第十二章

第十二章 正则表达式

1. 什么是正则表达式
   正则表达式是字符串处理的有力工具，比字符串自身提供的方法提供了更强大的处理功能。
   例如判断一个字符串是否是合法的Email地址，可以通过构造一个规则（正则表达式），去判断字符串是否能够匹配。
   正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。
   正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
   在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

2. 元字符
   
   
   
   
   

3. re模块
   Python通过re模块提供对正则表达式的支持。
   使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例
   然后使用Pattern实例处理文本并获得匹配结果（一个Match实例）
   最后使用Match实例获得信息，进行其他的操作。
   （1）re.match函数
   re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回None。
   re.match(pattern, string, flags=0)
   flags
   匹配成功re.match方法返回一个匹配的对象
   使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
   
   
   （2）re.search方法
   re.search 扫描整个字符串并返回第一个成功的匹配
   re.search(pattern, string, flags=0)
   
   re.match与re.search的区别
   re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None。而re.search匹配整个字符串，直到找到一个匹配。
   
   （3）compile 函数
   compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供match() 和 search() 这两个函数使用。
   re.compile(pattern[, flags])
   

4. 正则表达式集锦
   最简单的正则表达式是普通字符串，可以匹配自身
   ‘[pjc]ython’可以匹配’python’、‘jython’、‘cython’
   '[a-zA-Z0-9]'可以匹配一个任意大小写字母或数字
   '[^abc]‘可以一个匹配任意除’a’、‘b’、‘c’之外的字符
   ‘python|perl’或’p(ython|erl)‘都可以匹配’python’或’perl’
   子模式后面加上问号表示可选。r’(http://)?(www.)?python.org’只能匹配’http://www.python.org’、‘http://python.org’、‘www.python.org’和’python.org’
   ‘^http’只能匹配所有以’http’开头的字符串
   (pattern)：允许模式重复0次或多次
   (pattern)+：允许模式重复1次或多次
   (pattern){m,n}：允许模式重复m~n次
   ‘(a|b)c’：匹配多个（包含0个）a或b，后面紧跟一个字母c。
   ‘ab{1,}’：等价于’ab+’，匹配以字母a开头后面带1个至多个字母b的字符串。
   ‘¹{1}([a-zA-Z0-9._]){4,19}KaTeX parse error: Undefined control sequence: \w at position 50: …_”、“.”的字符串。 '^(\̲w̲){6,20}’：匹配长度为6-20的字符串，可以包含字母、数字、下划线。
   ‘^\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}KaTeX parse error: Undefined control sequence: \d at position 31: …P地址。 '^(13[4-9]\̲d̲{8})|(15[01289]…’：检查给定字符串是否为移动手机号码。
   ‘²+KaTeX parse error: Undefined control sequence: \w at position 26: …否只包含英文字母大小写。 '^\̲w̲+@(\w+\.)+\w+’：检查给定字符串是否为合法电子邮件地址。
   r’(\w)(?!.\1)’：查找字符串中每个字符的最后一次出现。
   r’(\w)(?=.\1)’：查找字符串中所有重复出现的字符。
   ‘^(-)?\d+(.\d{1,2})?KaTeX parse error: Can't use function '\u' in math mode at position 31: …有2位小数的正数或负数。 '[\̲u̲4e00-\u9fa5]'：匹…’：检查给定字符串是否为合法身份证格式。
   ‘\d{4}-\d{1,2}-\d{1,2}’：匹配指定格式的日期，例如2016-1-31。
   '^(?=.[a-z])(?=.[A-Z])(?=.\d)(?=.[,._]).{8,}KaTeX parse error: Can't use function '\'' in math mode at position 82: …必须至少8位。 "(?!.*[\̲'̲\"\/;=%?]).+"：如…‘可以检查字符串是否为IP地址，字符串’888.888.888.888’这样的也能通过检查，但实际上并不是有效的IP地址。
   同样的道理，正则表达式’^\d{18}|\d{15}$'也只负责检查字符串是否为18位或15位数字，并不保证一定是合法的身份证号。

---

1. a-zA-Z ↩︎

2. a-zA-Z ↩︎