來自廖雪峰
正則表達(dá)式是一種用來匹配字符串的強(qiáng)有力的武器
判斷一個(gè)字符串是否是合法的Email的方法是：
- 創(chuàng)建一個(gè)匹配Email的正則表達(dá)式旭咽；
- 用該正則表達(dá)式去匹配用戶的輸入來判斷是否合法贞奋。
在正則表達(dá)式中，如果直接給出字符穷绵，就是精確匹配轿塔。
用\d可以匹配一個(gè)數(shù)字，\w可以匹配一個(gè)字母或數(shù)字仲墨，所以：
- '00\d'可以匹配'007'催训，但無法匹配'00A'；
- '\d\d\d'可以匹配'010'宗收；
- '\w\w\d'可以匹配'py3'漫拭；
. （點(diǎn)）可以匹配任意字符
匹配變長字符串：
用*表示任意個(gè)字符（包括0個(gè)），用+表示至少一個(gè)字符混稽，用?表示0個(gè)或1個(gè)字符采驻，用{n}表示n個(gè)字符，用{n,m}表示n-m個(gè)字符
舉一個(gè)例子： \d{3}\s+\d{3,8}
1.\d{3}表示匹配3個(gè)數(shù)字匈勋，例如'010'礼旅；
2.\s可以匹配一個(gè)空格（也包括Tab等空白符），所以\s+表示至少有一個(gè)空格洽洁，例如匹配' '痘系，' '等；
3.\d{3,8}表示3-8個(gè)數(shù)字饿自，例如'1234567'
再舉例：匹配 '010-12345'
由于'-'是特殊字符汰翠，在正則表達(dá)式中，要用''轉(zhuǎn)義昭雌，所以复唤，上面的正則是\d{3}-\d{3,8}。
但是烛卧，仍然無法匹配'010 - 12345'佛纫，因?yàn)閹в锌崭瘛Ｋ晕覀冃枰鼜?fù)雜的匹配方式总放。
進(jìn)階
要做更精確地匹配呈宇，可以用[]表示范圍，例如：
- [0-9a-zA-Z_]可以匹配一個(gè)數(shù)字局雄、字母或者下劃線甥啄；
- [0-9a-zA-Z_]+可以匹配至少由一個(gè)數(shù)字、字母或者下劃線組成的字符串哎榴，比如'a100'型豁，'0_Z'，'Py3000'等等尚蝌；
- [a-zA-Z_][0-9a-zA-Z_]*可以匹配由字母或下劃線開頭迎变，后接任意個(gè)由一個(gè)數(shù)字、字母或者下劃線組成的字符串飘言，也就是Python合法的變量
- [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(gè)字符（前面1個(gè)字符+后面最多19個(gè)字符）衣形。
A|B可以匹配A或B：(P|p)ython可以匹配'Python'或者'python'。
^表示行的開頭姿鸿，^\d表示必須以數(shù)字開頭
$表示行的結(jié)束谆吴，\d$表示必須以數(shù)字結(jié)束
re模塊
Python提供re模塊，包含所有正則表達(dá)式的功能苛预。由于Python的字符串本身也用\轉(zhuǎn)義句狼，所以要特別注意：
s = 'ABC\\-001' # Python的字符串
# 對(duì)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，就不用考慮轉(zhuǎn)義的問題了：
s = r'ABC\-001' # Python的字符串
# 對(duì)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()方法判斷是否匹配热某，如果匹配成功腻菇，返回一個(gè)Match對(duì)象，否則返回None昔馋。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')
切分字符串
用正則表達(dá)式切分字符串比用固定的字符更靈活筹吐，請(qǐng)看正常的切分代碼：
>>> 'a b c'.split(' ')
['a', 'b', '', '', 'c']
無法識(shí)別連續(xù)的空格，用正則表達(dá)式試試：
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
無論多少個(gè)空格都可以正常分割秘遏。加入,試試：
>>> re.split(r'[\s\,]+', 'a,b, c d')
['a', 'b', 'c', 'd']
再加入;試試：
>>> re.split(r'[\s\,\;]+', 'a,b;; c d')
['a', 'b', 'c', 'd']
總結(jié)：如果用戶輸入了一組標(biāo)簽丘薛，下次記得用正則表達(dá)式來把不規(guī)范的輸入轉(zhuǎn)化成正確的數(shù)組。
分組
除了簡單地判斷是否匹配之外邦危，正則表達(dá)式還有提取子串的強(qiáng)大功能洋侨。例如：^(\d{3})-(\d{3,8})$ 分別定義了兩個(gè)組，可以直接從匹配的字符串中提取出區(qū)號(hào)和本地號(hào)碼
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
如果正則表達(dá)式中定義了組倦蚪，就可以在Match對(duì)象上用group()方法提取出子串來凰兑。
注意到group(0)永遠(yuǎn)是原始字符串，group(1)审丘、group(2)……表示第1吏够、2或粮、……個(gè)子串岖圈。
一個(gè)兇殘的例子不寫了逆屡，反正沒有看懂
這個(gè)正則表達(dá)式可以直接識(shí)別合法的時(shí)間挣饥。但是有些時(shí)候勺阐，用正則表達(dá)式也無法做到完全驗(yàn)證宾濒，比如識(shí)別日期：
'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'
對(duì)于'2-30'尊残，'4-31'這樣的非法日期仗嗦，用正則還是識(shí)別不了可训，或者說寫出來非常困難昌妹，這時(shí)就需要程序配合識(shí)別了捶枢。
貪婪匹配
最后需要特別指出的是，正則匹配默認(rèn)是貪婪匹配飞崖，也就是匹配盡可能多的字符烂叔。舉例如下，匹配出數(shù)字后面的0：
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
由于\d+采用貪婪匹配固歪，直接把后面的0全部匹配了蒜鸡，結(jié)果0*只能匹配空字符串了。
必須讓\d+采用非貪婪匹配（也就是盡可能少匹配）牢裳，才能把后面的0匹配出來逢防，加個(gè)?就可以讓\d+采用非貪婪匹配：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
編譯
當(dāng)我們在Python中使用正則表達(dá)式時(shí)，re模塊內(nèi)部會(huì)干兩件事情：
編譯正則表達(dá)式蒲讯，如果正則表達(dá)式的字符串本身不合法忘朝，會(huì)報(bào)錯(cuò)；
用編譯后的正則表達(dá)式去匹配字符串判帮。
如果一個(gè)正則表達(dá)式要重復(fù)使用幾千次辜伟，出于效率的考慮，我們可以預(yù)編譯該正則表達(dá)式脊另，接下來重復(fù)使用時(shí)就不需要編譯這個(gè)步驟了导狡，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(duì)象，由于該對(duì)象自己包含了正則表達(dá)式偎痛，所以調(diào)用對(duì)應(yīng)的方法時(shí)不用給出正則字符串旱捧。
小結(jié)：正則表達(dá)式非常強(qiáng)大，要在短短的一節(jié)里講完是不可能的踩麦。要講清楚正則的所有內(nèi)容枚赡，可以寫一本厚厚的書了。如果你經(jīng)常遇到正則表達(dá)式的問題谓谦，你可能需要一本正則表達(dá)式的參考書贫橙。
