【Python3 笔记】Python3 正则表达式 匹配规则 re模块 验证email 提取email

本系列是学习 廖雪峰 Python3 教程 过程中记录的笔记，本篇文章记录 Python 中的 正则表达式的用法，主要包括基础匹配规则、进阶匹配规则，re 模块的基本使用，通过后面的练习题发现，还是得多练，只能看会一些基本的表达式。

正则表达式

• 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；

匹配规则

符号	含义
\d	一个数字
\w	一个数字 或 字母
.	任意一个字符
*	任意个字符（包括0个）
+	至少一个字符
?	0个 或 1个 字符
{n}	n个 字符
{n, m}	n–m 个字符
\s	一个空格（包括Tab）
\s+	至少一个空格
‘\’	转义字符，用来表示特殊字符
\d{3}\-\d{3,8}	表示形如 010-12345678 的电话号码

进阶

符号	含义
[0-9a-zA-Z\_]	一个数字、字母或者下划线
[0-9a-zA-Z\_]+	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\_]*	由字母或下划线开头，后接任意个由数字、字母或者下划线组成的字符串
A|B	匹配 A 或 B
^\d	以数字开头
\d$	以数字结尾
^py$	只能整行匹配 py

re 模块

• 切分：使用 re.split() 函数可以将复杂的规则用于字符串划分；

  import re
  print(re.split(r'[\s\,]+', 'a,b, c  d'))
  print(re.split(r'[\s\,\;]+', 'a,b;; c  d'))
  
  output————————————————
  ['a', 'b', 'c', 'd']
  ['a', 'b', 'c', 'd']
  

• 分组：正则表达式中使用 () 可以将多个匹配字段分别匹配且分好组；

  import re
  m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
  print(m.group(0), m.group(1), m.group(2))
  
  output—————————————————
  010-12345 010 12345
  

• 贪婪匹配：正则表达式中使用诸如 + 等符号，它会贪婪地去匹配尽可能多的字符；

  import re
  print(re.match(r'^(\d+)(0*)$', '102300').groups())
  # 加个 ? 就可以让 \d+ 采用非贪婪匹配：
  print(re.match(r'^(\d+?)(0*)$', '102300').groups())
  
  output————————————————————
  ('102300', '')
  ('1023', '00')
  

• 编译：预先把正则表达式编译好，频繁匹配的情况下，可以节省大量的时间；

  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())
  
  output—————————————————————
  ('010', '12345')
  ('010', '8086')
  

练习题

'''is_valid_email() 验证电子邮件字符串是否合法'''
'''name_of_email()  提取合法的电子邮件的邮件名'''
import re

def is_valid_email(addr):
    # 注意匹配 . 时需要使用 \ 转义
    if re.match(r'[a-zA-Z][\w\.]*@[a-zA-Z0-9]+\.com', addr):
        return True
    else:
        return False

def name_of_email(addr):
    # .*? 用来匹配任意字符开头的字符串，且字符串长度允许为 0
    # ([\w\s]+) 是将需要字符的用()提取，只将数字、字母、空格提取出来，长度至少为 1
    return re.match(r'.*?([\w\s]+)', addr).group(1)

# 测试:
assert is_valid_email('someone@gmail.com')
assert is_valid_email('bill.gates@microsoft.com')
assert not is_valid_email('bob#example.com')
assert not is_valid_email('mr-bob@example.com')
print('ok')

# 测试:
assert name_of_email('<Tom Paris> tom@voyager.org') == 'Tom Paris'
assert name_of_email('tom@voyager.org') == 'tom'
print('ok')

output——————————————
ok
ok