<code> </code><code>\d</code>可以比對一個數字,<code>\w</code>可以比對一個字母或數字;<code>.</code>可以比對任意字元。
要比對變長的字元,在正規表達式中,用<code>*</code><code></code>表示任意個字元(包括0個),用<code>+</code>表示至少一個字元,用<code>?</code>表示0個或1個字元,用<code>{n}</code>表示n個字元,用<code>{n,m}</code>表示n-m個字元:
來看一個複雜的例子:
<code>\d{3}\s+\d{3,8}</code>。
我們來從左到右解讀一下:
<code>\d{3}</code>表示比對3個數字,例如<code>'010'</code>;
<code>\s</code>可以比對一個空格(也包括Tab等空白符),是以<code>\s+</code>表示至少有一個空格,例如比對<code>' '</code>,<code>' '</code>等;
<code>\d{3,8}</code>表示3-8個數字,例如<code>'1234567'</code>。
綜合起來,上面的正規表達式可以比對以任意個空格隔開的帶區号的電話号碼。
要做更精确地比對,可以用<code>[]</code>表示範圍,比如:
<code>[0-9a-zA-Z\_]</code>可以比對一個數字、字母或者下劃線;
<code>[0-9a-zA-Z\_]+</code>可以比對至少由一個數字、字母或者下劃線組成的字元串,比如<code>'a100'</code>,<code>'0_Z'</code>,<code>'Py3000'</code>等等;
<code>[a-zA-Z\_][0-9a-zA-Z\_]*</code>可以比對由字母或下劃線開頭,後接任意個由一個數字、字母或者下劃線組成的字元串,也就是Python合法的變量;
<code>[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}</code>更精确地限制了變量的長度是1-20個字元(前面1個字元+後面最多19個字元)。
<code>A|B</code>可以比對A或B,是以<code>[P|p]ython</code>可以比對<code>'Python'</code>或者<code>'python'</code>。
<code>^</code>表示行的開頭,<code>^\d</code>表示必須以數字開頭。
<code>$</code>表示行的結束,<code>\d$</code>表示必須以數字結束。
你可能注意到了,<code>py</code>也可以比對<code>'python'</code>,但是加上<code>^py$</code>就變成了整行比對,就隻能比對<code>'py'</code>了。
Python提供<code>re</code>子產品,包含所有正規表達式的功能。強烈建議使用Python的<code>r</code>字首,就不用考慮轉義的問題了。
先看看如何判斷正規表達式是否比對:
1
2
3
4
<code>>>> </code><code>import</code> <code>re</code>
<code>>>> re.match(r</code><code>'^\d{3}\-\d{3,8}$'</code><code>, </code><code>'010-12345'</code><code>)</code>
<code>>>> <_sre.SRE_Match </code><code>object</code><code>; span</code><code>=</code><code>(</code><code>0</code><code>, </code><code>9</code><code>), match</code><code>=</code><code>'010-12345'</code><code>></code>
<code>>>> re.match(r</code><code>'^\d{3}\-\d{3,8}$'</code><code>, </code><code>'010 12345'</code><code>)>>></code>
<code>match()</code>方法判斷是否比對,如果比對成功,傳回一個<code>Match</code>對象,否則傳回<code>None</code>。常見的判斷方法就是:
5
<code>test </code><code>=</code> <code>'使用者輸入的字元串'</code>
<code>if</code> <code>re.match(r</code><code>'正規表達式'</code><code>, test):</code>
<code> </code><code>print</code><code>(</code><code>'ok'</code><code>)</code>
<code>else</code><code>:</code>
<code> </code><code>print</code><code>(</code><code>'failed'</code><code>)</code>
用正規表達式切分字元串比用固定的字元更靈活。如,
<code>>>> </code><code>'a b c'</code><code>.split(</code><code>' '</code><code>)</code>
<code>[</code><code>'a'</code><code>, </code><code>'b'</code><code>, '</code><code>', '</code><code>', '</code><code>c']</code>
以上代碼無法識别連續的空格,用正規表達式試試:
<code>>>> re.split(r</code><code>'\s+'</code><code>, </code><code>'a b c'</code><code>)</code>
<code>[</code><code>'a'</code><code>, </code><code>'b'</code><code>, </code><code>'c'</code><code>]</code>
還如,加入“,”,“;”的幹擾,看看效果
<code>>>> re.split(r</code><code>'[\s\,]+'</code><code>, </code><code>'a,b, c d'</code><code>)</code>
<code>[</code><code>'a'</code><code>, </code><code>'b'</code><code>, </code><code>'c'</code><code>, </code><code>'d'</code><code>]</code>
如果使用者輸入了一組标簽,記得用正規表達式來把不規範的輸入轉化成正确的數組。:)
除了簡單地判斷是否比對之外,正規表達式還有提取子串的強大功能。用<code>()</code>表示的就是要提取的分組(Group)。比如:
<code>^(\d{3})-(\d{3,8})$</code>
分别定義了兩個組,可以直接從比對的字元串中提取出區号和本地号碼:
6
7
8
9
<code>>>> m </code><code>=</code> <code>re.match(r</code><code>'^(\d{3})-(\d{3,8})$'</code><code>, </code><code>'010-12345'</code><code>)</code>
<code>>>> m</code>
<code><_sre.SRE_Match </code><code>object</code><code>; span</code><code>=</code><code>(</code><code>0</code><code>, </code><code>9</code><code>), match</code><code>=</code><code>'010-12345'</code><code>></code>
<code>>>> m.group(</code><code>0</code><code>)</code>
<code>'010-12345'</code>
<code>>>> m.group(</code><code>1</code><code>)</code>
<code>'010'</code>
<code>>>> m.group(</code><code>2</code><code>)</code>
<code>'12345'</code>
如果正規表達式中定義了組,就可以在<code>Match</code>對象上用<code>group()</code>方法提取出子串來。
注意到<code>group(0)</code>永遠是原始字元串,<code>group(1)</code>、<code>group(2)</code>……表示第1、2、……個子串。
它也就是比對盡可能多的字元。舉例如下,比對出數字後面的<code>0</code>:
<code>>>> re.match(r</code><code>'^(\d+)(0*)$'</code><code>, </code><code>'102300'</code><code>).groups()</code>
<code>(</code><code>'102300'</code><code>, '')</code>
由于<code>\d+</code>采用貪婪比對,直接把後面的<code>0</code>全部比對了,結果<code>0*</code>隻能比對空字元串了。
必須讓<code>\d+</code>采用非貪婪比對(也就是盡可能少比對),才能把後面的<code>0</code>比對出來,加個<code>?</code>就可以讓<code>\d+</code>采用非貪婪比對:
<code>>>> re.match(r</code><code>'^(\d+?)(0*)$'</code><code>, </code><code>'102300'</code><code>).groups()</code>
<code>(</code><code>'1023'</code><code>, </code><code>'00'</code><code>)</code>
參考:
沒有整理與歸納的知識,一文不值!高度概括與梳理的知識,才是自己真正的知識與技能。 永遠不要讓自己的自由、好奇、充滿創造力的想法被現實的架構所束縛,讓創造力自由成長吧! 多花時間,關心他(她)人,正如别人所關心你的。理想的騰飛與實作,沒有别人的支援與幫助,是萬萬不能的。
本文轉自wenglabs部落格園部落格,原文連結:http://www.cnblogs.com/arxive/p/5667977.html,如需轉載請自行聯系原作者