字符串是编程时涉及到的最多的一种数据结构,对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址,虽然可以编程提取@
前后的子串,再分别判断是否是单词和域名,但这样做不但麻烦,而且代码难以复用。
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则,凡是符合规则的字符串,我们就认为它“匹配”了,否则,该字符串就是不合法的。
所以我们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。
因为正则表达式也是用字符串表示的,所以,我们要首先了解如何用字符来描述字符。
在正则表达式中,如果直接给出字符,就是精确匹配。用\d
可以匹配一个数字,\w
可以匹配一个字母或数字,所以:
-
'00\d'
可以匹配'007'
,但无法匹配'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.'
可以匹配'pyc'
、'pyo'
、'py!'
等等。
要匹配变长的字符,在正则表达式中,用 因此我们强烈建议使用Python的 先看看如何判断正则表达式是否匹配: 用正则表达式切分字符串比用固定的字符更灵活,请看正常的切分代码: 嗯,无法识别连续的空格,用正则表达式试试: 无论多少个空格都可以正常分割。加入 再加入 如果用户输入了一组标签,下次记得用正则表达式来把不规范的输入转化成正确的数组。 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 如果正则表达式中定义了组,就可以在 注意到 提取子串非常有用。来看一个更凶残的例子: 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: 对于 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 由于 必须让 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。 正则表达式非常强大,要在短短的一节里讲完是不可能的。要讲清楚正则的所有内容,可以写一本厚厚的书了。如果你经常遇到正则表达式的问题,你可能需要一本正则表达式的参考书。 请尝试写一个验证Email地址的正则表达式。版本一应该可以验证出类似的Email: # 测试: 版本二可以提取出带名字的Email地址: <Tom Paris> tom@voyager.org => Tom Paris # 测试: 参考源码 regex.py 以上就是python3 正则表达式基础的详细内容,更多关于python3 正则表达式的资料请关注其它相关文章!*
表示任意个字符(包括0个),用+
表示至少一个字符,用"htmlcode">
s = 'ABC\\-001' # Python的字符串
# 对应的正则表达式字符串变成:
# 'ABC\-001'
r
前缀,就不用考虑转义的问题了:
s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变:
# 'ABC\-001'
> import re
> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>
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
。常见的判断方法就是:
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
切分字符串
> 'a b c'.split(' ')
['a', 'b', '', '', 'c']
> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
,
试试:
> re.split(r'[\s\,]+', 'a,b, c d')
['a', 'b', 'c', 'd']
;
试试:
> re.split(r'[\s\,\;]+', 'a,b;; c d')
['a', 'b', 'c', 'd']
分组
()
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})$', '010-12345')
> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
> m.group(0)
'010-12345'
> m.group(1)
'010'
> m.group(2)
'12345'
Match
对象上用group()
方法提取出子串来。group(0)
永远是原始字符串,group(1)
、group(2)
……表示第1、2、……个子串。
> t = '19:05:30'
> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
> m.groups()
('19', '05', '30')
'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'
'2-30'
,'4-31'
这样的非法日期,用正则还是识别不了,或者说写出来非常困难,这时就需要程序配合识别了。贪婪匹配
0
:
> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
\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。\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"htmlcode">
> re.match(r'^(\d+"htmlcode">
> import re
# 编译:
> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用:
> re_telephone.match('010-12345').groups()
('010', '12345')
> re_telephone.match('010-8086').groups()
('010', '8086')
小结
练习
# -*- coding: utf-8 -*-
import re
def is_valid_email(addr):
return True
assert is_valid_email('someone@gmail.com')
assert is_valid_email('bill.gates@microsoft.com')
assert not is_valid_email('bob#example.com')
assert not is_valid_email('mr-bob@example.com')
print('ok')
bob@example.com => bob
# -*- coding: utf-8 -*-
import re
def name_of_email(addr):
return None
assert name_of_email('<Tom Paris> tom@voyager.org') == 'Tom Paris'
assert name_of_email('tom@voyager.org') == 'tom'
print('ok')
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import re
print('Test: 010-12345')
m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(m.group(1), m.group(2))
t = '19:05:30'
print('Test:', t)
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)
print(m.groups())
python3,正则表达式
更新日志
- 雨林唱片《赏》新曲+精选集SACD版[ISO][2.3G]
- 罗大佑与OK男女合唱团.1995-再会吧!素兰【音乐工厂】【WAV+CUE】
- 草蜢.1993-宝贝对不起(国)【宝丽金】【WAV+CUE】
- 杨培安.2009-抒·情(EP)【擎天娱乐】【WAV+CUE】
- 周慧敏《EndlessDream》[WAV+CUE]
- 彭芳《纯色角3》2007[WAV+CUE]
- 江志丰2008-今生为你[豪记][WAV+CUE]
- 罗大佑1994《恋曲2000》音乐工厂[WAV+CUE][1G]
- 群星《一首歌一个故事》赵英俊某些作品重唱企划[FLAC分轨][1G]
- 群星《网易云英文歌曲播放量TOP100》[MP3][1G]
- 方大同.2024-梦想家TheDreamer【赋音乐】【FLAC分轨】
- 李慧珍.2007-爱死了【华谊兄弟】【WAV+CUE】
- 王大文.2019-国际太空站【环球】【FLAC分轨】
- 群星《2022超好听的十倍音质网络歌曲(163)》U盘音乐[WAV分轨][1.1G]
- 童丽《啼笑姻缘》头版限量编号24K金碟[低速原抓WAV+CUE][1.1G]