面试官: 现在有一个需求，我们需要分析一个文本中的所有数据，需要抓出其中的所有人的电话号码，以 xxx-xxxx-xxxx 或者是 xxx-xxxxxxxx 或者是 xxxxxxxxxxx 为格式，请用python来编写一个程序来实现。
我: 使用
re模块，额。。。。。，我知道，又没了。
这边文章，我们将介绍python正则表达式工具re，当然了，还是要说明一下python使用环境为: Python 3.6.8
什么是正则表达式
正则表达式定义
正则表达式(regex) 是描述文本模式的一种表达式，由模式字符串和特殊字符组成，用于匹配、搜索、替换等等。
阐述模式和特殊字符
好了，正则表达式就介绍完了，咋的？还不明白啊。其实我刚开始看到时候，也不明白，我们举个小栗子来介绍一下模式和特殊字符吧。
假设有一个正则表达式是 abcdef，那么它的模式字符串就是abcdef，特殊字符没有。
假设还有一个正则表达式是^juejin.*pdudo$，在此正则表达式中：
^是特殊字符，表示匹配字符串的开头。juejin是一个模式字符串，表示需要匹配的字面字符串。.是一种特殊语法，.表示匹配任意一个字符，*表示重复前面的字符零次或多次。因此，".*" 表示匹配任意长度的字符串。pdudo是一个模式字符串，表示需要匹配的字面字符串。$是特殊字符，表示匹配字符串的结尾。
python提供的特殊字符有哪些
额，这里又有一个问题了，你知道特殊字符有哪些么？
由于我们使用python来写正则，所以我们直接看python文档就可以了，例如:docs.python.org/zh-cn/3.7/l…
我们找到关于特殊字符的描述就可以了，例如:
这里就不原班搬运了。
在python中，我们一般通过标准库re来编写正则表达式，接下来，我们一起来看看吧。
为什么要使用正则表达式
在介绍这个段落内容之前，我们不妨写个小功能，我们想要搜寻目录下文本的内容，内容必须包含pdudo。
由于码上掘金不太好写文件之类的，所以我们给抽离出来定义为列表的形式。
大概内容如下:
使用暴力搜索法来搜索特定字符串
我们想搜索上述案例中，关于pdudo的字符串，先尝试一种不用正则表达式的方式。这个很简单，我们直接使用in关键字就可以完成，来看代码：
def main() -> None: testTxt = [ ["今天，小狗pdduo迷路了。好心的主人找了很久也没找到它，心急如焚。终于，在一个角落里发现了它。小狗抬起头，看着主人，高兴地摇了摇尾巴，似乎在说：“谢谢你救了我。"], ["教室里传来一阵阵笑声，原来是pdudo调皮捣蛋。老师生气地走过去，pdudo马上低下了头。可当老师转过身时，pdudo又偷偷地对同桌saying：“快看，我藏起来了！"], ["爷爷退休后，经常给家里打电话聊天。他总是说：“最近有一个新朋友叫puddo，跟我聊得很开心。”后来才知道，那是他认识的一位年轻的志愿者，每周会给他打电话陪他聊天。"], ["在海滩上散步时，我们捡到了一个漂亮的贝壳，上面写着“pdduo”。这让我们想起了一个童话故事，于是我们决定将它带回家，留作纪念。"], ["昨天晚上，我在电视上看到了一个关于puddo的纪录片。它讲述了一只顽皮的小熊，经过几年的努力和奋斗，终于成为了丛林之王。这个故事让我想起了自己的梦想，也让我更加坚定要努力实现它。"] ] strs = "pdudo" for i in testTxt: if strs in i[0]: print(i) if __name__ == '__main__': main()
还是很简单嘛，但是现在问题来了，如果要匹配以p开头以d结尾，匹配的字符串为5个字符，这个如果硬写，应该怎么写呢？
额，这个要写，也难不倒，对吧？ 我们可以遍历一下。
逻辑为: 如果找到p字符，确定下标，再根据下标+4判断是否是字符d，如果是就输出，对吧？来写下：
strs = "pdudo" for i in testTxt: j = 0 while j < len(i[0]): if strs[0] == i[0][j] : if (j+4 < len(i[0])) and i[0][j+len(strs)-1] == strs[len(strs)-1]: print("search ok,pdudo中的p下标为: ",j,"原字符串为:",i[0]) break j = j + 1
上述代码，就是用最原始的方法，遍历所有字符，如果找到了p则再判断该字符后4个字符位置是否是o，如果是则将p的下标和整段话都打印出来。
详细代码，可以看这里:
def main() -> None: testTxt = [ ["今天，小狗pdduo迷路了。好心的主人找了很久也没找到它，心急如焚。终于，在一个角落里发现了它。小狗抬起头，看着主人，高兴地摇了摇尾巴，似乎在说：“谢谢你救了我。"], ["教室里传来一阵阵笑声，原来是pdudo调皮捣蛋。老师生气地走过去，pdudo马上低下了头。可当老师转过身时，pdudo又偷偷地对同桌saying：“快看，我藏起来了！"], ["爷爷退休后，经常给家里打电话聊天。他总是说：“最近有一个新朋友叫puddo，跟我聊得很开心。”后来才知道，那是他认识的一位年轻的志愿者，每周会给他打电话陪他聊天。"], ["在海滩上散步时，我们捡到了一个漂亮的贝壳，上面写着“pdduo”。这让我们想起了一个童话故事，于是我们决定将它带回家，留作纪念。"], ["昨天晚上，我在电视上看到了一个关于puddo的纪录片。它讲述了一只顽皮的小熊，经过几年的努力和奋斗，终于成为了丛林之王。这个故事让我想起了自己的梦想，也让我更加坚定要努力实现它。"] ] strs = "pdudo" for i in testTxt: j = 0 while j < len(i[0]): if strs[0] == i[0][j] : if (j+4 < len(i[0])) and i[0][j+len(strs)-1] == strs[len(strs)-1]: print("search ok,pdudo中的p下标为: ",j,"原字符串为:",i[0]) break j = j + 1 if __name__ == '__main__': main()
上面案例实现起来多很难吧，如果再上一层台阶，匹配字符串，必须是p在前和d灾后，中间的字符串必须由u、d、o来组成，是不是更加头大了啊，这个时候，正则表达式就很好做这个事情。
使用正则表达式来匹配字符串
我们使用正则表达式，仅需定义一个匹配模式，而后无脑调用findall即可，例如查询可以这样写:
pattern = "p[duo]{3}o" for i in testTxt: if re.findall(pattern, i[0]): print(i)
其中，p[duo]{3}o代表以p在前，以o在后，中间必须包含3个字符，字符局限于d、u、o之间。
使用的时候，可以使用python标准库re，调用方法findall，参数为匹配模式 和 需要匹配的字符串即可。
可以看代码实现：
import re def main() -> None: testTxt = [ ["今天，小狗pdduo迷路了。好心的主人找了很久也没找到它，心急如焚。终于，在一个角落里发现了它。小狗抬起头，看着主人，高兴地摇了摇尾巴，似乎在说：“谢谢你救了我。"], ["教室里传来一阵阵笑声，原来是pdudo调皮捣蛋。老师生气地走过去，pdudo马上低下了头。可当老师转过身时，pdudo又偷偷地对同桌saying：“快看，我藏起来了！"], ["爷爷退休后，经常给家里打电话聊天。他总是说：“最近有一个新朋友叫puddo，跟我聊得很开心。”后来才知道，那是他认识的一位年轻的志愿者，每周会给他打电话陪他聊天。"], ["在海滩上散步时，我们捡到了一个漂亮的贝壳，上面写着“pdduo”。这让我们想起了一个童话故事，于是我们决定将它带回家，留作纪念。"], ["昨天晚上，我在电视上看到了一个关于puddo的纪录片。它讲述了一只顽皮的小熊，经过几年的努力和奋斗，终于成为了丛林之王。这个故事让我想起了自己的梦想，也让我更加坚定要努力实现它。"] ] pattern = "p[duo]{3}o" for i in testTxt: if re.findall(pattern, i[0]): print(i) if __name__ == '__main__': main()
使用标准库re，很容易理解这个事情的。
正则表达式案例
还记得文章最开始的时候，我们需要写一个程序，以此来搜索以 xxx-xxxx-xxxx 或者是 xxx-xxxxxxxx 或者是 xxxxxxxxxxx 为格式的电话号码么？ 我们了解了上述正则表达式后的写法后，应该会写了吧，我们来试试看：
我们构建了一份假的富婆通讯录，内容如下：
我们将其放置到列表中，我们想搜索一下这3种电话号码，分别为: xxx-xxxx-xxxx 、 xxx-xxxxxxxx 、 xxxxxxxxxxx ，就目前而言我们知晓手机号均为1开头，而后全是数字。所以如上三种方法，正则表达式可以这样写：
| 字符串 | 正则表达式 |
| xxx-xxxx-xxxx | 1[0-9]{2}-[0-9]{4}-[0-9]{4} |
| xxx-xxxxxxxx | 1[0-9]{2}-[0-9]{8} |
| xxxxxxxxxxx | 1[0-9]{10} |
其中正则表达式的 [] 代表合集，即: [abc]可以匹配a、b、c的其中一个，而后面的{n}则可以匹配前面[]中数字n次。
拿这个举例，模式 和 特殊字符，我们分别用 蓝色 和 红色 标注出来一下：
如果不明白的，我可以滑到最上面去看看。
但是我们需要匹配3个，我们如何用一个正则表达式来编写呢？答案是可以使用竖线分割|，于是乎，正则表达式就成了这样的了： 1[0-9]{2}-[0-9]{4}-[0-9]{4}|1[0-9]{2}-[0-9]{8}|1[0-9]{10}
最后使用re调用findall就可以了。
import re def main() -> None: testTxt = [ ["姓名: 张X 女 英文名: Emily 北京市海淀区中关村大街X号 138-1234-5678 爱好: 游泳 职业: 律师"], ["姓名: 李X英 性别: 女 英文名: Olivia 地址: 成都市高新区天府大道中段XXX号 电话号码: 156-12345678 健身 职业: 医生"], ["姓名: 赵X华 女 英文名: James 武汉市江汉区解放大道XX号 15812345678 摄影 职业: 教育工作者"] ] pattern = "1[0-9]{2}-[0-9]{4}-[0-9]{4}|1[0-9]{2}-[0-9]{8}|1[0-9]{10}" for i in testTxt: print(re.findall(pattern,i[0])) if __name__ == '__main__': main()
如果我们我们还想将名字和职业以及电话号码串起来呢？ 我们可以定义3个正则表达式，分别是电话、姓名以及职业：
telPattern = "1[0-9]{2}-[0-9]{4}-[0-9]{4}|1[0-9]{2}-[0-9]{8}|1[0-9]{10}" namePattern = "姓名: .*? " jobPattern = "职业: .*?$"
我们改改代码，就可以实现了：
关于更多的正则表达式，可以查看上述提供的文档，也可以看下一篇博客。
总结
该篇文章，先是介绍了正则表达式，而后解释了正则表达式中的模式和特殊字符，最后对比了一下使用正则表达式和不是用正则表达式的区别。最后的最后，提供了一个正则表达式搜索电话号码的案例。
特别是python文档上的特殊字符，应该好好了解下。
后面，python使用正则表达式，只能使用re.findall么？ 我们后面会详细介绍python re。
