主要参考:廖雪峰的官方网站https://www.liaoxuefeng.com/wiki/1016959663602400/1017639890281664
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,若字符串符合规则,则认为它“匹配”了。
\d
可以匹配1个数字
\w
可以匹配1个字母或数字
.
可以匹配任意字符
\s
可以匹配1个空格(也包括Tab等空白符)
*
表示任意个字符(包括0个)
+
表示1个及以上字符
?
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
\d{3}\s+\d{3,8} 匹配三个数字 1个及以上的空格 3到8个数字
[] 表示范围
[0-9a-zA-Z\_]
可以匹配 1个 数字、字母或者下划线
[0-9a-zA-Z\_]+
可以匹配由1个及以上数字、字母或者下划线组成的字符串
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
注:使用python的r
前缀,就不用考虑转义的问题了 故 'ABC\\-001' 与 r'ABC\-001'相同
匹配字符串
import re
re.match(r'^\d{3}\-\d{3,8}$', '010-12345') <_sre.SRE_Match object; span=(0, 9), match='010-12345'>
re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
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
。
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
切分字符串
>>> 'a b c'.split(' ') # 无法识别连续的空格
['a', 'b', '', '', 'c']
>>> re.split(r'\s+', 'a b c') # 可识别连续的空格(+表示1个及以上)
['a', 'b', 'c']
分组字符串
用()
表示的就是要提取的分组(group)
m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0) # group(0)
永远是原始字符串,group(1)
、group(2)
……表示第1、2、……个子串
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
>>> m.groups()
('010', '12345')
贪婪匹配
正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。若想要匹配出数字后面的0
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '') # 由于\d+
采用贪婪匹配,直接把后面的0
全部匹配了,结果0*
只能匹配空字符串了。
必须让\d+
采用非贪婪匹配(也就是尽可能少匹配),才能把后面的0
匹配出来,加个?
就可以让\d+
采用非贪婪匹配:
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
若一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式,接下来重复使用时就不需要编译这个步骤了,直接匹配:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups() # 编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串。
('010', '8086')