13.正则表达式

  • 用于匹配字符串
  • \d可以匹配一个数字，\w可以匹配一个字母或数字，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
  • e.g.\d{3}\s+\d{3,8}。
    我们来从左到右解读一下：
  1. \d{3}表示匹配3个数字，例如'010'；
  2. \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；
  3. \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。

  • 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。
  • re模块
test = '用户输入的字符串'
if re.match(r'正则表达式', test):	# r转义，match()方法判断是否匹配
    print('ok')
else:
    print('failed')
  • 切分字符串split 
>>> re.split(r'\s+', 'a b   c')
['a', 'b', 'c']
  • 分组group，group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
  • 贪婪匹配
  • 由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0*只能匹配空字符串了.
  • 必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
  • 编译：re内部会先编译正则表达式，合法后再去匹配，因此可以先预编译正则表达式
>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')