Python學(xué)習(xí)目錄
- 在Mac下使用Python3
- Python學(xué)習(xí)之?dāng)?shù)據(jù)類型
- Python學(xué)習(xí)之函數(shù)
- Python學(xué)習(xí)之高級特性
- Python學(xué)習(xí)之函數(shù)式編程
- Python學(xué)習(xí)之模塊
- Python學(xué)習(xí)之面向?qū)ο缶幊?/a>
- Python學(xué)習(xí)之面向?qū)ο蟾呒壘幊?/a>
- Python學(xué)習(xí)之錯誤調(diào)試和測試
- Python學(xué)習(xí)之IO編程
- Python學(xué)習(xí)之進(jìn)程和線程
- Python學(xué)習(xí)之正則
- Python學(xué)習(xí)之常用模塊
- Python學(xué)習(xí)之網(wǎng)絡(luò)編程
正則表達(dá)式是一種用來匹配字符串的強(qiáng)有力的武器。它的設(shè)計(jì)思想是用一種描述性的語言來給字符串定義一個規(guī)則他巨，凡是符合規(guī)則的字符串壤玫，我們就認(rèn)為它“匹配”了询件，否則，該字符串就是不合法的。
基本
在正則表達(dá)式中痕钢，如果直接給出字符，就是精確匹配序六。用\d可以匹配一個數(shù)字任连，\w可以匹配一個字母或數(shù)字，所以：
-
'00\d'可以匹配'007'例诀，但無法匹配'00A'随抠； -
'\d\d\d'可以匹配'010'； -
'\w\w\d'可以匹配'py3'繁涂；
.可以匹配任意字符拱她，所以：
-
'py.'可以匹配'pyc'、'pyo'扔罪、'py!'等等秉沼。
要匹配變長的字符，在正則表達(dá)式中矿酵，用*表示任意個字符（包括0個）唬复，用+表示至少一個字符，用?表示0個或1個字符全肮，用{n}表示n個字符敞咧，用{n,m}表示n-m個字符：
來看一個復(fù)雜的例子：\d{3}\s+\d{3,8}。
我們來從左到右解讀一下：
-
\d{3}表示匹配3個數(shù)字辜腺，例如'010'妄均； -
\s可以匹配一個空格（也包括Tab等空白符），所以\s+表示至少有一個空格哪自，例如匹配' '丰包，' '等； -
\d{3,8}表示3-8個數(shù)字壤巷，例如'1234567'邑彪。
綜合起來，上面的正則表達(dá)式可以匹配以任意個空格隔開的帶區(qū)號的電話號碼胧华。
如果要匹配'010-12345'這樣的號碼呢寄症？由于'-'是特殊字符宙彪，在正則表達(dá)式中，要用'\'轉(zhuǎn)義有巧，所以释漆，上面的正則是\d{3}\-\d{3,8}。
但是篮迎，仍然無法匹配'010 - 12345'男图，因?yàn)閹в锌崭瘛Ｋ晕覀冃枰鼜?fù)雜的匹配方式甜橱。
進(jìn)階
要做更精確地匹配逊笆，可以用[]表示范圍，比如：
-
[0-9a-zA-Z\_]可以匹配一個數(shù)字岂傲、字母或者下劃線难裆； -
[0-9a-zA-Z\_]+可以匹配至少由一個數(shù)字、字母或者下劃線組成的字符串镊掖，比如'a100'乃戈，'0_Z'，'Py3000'等等亩进； -
[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下劃線開頭症虑，后接任意個由一個數(shù)字、字母或者下劃線組成的字符串镐侯，也就是Python合法的變量侦讨； -
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精確地限制了變量的長度是1-20個字符（前面1個字符+后面最多19個字符）驶冒。
A|B可以匹配A或B苟翻，所以(P|p)ython可以匹配'Python'或者'python'。
^表示行的開頭骗污，^\d表示必須以數(shù)字開頭崇猫。
$表示行的結(jié)束，\d$表示必須以數(shù)字結(jié)束需忿。
你可能注意到了诅炉，py也可以匹配'python'，但是加上^py$就變成了整行匹配屋厘，就只能匹配'py'了涕烧。
re模塊
有了準(zhǔn)備知識，我們就可以在Python中使用正則表達(dá)式了汗洒。Python提供re模塊议纯，包含所有正則表達(dá)式的功能。由于Python的字符串本身也用\轉(zhuǎn)義溢谤，所以要特別注意：
s = 'ABC\\-001' # Python的字符串
# 對應(yīng)的正則表達(dá)式字符串變成：
# 'ABC\-001'
因此我們強(qiáng)烈建議使用Python的r前綴瞻凤，就不用考慮轉(zhuǎn)義的問題了：
s = r'ABC\-001' # Python的字符串
# 對應(yīng)的正則表達(dá)式字符串不變：
# 'ABC\-001'
先看看如何判斷正則表達(dá)式是否匹配：
>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>
match()方法判斷是否匹配憨攒，如果匹配成功，返回一個Match對象阀参，否則返回None肝集。常見的判斷方法就是：
test = '用戶輸入的字符串'
if re.match(r'正則表達(dá)式', test):
print('ok')
else:
print('failed')
分組
除了簡單地判斷是否匹配之外，正則表達(dá)式還有提取子串的強(qiáng)大功能蛛壳。用()表示的就是要提取的分組（Group）杏瞻。比如：
^(\d{3})-(\d{3,8})$分別定義了兩個組，可以直接從匹配的字符串中提取出區(qū)號和本地號碼：
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
如果正則表達(dá)式中定義了組炕吸，就可以在Match對象上用group()方法提取出子串來伐憾。
注意到group(0)永遠(yuǎn)是原始字符串，group(1)赫模、group(2)……表示第1树肃、2、……個子串瀑罗。
提取子串非常有用胸嘴。來看一個更兇殘的例子：
>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')
這個正則表達(dá)式可以直接識別合法的時間。但是有些時候斩祭，用正則表達(dá)式也無法做到完全驗(yàn)證劣像，比如識別日期：
'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'
對于'2-30'，'4-31'這樣的非法日期摧玫，用正則還是識別不了耳奕，或者說寫出來非常困難，這時就需要程序配合識別了诬像。
貪婪匹配
最后需要特別指出的是屋群，正則匹配默認(rèn)是貪婪匹配，也就是匹配盡可能多的字符坏挠。舉例如下芍躏，匹配出數(shù)字后面的0：
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
由于\d+采用貪婪匹配，直接把后面的0全部匹配了降狠，結(jié)果0*只能匹配空字符串了对竣。
必須讓\d+采用非貪婪匹配（也就是盡可能少匹配），才能把后面的0匹配出來榜配，加個?就可以讓\d+采用非貪婪匹配：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
編譯
當(dāng)我們在Python中使用正則表達(dá)式時否纬，re模塊內(nèi)部會干兩件事情：
- 編譯正則表達(dá)式，如果正則表達(dá)式的字符串本身不合法蛋褥，會報(bào)錯临燃；
- 用編譯后的正則表達(dá)式去匹配字符串。
如果一個正則表達(dá)式要重復(fù)使用幾千次，出于效率的考慮谬俄，我們可以預(yù)編譯該正則表達(dá)式柏靶，接下來重復(fù)使用時就不需要編譯這個步驟了，直接匹配：
>>> import re
# 編譯:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
編譯后生成Regular Expression對象溃论，由于該對象自己包含了正則表達(dá)式屎蜓，所以調(diào)用對應(yīng)的方法時不用給出正則字符串。
