正则表达式
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
所以我们判断一个字符串是否是合法的Email的方法是
- 创建一个匹配Email的正则表达式
- 用该正则表达式去匹配用户的输入来判断是否合法
在正则表达式中,如果直接给出字符,就是精确匹配。
\d可以匹配一个数字
\w可以匹配一个字母或数字
所以
‘00\d’可以匹配’007’,但无法匹配’00A’
‘\d\d\d’可以匹配’010’
‘\w\w\d’可以匹配’py3’
.可以匹配任意字符
所以
'py.‘可以匹配’pyc’、‘pyo’、'py!’
要匹配变长的字符,在正则表达式中
用*表示任意个字符(包括0个)
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
用{n,m}表示n-m个字符
来看一个复杂的例子:\d{3}\s+\d{3,8}
\d{3}表示匹配3个数字,例如’010’
\s可以匹配一个空格(也包括Tab等空白符),所以\s+表示至少有一个空格,例如匹配’ ‘,’ ‘等
\d{3,8}表示3-8个数字,例如’1234567’
综合起来,上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码
如果要匹配’010-12345’这样的号码呢?
由于’-‘是特殊字符,在正则表达式中,要用’'转义,所以,上面的正则是\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
re模块
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'
因此强烈建议使用Python的r前缀,就不用考虑转义的问题了
s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变:
# 'ABC\-001'
如何判断正则表达式是否匹配
re.match
match()方法判断是否匹配,如果匹配成功,返回一个Match对象,否则返回None
import re
print(re.match(r'^\d{3}\-\d{3,8}$', '010-12345678'))
常见的判断方法
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
re.split
a = 'a b c'.split(' ')
print('a = ', a)
b = re.split(r'\s+', 'a b c')
print('b = ', b)
c = re.split(r'[\s\,]+', 'a,b c')
print('c = ', c)
d = re.split(r'[\s\,\;]+', 'a,b;c;;d e')
print('d = ', d)
# 输出
a = ['a', 'b', '', '', 'c']
b = ['a', 'b', 'c']
c = ['a', 'b', 'c']
d = ['a', 'b', 'c', 'd', 'e']
group分组
用()表示的就是要提取的分组(Group)
e = re.match(r'^(\d{3})\-(\d{3,8})$', '010-12345678’)
print(e.group(0)) # 010-12345678
print(e.group(1)) # 010
print(e.group(2)) # 12345678
# 识别合法时间
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)
print(m.groups()) # ('19', '05', '30')