目錄

• 六、正則表達式基本知識
  • 6.1 字符匹配和字符長度匹配
  • 6.2 進階
  • 6.3 re模塊
  • 6.4 切分字符串
  • 6.5 分組
  • 6.6 貪婪分組
  • 6.7 編譯（讓匹配更加高效）
  • 6.8 小結
  • 6.9 正則表達式字符（僅僅用于查詢）

六、正則表達式基本知識

字符串是編程時涉及到的最多的一種數據結構，對字符串進行操作的需求幾乎無處不在。比如判斷一個字符串是否是合法的Email地址，雖然可以編程提取@前后的子串，再分別判斷是否是單詞和域名，但這樣做不但麻煩，而且代碼難以復用。

正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的語言來給字符串定義一個規則，凡是符合規則的字符串，我們就認為它“匹配”了，否則，該字符串就是不合法的。

所以我們判斷一個字符串是否是合法的Email的方法是：

創建一個匹配Email的正則表達式；

用該正則表達式去匹配用戶的輸入來判斷是否合法。

6.1 字符匹配和字符長度匹配

因為正則表達式也是用字符串表示的，所以，我們要首先了解如何用字符來描述字符。
在正則表達式中，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，所以:

• 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'；

.可以匹配任意字符，所以：

• 'py.'可以匹配'pyc'、'pyo'、'py!'等等。

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：

來看一個復雜的例子：\d{3}\s+\d{3,8}。

我們來從左到右解讀一下：

\d{3}表示匹配3個數字，例如'010'；

\s可以匹配一個空格（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}表示3-8個數字，例如'1234567'。

綜合起來，上面的正則表達式可以匹配以任意個空格隔開的帶區號的電話號碼。

如果要匹配'010-12345'這樣的號碼呢？由于'-'是特殊字符，在正則表達式中，要用'\'轉義，所以，上面的正則是\d{3}\-\d{3,8}。

但是，仍然無法匹配'010 - 12345'，因為帶有空格。所以我們需要更復雜的匹配方式。\d{3}\s+\-\s+\d{3,8}

6.2 進階

要做更精確地匹配，可以用[]表示范圍，比如：

• [0-9a-zA-Z\_]可以匹配一個數字、字母（大小寫）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，后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+后面最多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。

6.3 re模塊

有了準備知識，我們就可以在Python中使用正則表達式了。Python提供re模塊，包含所有正則表達式的功能。由于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'

因此我們強烈建議使用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'

先看看如何判斷正則表達式是否匹配：

>>> import re >>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345') <_sre.SRE_Match object at 0x1026e18b8> >>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345') >>>

match()方法判斷是否匹配，如果匹配成功，返回一個Match對象，否則返回None。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'

6.4 切分字符串

用正則表達式切分字符串比用固定的字符更靈活，請看正常的切分代碼：

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

嗯，無法識別連續的空格，用正則表達式試試：(很實用)

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

無論多少個空格都可以正常分割。加入,試試：

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

再加入;試試：很牛，哈哈哈，以后會常用，要記住

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

6.5 分組

分組也是相當重要，記住了
除了簡單地判斷是否匹配之外，正則表達式還有提取子串的強大功能。用()表示的就是要提取的分組（Group）。比如：

^(\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 <_sre.SRE_Match object at 0x1026fb3e8> >>> m.group(0) '010-12345' >>> m.group(1) '010' >>> m.group(2) '12345'

如果正則表達式中定義了組，就可以在Match對象上用group()方法提取出子串來。
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。

提取子串非常有用。來看一個更兇殘的例子：

>>> 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')

這個正則表達式可以直接識別合法的時間。但是有些時候，用正則表達式也無法做到完全驗證，比如識別日期：

'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'

對于'2-30'，'4-31'這樣的非法日期，用正則還是識別不了，或者說寫出來非常困難，這時就需要程序配合識別了。

6.6 貪婪分組

最后需要特別指出的是，正則匹配默認是貪婪匹配，也就是匹配盡可能多的字符。舉例如下，匹配出數字后面的0：

>>> re.match(r'^(\d+)(0*)$', '102300').groups() ('102300', '')

由于\d+采用貪婪匹配，直接把后面的0全部匹配了，結果0*只能匹配空字符串了。
必須讓\d+采用非貪婪匹配（也就是盡可能少匹配），才能把后面的0匹配出來，加個?就可以讓\d+采用非貪婪匹配：

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

6.7 編譯（讓匹配更加高效）

當我們在Python中使用正則表達式時，re模塊內部會干兩件事情：

編譯正則表達式，如果正則表達式的字符串本身不合法，會報錯；

用編譯后的正則表達式去匹配字符串。

如果一個正則表達式要重復使用幾千次，出于效率的考慮，我們可以預編譯該正則表達式，接下來重復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')

編譯后生成Regular Expression對象，由于該對象自己包含了正則表達式，所以調用對象的方法時不用給出正則字符串。

6.8 小結

正則表達式非常強大，要在短短的一節里講完是不可能的。要講清楚正則的所有內容，可以寫一本厚厚的書了。如果你經常遇到正則表達式的問題，你可能需要一本正則表達式的參考書。

請嘗試寫一個驗證Email地址的正則表達式。版本一應該可以驗證出類似的Email：

someone@gmail.com bill.gates@microsoft.com

版本二可以驗證并提取出帶名字的Email地址：

<Tom Paris> tom@voyager.org

版本一

#-*- coding:utf-8 -*- import rere_compile = re.compile(r'^\w+\@\w+\.\w+$')#re_compile = re.compile(r'^(\w+)@(\w+)(\.\[a-z]{3})$') #出錯，一個括號代表一個分組，錯誤不在@#re_compile = re.compile(r'^(\w+)@(\w+)(\.)(\[a-z]{3})$') #出錯，錯誤在第四個分組，[a-z]前不應該加轉義符號\ re_compile2 = re.compile(r'^(\w+)@(\w+).([a-z]{3})$') re_compile3 = re.compile(r'^(\w+)@([a-z]{2,10}).([a-z]{3})$') re_compile4 = re.compile(r'^(\w+)@([a-z]{2,10}).([a-z]{3})$') re_compile5 = re.compile(r'^(\w+)@([a-zA-Z]{2,10}).([a-zA-Z]{3})$') #忽略大小寫的匹配，注意要將a-z和A-Z放到一個中括號里面 re_compile6 = re.compile(r'^(\w*\.*\w+)@([a-zA-Z]{2,10}).([a-zA-Z]{3})$') #這個能匹配bill.gates@microsoft.com，但是不能匹配someone@gmail.com re_compile7 = re.compile(r'^(\w*\.*\w+)@([a-zA-Z]{2,10}).([a-zA-Z]{3})$') #這個功能很強大，兩個郵件都可以匹配 re_compile8 = re.compile(r'^(\w*\.*\w+)@([a-zA-Z]{2,10}).(\com)$') #只能匹配尾綴為com的郵件email = 'someone@gmail.com' email1 = 'bill.gates@microsoft.com' #考驗如何將'bill.gates'放入到一個分組中m = re_compile.match(email) m1 = re_compile8.match(email1) m.group(0) #用于檢測是否匹配成功 m.group(0)

版本二：

import reit = '<Tom Paris> tom@voyager.org' item = re.spilt(r'[\>\s]') re_compile = re.compile()

6.9 正則表達式字符（僅僅用于查詢）

構造正則表達式的方法和創建數學表達式的方法一樣。也就是用多種元字符與運算符可以將小的表達式結合在一起來創建更大的表達式。正則表達式的組件可以是單個的字符、字符集合、字符范圍、字符間的選擇或者所有這些組件的任意組合。

正則表達式是由普通字符（例如字符 a 到 z）以及特殊字符（稱為"元字符"）組成的文字模式。模式描述在搜索文本時要匹配的一個或多個字符串。正則表達式作為一個模板，將某個字符模式與所搜索的字符串進行匹配。

6.9.1 普通字符

普通字符包括沒有顯式指定為元字符的所有可打印和不可打印字符。這包括所有大寫和小寫字母、所有數字、所有標點符號和一些其他符號。
非打印字符
非打印字符也可以是正則表達式的組成部分。下表列出了表示非打印字符的轉義序列：

字符描述

\cx	匹配由x指明的控制字符。例如， \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個原義的 'c' 字符。
\f	匹配一個換頁符。等價于 \x0c 和 \cL。
\n	匹配一個換行符。等價于 \x0a 和 \cJ。
\r	匹配一個回車符。等價于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、換頁符等等。等價于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等價于 [^ \f\n\r\t\v]。
\t	匹配一個制表符。等價于 \x09 和 \cI。
\v	匹配一個垂直制表符。等價于 \x0b 和 \cK。

6.9.2 特殊字符

所謂特殊字符，就是一些有特殊含義的字符，如上面說的 runoob 中的 ，簡單的說就是表示任何字符串的意思。如果要查找字符串中的 * 符號，則需要對 * 進行轉義，即在其前加一個 : runo*ob 匹配 runo*ob。

許多元字符要求在試圖匹配它們時特別對待。若要匹配這些特殊字符，必須首先使字符"轉義"，即，將反斜杠字符?放在它們前面。

• 下表列出了正則表達式中的特殊字符：

特別字符描述

$	匹配輸入字符串的結尾位置。如果設置了 RegExp 對象的 Multiline 屬性，則 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，請使用 $。
( )	標記一個子表達式的開始和結束位置。子表達式可以獲取供以后使用。要匹配這些字符，請使用 ( 和 )。
*	匹配前面的子表達式零次或多次。要匹配 * 字符，請使用 *。
+	匹配前面的子表達式一次或多次。要匹配 + 字符，請使用 +。
.	匹配除換行符 \n 之外的任何單字符。要匹配 . ，請使用 . 。
[	標記一個中括號表達式的開始。要匹配 [，請使用 [。
?	匹配前面的子表達式零次或一次，或指明一個非貪婪限定符。要匹配 ? 字符，請使用 ?。
\	將下一個字符標記為或特殊字符、或原義字符、或向后引用、或八進制轉義符。例如， 'n' 匹配字符 'n'。'\n' 匹配換行符。序列 '\' 匹配 ""，而 '(' 則匹配 "("。
^	匹配輸入字符串的開始位置，除非在方括號表達式中使用，此時它表示不接受該字符集合。要匹配 ^ 字符本身，請使用 ^。
{	標記限定符表達式的開始。要匹配 {，請使用 {。
豎號	指明兩項之間的一個選擇。要匹配 豎號，請使用 \豎號。

]

• 上面豎號指代的是 '|'

限定符
限定符用來指定正則表達式的一個給定組件必須要出現多少次才能滿足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6種。

• 正則表達式的限定符有：

字符描述

*	匹配前面的子表達式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等價于{0,}。
+	匹配前面的子表達式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價于 {1,}。
?	匹配前面的子表達式零次或一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等價于 {0,1}。
{n}	n 是一個非負整數。匹配確定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的兩個 o。
{n,}	n 是一個非負整數。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等價于 'o+'。'o{0,}' 則等價于 'o*'。
{n,m}	m 和 n 均為非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 將匹配 "fooooood" 中的前三個 o。'o{0,1}' 等價于 'o?'。請注意在逗號和兩個數之間不能有空格。

定位符
定位符使您能夠將正則表達式固定到行首或行尾。它們還使您能夠創建這樣的正則表達式，這些正則表達式出現在一個單詞內、在一個單詞的開頭或者一個單詞的結尾。

定位符用來描述字符串或單詞的邊界，^ 和 $ 分別指字符串的開始與結束，\b 描述單詞的前或后邊界，\B 表示非單詞邊界。

• 正則表達式的定位符有：

字符描述

^	匹配輸入字符串開始的位置。如果設置了 RegExp 對象的 Multiline 屬性，^ 還會與 \n 或 \r 之后的位置匹配。
$	匹配輸入字符串結尾的位置。如果設置了 RegExp 對象的 Multiline 屬性，$ 還會與 \n 或 \r 之前的位置匹配。
\b	匹配一個字邊界，即字與空格間的位置。
\B	非字邊界匹配。

轉載于:https://www.cnblogs.com/hugechuanqi/p/9609832.html

總結

以上是生活随笔為你收集整理的06.正则表达式基本知识的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。