殊字符要用两个\
,使用Python的r
前缀,就不用考虑转义的问题了。r
前缀就是不要识别转义字符。
s = r'ABC\-001'
用法:
import re
re.match(r'正则表达式',字符串)
匹配成功返回一个Match
对象,否则返回None
。常用判别方法:
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
切分字符串
str.split()不如用re.split(r'正则表达式',字符串)
,这样就把匹配正则表达式的部分剔除掉了,再split
就比较规范了。
'a b c'.split(' ')#结果如下:
['a', 'b', '', '', 'c']
re.split(r'[\s\,\;]+', 'a,b;; c d')结果如下:
['a', 'b', 'c', 'd']
分组
除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组(Group)。比如:
^(\d{3})-(\d{3,8})$分别定义了两个组,可以直接从匹配的字符串中提取出区号和本地号码:
m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(m.group(0)) '010-12345'
print(m.group(1)) '010'
print(m.group(2)) '12345'
group(0)
永远是原始字符串,group(1)
、group(2)
……表示第1、2、……个子串。
编译
如果一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配:
import re
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
print(re_telephone.match('010-12345').groups())
print(re_telephone.match('010-8086').groups())
结果:
('010', '12345')
('010', '8086')
编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串。