一篇读懂正则表达式

xiaoxiao2021-02-28  13

基础

\d可以匹配一个数字 \w可以匹配一个数字或字母或_ \s可以匹配一个空格(也包括Tab等空白符) .可以匹配任意字符(数量为1) *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 表示行的开头,\d表示必须以数字开头。 \d 表 示 行 的 结 束 , \d 表示必须以数字结束。 (注意\W和\S为对应\w和\s的取反)

来看一个复杂的例子:\d{3}\s+\d{3,8} 我们来从左到右解读一下:

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’

综合起来,上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。

如果要匹配010-12345这样的号码呢?由于-是特殊字符,在正则表达式中,要用”“转义,所以,上面的正则是\d{3}-\d{3,8}

进阶

要做更精确地匹配,可以用[]表示范围,比如:

[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,比如a100,0_Z,Py3000等等;

[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,也就是Python合法的变量;

[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

py也可以匹配python,但是改为^py$就变成了整行匹配,就只能匹配py了

re模块

由于Python的字符串本身也用\转义,所以要特别注意:

s = ‘ABC\-001’ # Python的字符串# 对应的正则表达式字符串变成:# ‘ABC-001’ 因此我们强烈建议使用Python的r前缀,就不用考虑转义的问题了:

s = r’ABC-001’ # Python的字符串# 对应的正则表达式字符串不变:# ‘ABC-001’ 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:

test = ‘用户输入的字符串’if re.match(r’正则表达式’, test): print(‘ok’)else: print(‘failed’)

切分字符串

用正则表达式切分字符串比用固定的字符更灵活,请看正常的切分代码:

‘a b c’.split(’ ‘)[‘a’, ‘b’, ”, ”, ‘c’] 嗯,无法识别连续的空格,用正则表达式试试:

re.split(r’\s+’, ‘a b c’) [‘a’, ‘b’, ‘c’] 都可以正常分割。加入,试试:

re.split(r’[\s,]+’, ‘a,b, c d’) [‘a’, ‘b’, ‘c’, ‘d’] 再加入;试试:

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

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)。比如: ^(\d{3})-(\d{3,8})$分别定义了两个组,可以直接从匹配的字符串中提取出区号和本地号码:

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’

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。举例如下,匹配出数字后面的0:

re.match(r’^(\d+)(0*)$’, ‘102300’).groups() (‘102300’, ”) 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。

必须让\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:

re.match(r’^(\d+?)(0*)$’, ‘102300’).groups() (‘1023’, ‘00’)

编译

当我们在Python中使用正则表达式时,re模块内部会干两件事情:

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

用编译后的正则表达式去匹配字符串。

如果一个正则表达式要重复使用几千次,出于效率的考虑,我们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:

import re# 编译:>>> 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’)

转载请注明原文地址: https://www.6miu.com/read-2350224.html

最新回复(0)