Python學習筆記__11章 正則表達式
1、正則表
\d | 匹配一個數字 |
\w | 匹配一個字母或數字 |
\s | 可以匹配一個空格（也包括Tab等空白符） |
. | 匹配任意一個字符 |
* | 表示重復前面的一個字符0次或多次（包括0個）例如：ab* will match ‘a’, ‘ab’, ‘abbbbb...’ |
？ | 表示0個或1個 字符 |
{n} | 表示n個字符 |
{n,m} | 表示n-m個字符 |
\ | 轉義字符， \\ 表示對\本身轉義 |
[] | 表範圍，如[0-9a-zA-Z] |
[][] | 如[a-zA-Z\_][0-9a-zA-Z\_]*：前面的[]匹配開頭，後面的[]* 匹配任意個字符 |
[][]{} | 如[a-zA-Z\_][0-9a-zA-Z\_]：{0, 19}精確地限制了變量的長度是1-20個字符（前面1個字符+後面最多19個字符） |
| | 表或，如A|B可以匹配A或B，(P|p)ython可以匹配'Python'或者'python' |
^ | 匹配開頭 |
$ | 匹配結尾 |
註意： | py也可以匹配'python'，但是加上^py$就變成了整行匹配，就只能匹配'py'了。類似於grep 和 grep -w的區別 |
2、re模塊
Python提供re模塊，包含所有正則表達式的功能。下面做一些練習
1）普通寫法
>>> s = 'ABC\\-001'
>>> print(s)
ABC\-001
2）前綴寫法
>>> s = r'ABC\-001'
>>> print(s)
ABC\-001
3）判斷正則表達式是否匹配
>>> import re
# match()方法判斷是否匹配。匹配成功，返回Match對象，匹配不成功，無顯示。這裏對-用了轉義符，不用也行
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
4）match()方法的if 判斷
test = '用戶輸入的字符串'
if re.match(r'正則表達式', test):
print('ok')
else:
print('failed')
5）用正則切分字符串
>>> 'a b c'.split(' ') # 正常的代碼無法識別連續的空格
['a', 'b', '', '', 'c']
>>> re.split(r'\s+', 'a b c') # 正則可以
['a', 'b', 'c']
6）分組
除了簡單地判斷是否匹配之外，正則表達式還有提取子串的強大功能。用()表示的就是要提取的分組（Group）
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345') #()裏面的正則匹配的字符換就是一個組
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0) # group(0)，表示整個字符串
'010-12345'
>>> m.group(1) # 表示第一組字符串
'010'
>>> m.group(2) # 表示第二組字符串
'12345'
>>> t = '19:05:30'
# 匹配時，分，秒。註意()裏的|
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')
7）貪婪匹配
正則匹配默認是貪婪匹配，也就是匹配盡可能多的字符。
# (\d+)表示匹配多個數字，直接把數字匹配完了，沒有給(0*)$匹配的機會
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
8）非貪婪匹配
讓\d+采用非貪婪匹配（也就是盡可能少匹配），才能把後面的0匹配出來，加個?就可以讓\d+采用非貪婪匹配
# ^(\d+?)，盡可能少的匹配，給後面的(0*)$留下了匹配的空間
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
2.1、編譯
當我們在Python中使用正則表達式時，re模塊內部會幹兩件事情：
編譯正則表達式，如果正則表達式的字符串本身不合法，會報錯；
用編譯後的正則表達式去匹配字符串。
如果一個正則表達式要重復使用幾千次，出於效率的考慮，我們可以預編譯該正則表達式，接下來重復使用時就不需要編譯這個步驟了，直接匹配：
>>> import re
# 編譯: 編譯出的對象是類
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：使用了類的match()方法
# 編譯後生成Regular Expression對象，由於該對象自己包含了正則表達式，所以調用對應的方法時不用給出正則字符串。
>>> re_telephone.match('010-12345').groups() # 註意這個groups()，是顯示整個字符串，前面用的是group()，group(1)
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
3、例題
1、寫一個驗證Email地址的正則表達式。版本一應該可以驗證出類似的Email：
# -*- coding: utf-8 -*-
import re
def is_valid_email(addr):
if re.match(r'^[a-zA-Z.]+@[a-zA-Z.]+$',addr): #不寫^ 和 $ 也沒影響
return True
else:
return False
# 測試:
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')
2、版本二可以提取出帶名字的Email地址：
<Tom Paris> [email protected] => Tom Paris
[email protected] => bob
# -*- coding: utf-8 -*-
import re
def name_of_email(addr):
# <?([a-zA-Z\s]+)>?，可以把名字匹配出來，註意裏面的()。
# \s?[a-zA-Z]*?，對Tom而言，後面還需要匹配，而bob不需要，所以用的是[a-zA-Z]*?，* 表0個或多個字符。?讓*別把後面的也匹配了
str = re.match(r'^<?([a-zA-Z\s]+)>?\s?[a-zA-Z]*?(@[a-zA-Z.]+)$',addr)
return str.group(1)
# 測試:
assert name_of_email('<Tom Paris> [email protected]') == 'Tom Paris'
assert name_of_email('[email protected]') == 'tom'
print('ok')
Python學習筆記__11章 正則表達式