正则表达式 for python

REF


'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!'等等。
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}。

我们来从左到右解读一下：


\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}。


但是，仍然无法匹配'010 - 12345'，因为带有空格。所以我们需要更复杂的匹配方式。


进阶
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。


你可能注意到了，py也可以匹配'python'，但是加上^py$就变成了整行匹配，就只能匹配'py'了。


re模块
有了准备知识，我们就可以在Python中使用正则表达式了。Python提供re模块，包含所有正则表达式的功能。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'
因此我们强烈建议使用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'