正则表达式

• 用于匹配字符串。
• 思想 ：用一种描述性的语言来给字符串定义一个规则，凡事符合规则的字符串，则认为“匹配”，否则，不合法。

一、基本使用

注意：可以使用多者的组合形式。
eg：\d{3}\s+\d{3,8}

1. \d{3}表示匹配 3 个数字，例如’010’；
2. \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；
3. \d{3,8}表示 3-8 个数字，例如’1234567’。

二、进阶——更精确

[] 表示范围，eg：

• [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；
• [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;==》合法的变量

A|B 匹配 A 或 B
^ 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

三、re模块

包含所有正则表达式的功能，需特别注意 \ 转义 或 使用r前缀（可以不考虑转义的问题，推荐）

1、match()方法

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。

import re
print(re.match(r'^\d{3}\-\d{3,8}$', '010-12345'))
print(re.match(r'^\d{3}\-\d{3,8}$', '010 12345'))

结果输出

<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
None

常用判断方法

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、split()——切分字符串

利用正则表达式将不规范的输入转化为正确的数组

print(re.split(r'\s+','a b     c'))
print(re.split(r'[\s\,]+', 'a,b, c   d'))
print(re.split(r'[\s\,\;]+', 'a,b;; c   d'))

输出结果

['a', 'b', 'c']
['a', 'b', 'c', 'd']
['a', 'b', 'c', 'd']

3、()——分组

用于提取子串，用 () 表示要提取的分组。

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(m)
print(m.group(0))   # 第一个匹配的子串，永远是原始字符串
print(m.group(1))   # 第二个匹配的子串
print(m.group(2))   # 第三个匹配的子串

t = '19:05:30'
m = re.match(r'(0[0-9]|1[0-9]|2[0-3])\:(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)
print(m.groups())

结果输出

<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
010-12345
010
12345
('19', '05', '30')

4、贪婪匹配

正则匹配默认是贪婪匹配，即匹配尽可能多的字符。

## 贪婪匹配
print(re.match(r'^(\d+)(0*)$', '102300').groups())
## 非贪婪匹配——添加？
print(re.match(r'^(\d+?)(0*)$', '102300').groups())

结果输出

('102300', '')
('1023', '00')

5、编译

当使用正则表达式时，re模块内部会做两个事：

• 编译正则表达式，若其本身不合法，则报错；
• 用编译后的正则表达式来匹配字符串。

预编译正则表达式（若该正则表达要重复使用几千次）：
编译后生成Regular Expression 对象，可以调用对应的方法实现字符串匹配。

# 编译正则表达式
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用
print(re_telephone.match('010-123456').groups())
print(re_telephone.match('010-8086').groups())

结果输出

('010', '123456')
('010', '8086')