Python：正则表达式的使用 / re模块

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

1. 创建一个匹配Email的正则表达式
2. 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')