Python筆記-正則表達式

1、如果直接給出字符,就是精確匹配。用\d可以匹配一個數字,\w可以匹配一個字母或數字,.可以匹配任意字符

'00\d'   可以匹配'007',但無法匹配'00A';
'\d\d\d' 可以匹配'010';
'\w\w\d' 可以匹配'py3';
'py.' 可以匹配'pyc''pyo''py!'

2、要匹配變長的字符,在正則表達式中,用*表示任意個字符(包括0個),用+表示至少一個字符,用?表示0個或1個字符,用{n}表示n個字符,用{n,m}表示n-m個字符

\d{3}\s+\d{3,8}

\d{3}匹配3個數字,例如'010';
\s   匹配1個空格(也包括Tab等空白符),所以\s+表示至少有一個空格,例如匹配' ','  '等;
\d{3,8}匹配3-8個數字,例如'1234567'.

所以,上面的正則表達式可匹配以任意空格隔開的帶區號的電話號碼.

3、’-‘是特殊字符,在正則表達式中,要用’\’轉義

4、要做更精確地匹配,可以用[]表示範圍,比如:

[0-9a-zA-Z\_] 可以匹配一個數字、字母或者下劃線;

[0-9a-zA-Z\_]+ 可以匹配至少由一個數字、字母或者下劃線組成的字符串,比如'a100','0_Z','Py3000'等等;

[a-zA-Z\_][0-9a-zA-Z\_]* 可以匹配由字母或下劃線開頭,後接任意個由一個數字、字母或者下劃線組成的字符串,也就是Python合法的變量;

[a-zA-Z\_][0-9a-zA-Z\_]{0, 19} 更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);

A|B 可以匹配A或B,所以(P|p)ython可以匹配'Python'或者'python';

^ 表示行的開頭,^\d 表示必須以數字開頭;

$ 表示行的結束,\d$ 表示必須以數字結束.

所以,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。

5、Python提供re模塊,包含所有正則表達式的功能。由於Python的字符串本身也用\轉義,所以要特別注意:

s = 'ABC\\-001' # Python的字符串
# 對應的正則表達式字符串變成:
# 'ABC\-001'

使用Python的r前綴,就不用考慮轉義的問題了:

s = r'ABC\-001' # Python的字符串
# 對應的正則表達式字符串不變:
# 'ABC\-001'

6、判斷正則表達式是否匹配:

#match()判斷是否匹配,成功則返回一個Match對象,否則返回None
>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>

常見的判斷方法就是:

test = '用戶輸入的字符串'
if re.match(r'正則表達式', test):
    print('ok')
else:
    print('failed')

7、用()表示的就是要提取的分組(Group)

# ^(\d{3})-(\d{3,8})$ 分別定義了兩個組,可以直接從匹配的字符串中提取出區號和本地號碼:

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>>m.group(0)
'010-12345'
>>>m.group(1)
'010'
>>> m.group(2)
'12345'

注意到group(0)永遠是原始字符串,group(1)、group(2)……表示第1、2、……個子串。

8、正則匹配默認是貪婪匹配,也就是匹配儘可能多的字符。

#貪婪匹配,匹配出數字後面的0:
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')

\d+採用貪婪匹配,直接把後面的0全部匹配了,結果0*只能匹配空字符串了。

#非貪婪匹配(加個?),匹配出數字後面的0:
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')

9、如果一個正則表達式要重複使用幾千次,出於效率的考慮,我們可以預編譯該正則表達式,接下來重複使用時就不需要編譯這個步驟了,直接匹配:

>>> import re
# 編譯:
>>> 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')
發佈了53 篇原創文章 · 獲贊 15 · 訪問量 4萬+
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章