一. 有关匹配的内容
\d可以匹配一个数字，\w可以匹配一个字母或数字；.可以匹配任意字符。
二. 有关匹配的数量
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。
三、更精确的匹配
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$就变成了整行匹配，就只能匹配'py'了。
四、其它
1. re模块
Python提供re模块，包含所有正则表达式的功能。强烈建议使用Python的r前缀，就不用考虑转义的问题了。
先看看如何判断正则表达式是否匹配：
|
1
2
3
4
|
>>>
import
re
>>> re.match(r
'^\d{3}\-\d{3,8}$'
,
'010-12345'
)
>>> <_sre.SRE_Match
object
; span
=
(
0
,
9
), match
=
'010-12345'
>
>>> re.match(r
'^\d{3}\-\d{3,8}$'
,
'010 12345'
)>>>
|
match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None。常见的判断方法就是：
|
1
2
3
4
5
|
test
=
'用户输入的字符串'
if
re.match(r
'正则表达式'
, test):
print
(
'ok'
)
else
:
print
(
'failed'
)
|
2. 切分字符串
用正则表达式切分字符串比用固定的字符更灵活。如，
|
1
2
|
>>>
'a b c'
.split(
' '
)
[
'a'
,
'b'
, '
', '
', '
c']
|
以上代码无法识别连续的空格，用正则表达式试试：
|
1
2
|
>>> re.split(r
'\s+'
,
'a b c'
)
[
'a'
,
'b'
,
'c'
]
|
还如，加入“，”，“；”的干扰，看看效果
|
1
2
|
>>> re.split(r
'[\s\,]+'
,
'a,b, c d'
)
[
'a'
,
'b'
,
'c'
,
'd'
]
|
>>> re.split(r'[\s\,\;]+', 'a,b;; c d') ['a', 'b', 'c', 'd']
如果用户输入了一组标签，记得用正则表达式来把不规范的输入转化成正确的数组。：)
3. 分组
除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。比如：
^(\d{3})-(\d{3,8})$
分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：
|
1
2
3
4
5
6
7
8
9
|
>>> m
=
re.match(r
'^(\d{3})-(\d{3,8})$'
,
'010-12345'
)
>>> m
<_sre.SRE_Match
object
; span
=
(
0
,
9
), match
=
'010-12345'
>
>>> m.group(
0
)
'010-12345'
>>> m.group(
1
)
'010'
>>> m.group(
2
)
'12345'
|
如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。
注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串。
4.贪婪匹配
它也就是匹配尽可能多的字符。举例如下，匹配出数字后面的0：
|
1
2
|
>>> re.match(r
'^(\d+)(0*)$'
,
'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：
|
1
2
|
>>> re.match(r
'^(\d+?)(0*)$'
,
'102300'
).groups()
(
'1023'
,
'00'
)
|
参考：
正则表达式
