正则表达式
- 用于匹配字符串。
- 思想 :用一种描述性的语言来给字符串定义一个规则,凡事符合规则的字符串,则认为“匹配”,否则,不合法。
一、基本使用
符号 | 含义 |
---|---|
\s | 匹配一个空格、空白符 |
\d | 匹配一个数字 |
\w | 匹配一个字母或数字 |
. | 匹配任意字符 |
* | 匹配任意个字符(包括0个) |
+ | 至少一个字符 |
? | 表示0个或1个字符 |
{n} | 表示n个字符 |
{n, m} | 表示n~m个字符 |
注意:可以使用多者的组合形式。
eg:\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’。
二、进阶——更精确
[] 表示范围,eg:
- [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;
- [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;==》合法的变量
A|B 匹配 A 或 B
^ 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
三、re模块
包含所有正则表达式的功能,需特别注意 \ 转义 或 使用r前缀(可以不考虑转义的问题,推荐)
1、match()方法
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}$', '010-12345'))
print(re.match(r'^\d{3}\-\d{3,8}$', '010 12345'))
结果输出
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
None
常用判断方法
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
2、split()——切分字符串
利用正则表达式将不规范的输入转化为正确的数组
print(re.split(r'\s+','a b c'))
print(re.split(r'[\s\,]+', 'a,b, c d'))
print(re.split(r'[\s\,\;]+', 'a,b;; c d'))
输出结果
['a', 'b', 'c']
['a', 'b', 'c', 'd']
['a', 'b', 'c', 'd']
3、()——分组
用于提取子串,用 () 表示要提取的分组。
m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(m)
print(m.group(0)) # 第一个匹配的子串,永远是原始字符串
print(m.group(1)) # 第二个匹配的子串
print(m.group(2)) # 第三个匹配的子串
t = '19:05:30'
m = re.match(r'(0[0-9]|1[0-9]|2[0-3])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
print(m.groups())
结果输出
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
010-12345
010
12345
('19', '05', '30')
4、贪婪匹配
正则匹配默认是贪婪匹配,即匹配尽可能多的字符。
## 贪婪匹配
print(re.match(r'^(\d+)(0*)$', '102300').groups())
## 非贪婪匹配——添加?
print(re.match(r'^(\d+?)(0*)$', '102300').groups())
结果输出
('102300', '')
('1023', '00')
5、编译
当使用正则表达式时,re模块内部会做两个事:
- 编译正则表达式,若其本身不合法,则报错;
- 用编译后的正则表达式来匹配字符串。
预编译正则表达式(若该正则表达要重复使用几千次):
编译后生成Regular Expression 对象,可以调用对应的方法实现字符串匹配。
# 编译正则表达式
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用
print(re_telephone.match('010-123456').groups())
print(re_telephone.match('010-8086').groups())
结果输出
('010', '123456')
('010', '8086')