小工具      在线工具  汉语词典  css  js  c++  java

python 正则表达式

Python 额外说明

收录于:42天前

转载自:http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/00143193331387014ccd1040c814dee8b2164bb4f064cff000

字符串是编程时涉及到的最多的一种数据结构,对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址,虽然可以编程提取@前后的子串,再分别判断是否是单词和域名,但这样做不但麻烦,而且代码难以复用。

正则表达式是匹配字符串的有力武器。它的设计思想是用描述性语言来定义字符串的规则。任何与规则匹配的字符串都被视为“匹配”。否则,该字符串是非法的。

那么我们判断一个字符串是否是合法邮件的方式是:

  1. 创建匹配Email的正则表达式;

  2. 使用这个正则表达式来匹配用户输入,判断是否合法。

因为正则表达式也是用字符串来表示的,所以我们首先要了解如何使用字符来描述字符。

在正则表达式中,如果直接给出字符,就是精确匹配。用\d可以匹配一个数字,\w可以匹配一个字母或数字,所以:

  • '00\d'可以匹配'007',但无法匹配'00A'

  • '\d\d\d'可以匹配'010'

  • '\w\w\d'可以匹配'py3'

.可以匹配任意字符,所以:

  • 'py.'可以匹配'pyc''pyo''py!'等等。

要匹配变长的字符,在正则表达式中,用*表示任意个字符(包括0个),用+表示至少一个字符,用?表示0个或1个字符,用{n}表示n个字符,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}

我们从左到右读一下:

  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由任意数量的空格分隔的电话号码和区号。

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}

但是,仍然无法匹配'010 - 12345',因为带有空格。所以我们需要更复杂的匹配方式。

先进的

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'

^表示行的开头,^\d表示必须以数字开头。

$表示行的结束,\d$表示必须以数字结束。

你可能注意到了,py也可以匹配'python',但是加上^py$就变成了整行匹配,就只能匹配'py'了。

重新模块

有了准备知识,我们就可以在Python中使用正则表达式了。Python提供re模块,包含所有正则表达式的功能。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'

我们先看一下如何判断正则表达式是否匹配:

>>> 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')
>>>

match()方法判断是否匹配,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')

分割字符串

使用正则表达式来分割字符串比使用固定字符更加灵活。请看正常的分割代码:

>>> 'a b c'.split(' ')
['a', 'b', '', '', 'c']

嗯,连续空间无法被识别。尝试使用正则表达式:

>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']

无论多少个空格都可以正常分割。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']

如果用户输入一组标签,下次记得使用正则表达式将不规则的输入转换为正确的数组。

团体

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'

如果正则表达式中定义了组,就可以在Match对象上用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。

对于提取子字符串非常有用。我们来看一个更残酷的例子:

>>> 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')

这个正则表达式可以直接识别合法的时间。但有时,使用正则表达式无法进行完全验证,例如识别日期:

'^(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,用正则还是识别不了,或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模块在内部做了两件事:

  1. 编译正则表达式。如果正则表达式本身的字符串不合法,则会报错;

  2. 使用编译的正则表达式来匹配字符串。

如果一个正则表达式要重复使用数千次,我们可以预编译正则表达式以提高效率。复用时不需要编译这一步。它将直接匹配:

>>> 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')

编译后,生成一个正则表达式对象。由于对象本身包含正则表达式,因此调用相应方法时无需给出正则字符串。

概括

正则表达式非常强大,不可能在一节中涵盖所有内容。要把所有规则解释清楚,可以写一本厚厚的书。如果你经常遇到正则表达式的问题,你可能需要一本正则表达式参考书。


. . .

相关推荐

额外说明

Shell脚本执行MySQL数据库的SQL语句来操作数据库实例脚本。

我们有的时候需要配置linux操作系统定时器对数据库进行操作,要求这个linux服务器提前安装好mysql的客户端,通过客户端操作某个服务器的mysql服务器。 #!/bin/bash BZ_HOSTNAME="数据库IP" BZ_PORT="3306"

额外说明

python——模拟登陆自动刷新

QQ 1285575001 Wechat M010527 技术交流 QQ群599020441 纪年科技aming urllib2库的基本使用 所谓网页抓取,就是把URL地址中指定的网络资源从网络流中读取出来,保存到本地 urllib2 是 Python2

额外说明

CUDA Driver Version is insufficient for CUDA runtime version

         CUDA Driver Version is insufficient for  CUDA runtime version           最近使用Darknet 测试目标检测,发现在自己电脑上开发的程序放到公司电脑中运行没有反应,

额外说明

Server2101

B-1:数据库服务渗透测试 任务环境说明: 服务器场景:Server2101 服务器场景操作系统:未知(关闭连接) 1.通过分析靶机Server2101页面信息,寻找漏洞页面,将WEB服务存在SQL注入漏洞的页面名称作为Flag提交; nmap -p-

额外说明

【解决方案】使用Wireshark工具抓取TCP数据包时为什么遇到了52.114.77.164与168.63.202.111?

先说问题。使用Wireshark工具、Microsoft Edge浏览器,抓取TCP数据包,网络封包分析窗口如下所示: 很意外地,发现有52.114.77.164与168.63.202.111这两个IP地址的报文。 我们的源主机IP地址为192.168.

额外说明

spring-cloud-gateway-server 简介、中文文档、中英对照文档 下载

spring-cloud-gateway-server 文档 下载链接(含jar包、源码、pom) 组件名称 中文-文档-下载链接 中英对照-文档-下载链接 spring-cloud-gateway-server-3.0.4.jar spring-clo

额外说明

【NOI篇】1.1编程基础之输入输出 01:Hello,World!

1.1编程基础之输入输出 01:Hello,World! 答案: #include "iostream" using namespace std; int main() { cout<<"Hello, World!"; } 答案不唯一…

额外说明

按比例设置获奖人数方案

按比例设置获奖人数方案 1、基本原则 优胜奖人数尽可能少,意在鼓励优秀;参与奖人数尽可能多,意在鼓励参与。 2、计算方法 参赛人数: N = 56 N = 56 N=56 优胜奖人数&

额外说明

【OS学习笔记】页面置换算法的Java版实现

一、背景 程序的运行,需要将指令和数据装入内存中进行执行,可内存的资源十分有限(目前常用的差不多8G,16G)。而虚拟内存就是解决该问题的。 局部性原理:(1)时间局部性:程序中的某条指令一旦执行或数据访问,不久后会再次执行或访问。典型原因是循环操作 (

额外说明

【Vue实战】简单的登录拦截实现

一、实现目标     1.引言       作为一个刚做入门Vue的一个新手,可能会存在这样的疑惑,我是不是可以直接输入URL进行访问,那登录就没有意义了啊。为了解决这个问题,就得使用登录拦截器来实现。关于登录拦截,前后端都可以做,这里我简单介绍一下Vu

ads via 小工具