Python正则表达式
2016-05-09 11:27
423 查看
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
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
所以我们判断一个字符串是否是合法的Email的方法是:
创建一个匹配Email的正则表达式;
用该正则表达式去匹配用户的输入来判断是否合法。
因为正则表达式也是用字符串表示的,所以,我们要首先了解如何用字符来描述字符。
在正则表达式中,如果直接给出字符,就是精确匹配。用
要匹配变长的字符,在正则表达式中,用
来看一个复杂的例子:
我们来从左到右解读一下:
综合起来,上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。
如果要匹配
但是,仍然无法匹配
要做更精确地匹配,可以用
你可能注意到了,
@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。
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
所以我们判断一个字符串是否是合法的Email的方法是:
创建一个匹配Email的正则表达式;
用该正则表达式去匹配用户的输入来判断是否合法。
因为正则表达式也是用字符串表示的,所以,我们要首先了解如何用字符来描述字符。
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}。
我们来从左到右解读一下:
\d{3}表示匹配3个数字,例如
'010';
\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;
\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以任意个空格隔开的带区号的电话号码。
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。
进阶
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$就变成了整行匹配,就只能匹配
'py'了。
#coding:utf-8 import re s = 'ABC\\-001' print s #强烈建议使用Python的r前缀,就不用考虑转义的问题 s = r'ABC\-001' print s m=re.match(r'^\d{3}\-\d{3,8}$','010-12345') print m #用group()方法提取出子串来。 print m.group() # print m.group(1) # print m.group(2) print re.match(r'^\d{3}\-\d{3,8}$','010 12345') # test = '用户输入的字符串' # if re.match(r'正则表达式', test): # print 'ok' # else: # print 'failed' #切分字符串 print 'a b c'.split(' ') #['a', 'b', '', '', 'c'] print re.split(r'\s+', 'a b c') print re.split(r'[\s\,]+', 'a,b, c d') print re.split(r'[\s\,\;]+', 'a,b;; c d') t = '19:05:30' m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t) print m.groups() print re.match(r'^(\d+)(0*)$', '102300').groups() # 贪婪匹配的结果('102300', '') print re.match(r'^(\d+?)(0*)$', '102300').groups() #('1023', '00') #如果一个正则表达式要重复使用几千次,出于效率的考虑,我们可以预编译该正则表达式 re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$') print re_telephone.match('010-12345').groups() print re_telephone.match('010-8086').groups() #Python中的正则 import re; email_1 = 'someone@gmail.com'; email_2 = 'bill.gates@microsoft.com'; email_3 = '<Tom Paris> tom@voyager.org'; email_4 = '<Zhaoyn>zhaoyn@bbtree.com'; email_5 = '79152045@qq.com'; email_6 = 'zhao_79152045@163.com'; re_email = re.compile('(\<[\w\s]+\>\s*)?([\w\.\d]+\@[\w\d]+\.[a-z]{3})'); print re_email.match(email_1).group(0); print re_email.match(email_2).group(0); print re_email.match(email_3).group(0); print re_email.match(email_4).group(0); print re_email.match(email_5).group(0); print re_email.match(email_6).group(0);
相关文章推荐
- caffe cpu版 Anaconda3 python 接口安装
- 输入一行字符,分别统计出其中英文字母、空格、数字和其它字符的个数。
- python之PyMongo使用总结
- 百度网盘爬虫(如何爬取百度网盘)
- 将Python自带版本(2.6.6)升级到2.7.9
- Python 入门(1)
- Python2.7 + beautifulSoup 4.4.1 安装配置
- Python学习笔记:字符串(str)基本内容
- python第四讲
- python基础set
- python之filter过滤器
- 使用gdb调试Python进程
- python之pyQuery使用总结
- 使用python来操作hive(通过 pyhs2 和 HiveServer2)
- python读取大文件并逐行写入另外一个文件
- wxPython-创建一个最小的空的wxPython程序
- python+scapy 抓包与解析
- ubuntu安装python3.5
- PyCharm使用技巧归纳
- Python中new方法的应用