python正規表達式一. 有關比對的内容二. 有關比對的數量三、更精确的比對四、其它

<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>&gt;&gt;&gt; </code><code>import</code> <code>re</code>

<code>&gt;&gt;&gt; re.match(r</code><code>'^\d{3}\-\d{3,8}$'</code><code>, </code><code>'010-12345'</code><code>)</code>

<code>&gt;&gt;&gt; &lt;_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>&gt;</code>

<code>&gt;&gt;&gt; re.match(r</code><code>'^\d{3}\-\d{3,8}$'</code><code>, </code><code>'010 12345'</code><code>)&gt;&gt;&gt;</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>&gt;&gt;&gt; </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>&gt;&gt;&gt; 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>&gt;&gt;&gt; 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>&gt;&gt;&gt; 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>&gt;&gt;&gt; m</code>

<code>&lt;_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>&gt;</code>

<code>&gt;&gt;&gt; m.group(</code><code>0</code><code>)</code>

<code>'010-12345'</code>

<code>&gt;&gt;&gt; m.group(</code><code>1</code><code>)</code>

<code>'010'</code>

<code>&gt;&gt;&gt; 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>&gt;&gt;&gt; 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>&gt;&gt;&gt; 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