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