十、正则表达式

设计思想：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

\d ：匹配一个数字；　　 \w ：匹配一个字母或数字；　　　　 \s ：匹配一个空格（也包括Tab等空白符）
. ：匹配任意字符；　　 * ：表示任意个字符（包括0个）；　　 + ：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；　　　　　　 '-' ：是特殊字符，要用 '\' 转义；　 [] ：表示范围；
[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\_]{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。

re模块：包含所有正则表达式的功能

1 import re
2 s = re.match(r'^\d{3}\-\d{3,8}$','010-12345')
3 print(s)
4 
5 输出：
6 #返回一个match对象
7 <re.Match object; span=(0, 9), match='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：

1 import re
2 test = '用户输入的字符串'
3 if re.match(r'正则表达式',test):
4     print('OK!')
5 else:
6     print('Failed!')

切分字符串：用正则表达式来把不规范的输入转化成正确的数组。

1 import re
2 print(re.split(r'\s+','a b  c'))        #至少一个空格
3 print(re.split(r'[\s\,]+','a,b,  c'))   #至少一个[]里的内容，即空格与逗号；
4 print(re.split(r'[\s\,\;]+','a,b;;  c'))
5 
6 输出：
7 ['a', 'b', 'c']
8 ['a', 'b', 'c']
9 ['a', 'b', 'c']

分组：用 () 表示的就是要提取的分组（Group），可以在 Match 对象上用 group() 方法提取出子串来

 1 import re
 2 m = re.match(r'^(\d{3})-(\d{3,8}$)','010-12345')
 3 x1 = m.group(0)
 4 x2 = m.group(1)
 5 x3 = m.group(2)
 6 print(m)
 7 print(x1,x2,x3)
 8 
 9 输出：
10 <re.Match object; span=(0, 9), match='010-12345'>
11 010-12345  010  12345

group(0) 永远是原始字符串， group(1) 、 group(2) ……表示第1、2、……个子串。

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
```
1 import re
2 m1 = re.match(r'^(\d+)(0*)$','102300').groups()
3 m2 = re.match(r'^(\d+?)(0*)$','102300').groups()
4 print(m1)
5 print(m2)
6 
7 输出：
8 ('102300', '')
9 ('1023', '00')
```
\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。须让\d+采用非贪婪匹配（也就是尽可能少匹配），加？ =》 \d+?才能把后面的0匹配出来。

编译：

在Python中使用正则表达式时，re模块内部会干两件事情：
1. 编译正则表达式，如果正则表达式的字符串本身不合法，会报错；
2. 用编译后的正则表达式去匹配字符串。

对于需要重复多次的正则表达式，出于效率的考虑，可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配：
```
1 import re
2 #编译，re_relephone为赋予的变量
3 re_telephone = re.compile(r'^(\d{3})-(\d{3,8}$)')
4 m1 = re_telephone.match('010-12345').groups()
5 m2 = re_telephone.match('020-54321').groups()
6 print(m1,m2)
7 
8 输出：
9 ('010', '12345') ('020', '54321')
```
编译后生成Regular Expression对象，由于该对象自己包含了正则表达式，所以调用对应的方法时不用给出正则字符串。

猜你喜欢