Python正则表达式

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);