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,我们就认为它“匹配”了,否则,该字符串就是不合法的。
所以我们判断一个字符串是否是合法的Email的方法是:
- 创建一个匹配Email的正则表达式;
- 用该正则表达式去匹配用户的输入来判断是否合法。
因为正则表达式也是用字符串表示的,所以,我们要首先了解如何用字符来描述字符。
基础
- 在正则表达式中,如果直接给出字符,就是精确匹配。
- 用\d可以匹配一个数字,\w可以匹配一个字母或数字,所以:
‘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。
总结
符号 | 含义 | 示例 | 解释 |
---|---|---|---|
直接给出字符 | 精准匹配 | ||
\d | 匹配一个数字 | ‘00\d’ | 匹配’007’,但无法匹配’00A’ |
\w | 匹配一个字母或数字 | ‘\w\w\d’ | 可以匹配’py3’ |
. | 匹配任意字符 | ‘py.’ | 可以匹配’pyc’、’pyo’、’py!’等等 |
* | 匹配任意个字符(包括0个) | ||
+ | 表示至少一个字符 | ||
? | 0个或1个字符 | ||
\s | 可以匹配一个空格(也包括Tab等空白符) | \s+ | 表示至少有一个空格,例如匹配’ ‘,’ ‘等 |
{n} | 表示n个字符 | \d{3} | 表示匹配3个数字,例如’010’ |
{n, m} | 表示n-m个字符 | \d{3,8} | 表示3-8个数字,例如’1234567’ |
\字符 | 特殊字符需要转义 | \d{3}-\d{3,8} | 匹配类似’010-12345’这样的号码 |
[] | 表示范围 | [0-9a-zA-Z_] | 可以匹配一个数字、字母或者下划线(只是一个字符) |
A|B | 匹配A或B | [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 |
$ | 表示行的结尾 | \d$ | 表示必须以数字结束 |