Python之正则表达式

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，就认为合法，否则，该字符串就是不合法的。正则表达式在各语言中都广泛使用，今天以Python为例，讲述正则表达式的使用。

1. 语法规则
   在正则表达式中，如果直接给出字符，就是精确匹配。其它规则如下：
   
   • ”.”表示任意字符
   • “\d”表示一个数字
   • “\w”表示一个字母或数字
   • “*”表示任意长度字符
   • “+”表示至少一个字符
   • “?”表示0个或1个字符
   • “{n}”表示n个字符
   • “\s”表示一个空格
   • “^”表示行的开头
   • “$” 表示行的结束
   • “{n,m}”表示n~m个字符
     示例：
   • “00\d” 可以匹配”007”
   • “\d\d\d”可以匹配”010”
   • “\w\w\d”可以匹配”py3”
   • “py.”可以匹配”pyc”“pyo”“py!”
   • ”\d{3}\s+\d{3,8}“可以匹配“010 82881354”
   • “^\d”表示必须以数字开头
   • “\d$”表示必须以数字结尾
   • “A|B”可以匹配A或B

2. 进阶
   要做更精确地匹配，可以用”[]”表示范围，如下：

   • ”[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，如：“a100、””0_Z”
   • “[a-zA-Z_][0-9a-zA-Z_]*”可以匹配由字母或下划线开头，后接任意一个数字、字母或者下划线组成的字符串，如:”test01”
3. re模块
   Python提供了re模块，包含所有的正则表达式功能。如下：

import re
if re.match(r'^\d{3}\-\d{3,8}$', '010-12345'):
   print("match success")
else:
   print("match error")
if re.match(r'^\d{3}\s\d{3,8}$', '010-12345'):
   print("match success")
else:
   print("match error")

输出结果：

match success
match error

-4. 切分字符串
用正则表达式切分字符串比用固定的字符更灵活，如：

import re
print(re.split(r'\s+', 'a b   c'))

输出结果：

['a', 'b', 'c']

-5. 分组
除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用”()”表示的就是要提取的分组。如下：

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

输出结果：

010-12345
010
12345

-6. 编译
如果在项目中，一个正则表达式重复使用多次，出于对效率的考虑，可以预编译该正则表达式，接下来的使用中就可以直接匹配了，如下：

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())

输出结果：

('010', '12345')
('010', '8086')