正则表达式
- 正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
- 常见匹配:
\d
可以匹配一个0-9任意数字'00\d'
可以匹配'007'
,无法匹配'00A'
\w
可以匹配一个0-9任意数字,a-z/A-Z任意一个字母,还可以匹配特殊字符'\w\w\d'
可以匹配'py3'
.
可以匹配任意字符'py.'
可以匹配'pyc'
*
表示任意个字符+
表示至少一个字符?
表示0个或1个字符{n}
表示n个字符{n,m}
表示n-m个字符\s
表示一个空格(包括TAb)\d{3}\s+\d{3,8}
\d{3}
表示3个任意数字,如:010
\s+
表示至少一个空格符,如' '
\d{3,8}
表示3-8个数字,如123
- 范围匹配:
[0-9a-zA-Z\_]
表示可以匹配一个数字、字母、下划线[0-9a-zA-Z\_]+
表示匹配至少由一个数字、字母、或者下划线组成的字符串,如'A100'
,'_123
[a-zA-Z\_][0-9a-zA-Z\_]*
可以匹配由字母、数字或者下划线开头后接任意个字符(可以是数字、字母、下划线组成)[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或者B,如(P|p)ython
可以匹配Python
,python
^
表示行的开头,^\d
表示必须以数字开头$
表示行的结尾,\d$
表示必须以数字结尾^...$
表示整行匹配0[0-9]
表示匹配一个00-09
的字符串
- re模块
代码:
```PYTHON
#!usr/bin/env/python3
# -- coding:utf-8 --# 正则表达式
# Python的字符串本身也用\转义
s = 'ABC\-001' # Python的字符串
# 对应的正则表达式字符串变成:
# 'ABC-001'# 使用Python的r前缀,就不用考虑转义的问题
s = r'ABC-001' # Python的字符串
# 对应的正则表达式字符串不变:
# 'ABC-001'import re
# 判断正则表达式是否匹配
re.match(r'^\d{3}-\d{3,8}$','010-12345')# match()方法判断是否匹配,如果匹配成功,返回一个Match对象,否则返回None。常见的判断方法就是:
if re.match(r'^\d{3}-\d{3,8}$','010-12345678'):
print('ok')
else:
print('no')# 切分字符串
# 用正则表达式匹配拆除字符串中所有空格
reList = re.split(r'\s+','a b cd 12 3')
print(reList)
# 用正则表达式匹配拆除所有空格、,、;
reList1 = re.split(r'[\s,;]+','1, 3 56;34')
print(reList1)# 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)
m = re.match(r'^(\d{3})-(\d{3,8})$','012-356789') #(012) 是一组 (356789)是一组
print(m.group(0)) # 原始字符串
print(m.group(1)) #012
print(m.group(2)) # 356789# 贪婪匹配:正则匹配默认是贪婪匹配,也就是匹配尽可能多的字符。
# 由于\d+采用贪婪匹配,直接把后面的0全部匹配了,结果0只能匹配空字符串了。
print(re.match(r'^(\d+)(0)$','102300').groups())
# 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
print(re.match(r'^(\d+?)(0*)$', '102300').groups())# 请尝试写一个验证Email地址的正则表达式。版本一应该可以验证出类似的Email:
import re
def is_valid_email(addr):
# [\w.]+ 匹配0-9a-zA-Z 至少一个字符 .匹配. .com匹配.com
return re.match(r'[\w.]+@\w+.com', addr)# 测试:
assert is_valid_email('[email protected]')
assert is_valid_email('[email protected]')
assert not is_valid_email('bob#example.com')
assert not is_valid_email('[email protected]')
print('ok')# 版本二可以提取出带名字的Email地址:
import re
def name_of_email(addr):
# '.?'表示最短匹配任意长度字符串,长度可以为零。右边括号里的内容是匹配任意包含字母和空格的字符串,符合人名规范,用group方法提取并返回。
return re.match(r'.?([\w\s]+)', addr).group(1)
# 测试:
assert name_of_email('[email protected]') == 'Tom Paris'
assert name_of_email('[email protected]') == 'tom'
print('ok')
```