一、精确匹配
\d匹配一个数字,如'00\d'可以匹配'007',但无法匹配'00A';
\w匹配一个字母或数字,如'\d\d\d'可以匹配'010','\w\w\d'可以匹配'py3';
.可以匹配任意字符 ,如 'py.'可以匹配'pyc'、'pyo'、'py!'等等。
二、匹配变长的字符
*表示任意个字符(包括0个)
+表示至少1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
如\d{3}\s+\d{3,8} 表示匹配 3个数字至少1个空格3-8个数字 ,综合表示可以匹配以任意个空格隔开的带区号的电话号码。
三、进阶
用[]表示范围,做到更精确匹配,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,如(P|p)ython可以匹配'Python'或者'python'
^表示行的开头,如^\d表示必须以数字开头
$表示行的结束,如\d$表示必须以数字结束。
四、re模块
Python提供re模块,包含所有正则表达式的功能。
4.1转义问题
由于Python的字符串本身也用\转义,因此建议使用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'
4.2match()方法判断是否匹配
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
>>> 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')
>>>
常见的判断方法是:
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
五、切分字符串
正常对字符串进行切分:
无法识别连续的空格
用正则表达式对字符串进程切分:
无论多少个空格或者”,“或者“;”都可以正常分割
五、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(Group)。
比如:
^(\d{3})-(\d{3,8})$分别定义了两个组,可以在Match对象上用group()方法提取出子串来。注意到group(0)永远是原始字符串,group(1)、group(2)……表示第1、2、……个子串,因此使用group(1)和group(2)可以直接从匹配的字符串中提取出区号和本地号码:
六、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。
举例如下,匹配出数字后面的0:
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
解决: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
尽可能少匹配也可以是不匹配
比如,其中\s?可以不匹配空格,注意\s+?至少匹配一个空格
七、编译
当我们在Python中使用正则表达式时,re模块内部会干两件事情:
1、编译正则表达式,如果正则表达式的字符串本身不合法,会报错
2、用编译后的正则表达式去匹配字符串。
如果一个正则表达式要重复使用几千次,为提高效率,我们可以预编译该正则表达式,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。接下来重复使用时就不需要编译这个步骤了,直接匹配:
八、练习
8.1 \d{3}\s+\d{3,8}可以匹配'010-12345',但是无法匹配‘010 - 12345’ 所以我们需要更复杂的匹配方式。运用‘’四‘’进阶中的知识,要做到更精准的匹配,可以用[ ]表示范围,比如:
或者使用\s?
8.2请尝试写一个验证Email地址的正则表达式。版本一应该可以验证出类似的Email:
someone@gmail.com
bill.gates@microsoft.com
主要考察:正则表达式的写法,其中重点注意(\.\w+)?
代码:
#emailtest.py
import re
def is_valid_email(addr):
re_email = re.compile(r'(\w+)(\.\w+)?@\w+\.com')
return re_email.match(addr)
assert is_valid_email('someone@gmail.com')
assert is_valid_email('bill.gates@microsoft.com')
assert not is_valid_email('bob#example.com')
assert not is_valid_email('mr-bob@example.com')
print('ok')
运行:
8.3 版本二可以提取出带名字的Email地址:
<Tom Paris> tom@voyager.org => Tom Paris
bob@example.com => bob
主要考察:group的使用
代码:
#emailname.py
import re
def name_of_email(addr):
if(addr.find('<')!=-1):
reg=re.compile(r'<(\w+\s*\w+)>\s?\w+@\w+.org')
else:
reg=re.compile(r'(\w+)@\w+.org')
if reg:
m=reg.match(addr).group(1)
if m:
return m
else:
return None
return None
assert name_of_email('<Tom Paris> tom@voyager.org') == 'Tom Paris'
assert name_of_email('<Tom Paris>tom@voyager.org') == 'Tom Paris'
assert name_of_email('tom@voyager.org') == 'tom'
print('ok')
运行: