python—正则表达式

文章目录

• 导入re模块
• 常用的元字符
• re模块
• match方法
• 分组
• 贪婪匹配
• 编译

Python中的正则表达式是一种强大的文本处理工具，它使用一种特殊的语法来描述字符串的模式。Python通过re模块提供了对正则表达式的支持。使用正则表达式，你可以进行复杂的文本搜索、替换和验证等操作。
所以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

导入re模块

在使用正则表达式之前，你需要先导入Python的re模块。

import re 

常用的元字符

Python中常见的元字符有：

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

re模块

Python提供re模块，包含所有正则表达式的功能。由于Python的字符串本身也用\转义，所以要特别注意：
s = ‘ABC\001’ ，s类型为str，即Python最基本的字符串
由于’‘会对’'进行转义，故对应的正则表达式字符串变成：‘ABC\001’
实例：

print("ABC\\001") #输出结果：ABC\001 

如果使用r标记字符串，那么就不再需要考虑转义的问题了：
s = r’ABC\001’
对应的正则表达式字符串不变：‘ABC\001’
实例：

print(re.match(r"\w+\\\d+","ABC\\001")) #输出结果：<re.Match object; span=(0, 7), match='ABC\\001'> 

推荐在Python中进行正则表达式匹配时，使用r前缀标记字符串

match方法

re模块提供了一个match方法，可以判断正则表达式是否匹配
match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None

    phone_num = "0551-123456789"     print(re.match(r"\d{4}-\d{3,8}",phone_num)) #输出结果：<re.Match object; span=(0, 13), match='0551-12345678'> 

match方法通常会结合if选择结构进行判断：

分组

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：

t = "19:59:59" print(re.match(r"([0-1]\d|2[0-3]):([0-5]\d):([0-5]\d)",t).groups()) print(re.match(r"([0-1]\d|2[0-3]):([0-5]\d):([0-5]\d)",t).group(1)) print(re.match(r"([0-1]\d|2[0-3]):([0-5]\d):([0-5]\d)",t).group(2)) print(re.match(r"([0-1]\d|2[0-3]):([0-5]\d):([0-5]\d)",t).group(3)) #输出结果：('19', '59', '59') #19 #59 #59 

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：group(0)永远是与整个正则表达式相匹配的字符串，group(1)、group(2)…表示第1、2、……个子串。

贪婪匹配

正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符
例如，匹配出数字后面的0：

num = "1101230000000" print(re.match(r"^(\d+?)(0+)$",num).groups()) #输出结果：('110123', '0000000') 

?结束贪婪匹配，^ 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。

编译

当在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，可以使用compile方法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。
  实例：

num1 = "1201230000000" num2 = "1101200000000" num3 = "1201100000000" re_comp = re.compile(r"^(\d+?)(0+)$") print(re_comp.match(num1)) print(re_comp.match(num2)) print(re_comp.match(num3)) #输出结果： #<re.Match object; span=(0, 13), match='1201230000000'> #<re.Match object; span=(0, 13), match='1101200000000'> #<re.Match object; span=(0, 13), match='1201100000000'>