Python学习之正则
Python学习目录
- 在Mac下用Python3
- Python学习之数据类型
- Python学习之函数
- Python学习之高级特性
- Python学习之函数式编程
- Python学习之板块
- Python学习之面向对象编程
- Python学习之面向对象高级编程
- Python学习之错误调试和测试
- Python学习之IO编程
- Python学习之进程和线程
- Python学习之正则
- Python学习之常使用板块
- Python学习之网络编程
正则表达式是一种使用来匹配字符串的强有力的武器。它的设计思想是使用一种形容性的语言来给字符串定义一个规则,但凡符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
正则
基本
在正则表达式中,假如直接给出字符,就是准确匹配。使用\d
能匹配一个数字,\w
能匹配一个字母或者数字,所以:
'00\d'
能匹配'007'
,但无法匹配'00A'
;'\d\d\d'
能匹配'010'
;'\w\w\d'
能匹配'py3'
;
.
能匹配任意字符,所以:
'py.'
能匹配'pyc'
、'pyo'
、'py!'
等等。
要匹配变长的字符,在正则表达式中,使用*
表示任意个字符(包括0个),使用+
表示至少一个字符,使用?
表示0个或者1个字符,使用{n}
表示n个字符,使用{n,m}
表示n-m个字符:
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:
\d{3}
表示匹配3个数字,例如'010'
;\s
能匹配一个空格(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;\d{3,8}
表示3-8个数字,例如'1234567'
。
综合起来,上面的正则表达式能匹配以任意个空格隔开的带区号的电话号码。
假如要匹配'010-12345'
这样的号码呢?因为'-'
是特殊字符,在正则表达式中,要使用'\'
转义,所以,上面的正则是\d{3}\-\d{3,8}
。
但是,依然无法匹配'010 - 12345'
,由于带有空格。所以我们需要更复杂的匹配方式。
进阶
要做更准确地匹配,能使用[]
表示范围,比方:
[0-9a-zA-Z\_]
能匹配一个数字、字母或者者下划线;[0-9a-zA-Z\_]+
能匹配至少由一个数字、字母或者者下划线组成的字符串,比方'a100'
,'0_Z'
,'Py3000'
等等;[a-zA-Z\_][0-9a-zA-Z\_]*
能匹配由字母或者下划线开头,后接任意个由一个数字、字母或者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}
更准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
能匹配A或者B,所以(P|p)ython
能匹配'Python'
或者者'python'
。
^
表示行的开头,^\d
表示必需以数字开头。
$
表示行的结束,\d$
表示必需以数字结束。
你可可以注意到了,py
也能匹配'python'
,但是加上^py$
就变成了整行匹配,就只可以匹配'py'
了。
re板块
有了准备知识,我们即可以在Python中用正则表达式了。Python提供re
板块,包含所有正则表达式的功可以。因为Python的字符串本身也使用\
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'
因而我们强烈建议用Python的r
前缀,就不使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'
先看看如何判断正则表达式能否匹配:
>>> 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')>>>
match()
方法判断能否匹配,假如匹配成功,返回一个Match
对象,否则返回None
。常见的判断方法就是:
test = '使用户输入的字符串'if re.match(r'正则表达式', test): print('ok')else: print('failed')
分组
除了简单地判断能否匹配之外,正则表达式还有提取子串的强大功可以。使用()
表示的就是要提取的分组(Group)。比方:
^(\d{3})-(\d{3,8})$
分别定义了两个组,能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})$', '010-12345')>>> m<_sre.SRE_Match object; span=(0, 9), match='010-12345'>>>> m.group(0)'010-12345'>>> m.group(1)'010'>>> m.group(2)'12345'
假如正则表达式中定义了组,即可以在Match
对象上使用group()
方法提取出子串来。
注意到group(0)
永远是原始字符串,group(1)
、group(2)
……表示第1、2、……个子串。
提取子串非常有使用。来看一个更凶残的例子:
>>> t = '19:05:30'>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)>>> m.groups()('19', '05', '30')
这个正则表达式能直接识别合法的时间。但是有些时候,使用正则表达式也无法做到完全验证,比方识别日期:
'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'
对于'2-30'
,'4-31'
这样的非法日期,使用正则还是识别不了,或者者说写出来非常困难,这时就需要程序配合识别了。
贪婪匹配
最后需要特别指出的是,正则匹配默认是贪婪匹配,也就是匹配尽可可以多的字符。举例如下,匹配出数字后面的0
:
>>> re.match(r'^(\d+)(0*)$', '102300').groups()('102300', '')
因为\d+
采使用贪婪匹配,直接把后面的0
一律匹配了,结果0*
只可以匹配空字符串了。
必需让\d+
采使用非贪婪匹配(也就是尽可可以少匹配),才可以把后面的0
匹配出来,加个?
即可以让\d+
采使用非贪婪匹配:
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()('1023', '00')
编译
当我们在Python中用正则表达式时,re板块内部会干两件事情:
- 编译正则表达式,假如正则表达式的字符串本身不合法,会报错;
- 使用编译后的正则表达式去匹配字符串。
假如一个正则表达式要重复用几千次,出于效率的考虑,我们能预编译该正则表达式,接下来重复用时就不需要编译这个步骤了,直接匹配:
>>> import re# 编译:>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')# 用:>>> re_telephone.match('010-12345').groups()('010', '12345')>>> re_telephone.match('010-8086').groups()('010', '8086')
编译后生成Regular Expression对象,因为该对象自己包含了正则表达式,所以调使用对应的方法时不使用给出正则字符串。
下一篇:Python学习之常使用板块
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是摆设,本站源码仅提供给会员学习使用!
7. 如遇到加密压缩包,请使用360解压,如遇到无法解压的请联系管理员
开心源码网 » Python学习之正则