首頁 >後端開發 >Python教學 >python如何使用正規表示式

python如何使用正規表示式

爱喝马黛茶的安东尼
爱喝马黛茶的安东尼原創
2019-06-22 13:18:552353瀏覽

字串是程式設計時涉及到的最多的一種資料結構,對字串進行操作的需求幾乎無所不在。例如判斷一個字串是否是合法的Email地址,雖然可以編程提取@前後的子串,再分別判斷是否是單字和域名,但這樣做不但麻煩,而且代碼難以復用。正規表示式是一種用來匹配字串的強而有力的武器。它的設計思想是用一種描述性的語言來為字串定義一個規則,凡是符合規則的字串,我們就認為它「匹配」了,否則,該字串就是不合法的。

python如何使用正規表示式

所以我們判斷字串是否是合法的Email的方法是:

建立一個符合Email的正規表示式;

用該正規表示式去匹配使用者的輸入來判斷是否合法。

因為正規表示式也是用字串表示的,所以,我們要先了解如何用字元來描述字元。

在正規表示式中,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.'可以符合'pyc'、'pyo'、'py!'等等。

要匹配變長的字符,在正規表示式中,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:

來看一個複雜的例子:\d{3}\s \d{3,8}。

我們來從左到右解讀一下:

\d{3}表示符合3個數字,例如'010';

\s可以符合一個空格(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,上面的正規表示式可以符合以任一空格隔開的帶區號的電話號碼。

如果要符合'010-12345'這樣的號碼呢?由於'-'是特殊字符,在正規表示式中,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。所以我們需要更複雜的配對方式。

相關推薦:《

Python影片教學

進階

要做更精確地匹配,可以用[ ]表示範圍,例如:

[0-9a-zA-Z\_]可以符合一個數字、字母或底線;

[0-9a-zA-Z\_] 可以符合至少由一個數字、字母或底線組成的字串,例如'a100','0_Z','Py3000'等等;

[a-zA-Z\_][0-9a-zA -Z\_]*可以符合由字母或底線開頭,後接任意個由一個數字、字母或底線組成的字串,也就是Python合法的變數;

[a-zA-Z\ _][0-9a-zA-Z\_]{0, 19}更精確地限制了變數的長度是1-20個字元(前面1個字元後面最多19個字元)。

A|B可以匹配A或B,所以(P|p)ython可以匹配'Python'或'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。

re模組

有了準備知識,我們就可以在Python中使用正規表示式了。 Python提供re模組,包含所有正規表示式的功能。由於Python的字串本身也用\轉義,所以要特別注意:

s = 'ABC\\-001' # Python的字串# 對應的正規表示式字串變成:# ' 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的字串# 對應的正規表示式字串不變:# 'ABC\-001'


#先看看如何判斷正規表示式是否符合:

>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match=&#39;010-12345&#39;
>>>> re.match(r&#39;^\d{3}\-\d{3,8}$&#39;, &#39;010 12345&#39;)
>>>

match( )方法判斷是否匹配,如果匹配成功,返回Match對象,否則返回None。常見的判斷方法是:

test = '使用者輸入的字串'if re.match(r'正規表示式', test):


print(&#39;ok&#39;)else:
print(&#39;failed&#39;)

##切分字串

用正規表示式切分字串比用固定的字元更靈活,請看正常的切分代碼:

>>> &#39;a b   c&#39;.split(&#39; &#39;)
[&#39;a&#39;, &#39;b&#39;, &#39;&#39;, &#39;&#39;, &#39;c&#39;]

嗯,無法辨識連續的空格,用正規表示式試試:

>>> re.split(r&#39;\s+&#39;, &#39;a b   c&#39;)
[&#39;a&#39;, &#39;b&#39;, &#39;c&#39;]

無論多少個空格都可以正常分割。加入,試試:

>>> re.split(r&#39;[\s\,]+&#39;, &#39;a,b, c  d&#39;)
[&#39;a&#39;, &#39;b&#39;, &#39;c&#39;, &#39;d&#39;]

再加入;試試看:

>>> re.split(r&#39;[\s\,\;]+&#39;, &#39;a,b;; c  d&#39;)
[&#39;a&#39;, &#39;b&#39;, &#39;c&#39;, &#39;d&#39;]

如果使用者輸入了一組標籤,下次記得用正規表示式來把不規範的輸入轉換成正確的數組。

分組

#

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&#39;^(\d{3})-(\d{3,8})$&#39;, &#39;010-12345&#39;)
>>> m
<_sre.SRE_Match object; span=(0, 9), match=&#39;010-12345&#39;
>>>> m.group(0)&#39;010-12345&#39;
>>> m.group(1)&#39;010&#39;
>>> m.group(2)&#39;12345&#39;

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。

提取子串非常有用。来看一个更凶残的例子:

>>> t = &#39;19:05:30&#39;
>>> m = re.match(r&#39;^(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])$&#39;, t)>>> m.groups()
(&#39;19&#39;, &#39;05&#39;, &#39;30&#39;)

这个正则表达式可以直接识别合法的时间。但是有些时候,用正则表达式也无法做到完全验证,比如识别日期:

&#39;^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$&#39;

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&#39;^(\d+)(0*)$&#39;, &#39;102300&#39;).groups()
(&#39;102300&#39;, &#39;&#39;)

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&#39;^(\d+?)(0*)$&#39;, &#39;102300&#39;).groups()
(&#39;1023&#39;, &#39;00&#39;)

编译

当我们在Python中使用正则表达式时,re模块内部会干两件事情:

编译正则表达式,如果正则表达式的字符串本身不合法,会报错;

用编译后的正则表达式去匹配字符串。

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,接下来重复使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&#39;^(\d{3})-(\d{3,8})$&#39;)
# 使用:
>>> re_telephone.match(&#39;010-12345&#39;).groups()
(&#39;010&#39;, &#39;12345&#39;)
>>> re_telephone.match(&#39;010-8086&#39;).groups()
(&#39;010&#39;, &#39;8086&#39;)

编译后生成Regular Expression对象,由于该对象自己包含了正则表达式,所以调用对应的方法时不用给出正则字符串。

参数

python如何使用正規表示式

修饰符

python如何使用正規表示式

模式

python如何使用正規表示式

python如何使用正規表示式

以上是python如何使用正規表示式的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn