python如何使用正規表示式

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。

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('ok')else:
print('failed')

##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：

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

嗯，無法辨識連續的空格，用正規表示式試試：

>>> 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;試試看：

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

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'^(\d{3})-(\d{3,8})$', '010-12345')
>>> 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 = '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：

'^(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'^(\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

修饰符

模式

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！