12 正則表達式
| 符號 | 對象 |
|---|---|
| \d | 數字 |
| \w | 字母或數字 |
| \s | 空格空白符 |
| . | 任意字符 |
| * | 任意個字符 |
| + | 至少一個字符 |
| ？ | 0或1個字符 |
| {n} | n個字符 |
| {n, m} | n~m個字符 |
12.1 進階
[] 表示範圍：
[0-9a-zA-Z\_]：一個數字、字母或者下劃線；
[0-9a-zA-Z\_]+：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。
你可能注意到了，py也可以匹配’python’，但是加上^py$就變成了整行匹配，就只能匹配’py’了。
12.2 re模塊
Python的字符串本身也用\轉義：
s = 'ABC\\-001' # Python的字符串
# 對應的正則表達式字符串變成：
# 'ABC\-001'
r前綴，就不用考慮轉義：
s = r'ABC\-001' # Python的字符串
# 對應的正則表達式字符串不變：
# 'ABC\-001'
判斷正則表達式是否匹配：
>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>
常見的判斷方法：
test = '用戶輸入的字符串'
if re.match(r'正則表達式', test):
print('ok')
else:
print('failed')
12.3 切分字符串
正常的切分代碼：
>>> 'a b c'.split(' ')
['a', 'b', '', '', 'c']
連續空格只能識別一個：
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
正則靈活切分：
>>> 'a b c'.split(' ')
['a', 'b', '', '', 'c']
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
12.4 分組
從匹配的字符串中提取出區號和本地號碼：
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
提取子串，直接識別合法的時間：
>>> t = '19:05:30'
>>> 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])$', t)
>>> m.groups()
('19', '05', '30')
12.5 貪婪匹配
匹配出數字後面的0：
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
非貪婪匹配：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
12.6 編譯
預編譯正則表達式，重複使用：
>>> import re
# 編譯:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')