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$就變成了整行匹配,就只能匹配'py'了。re模組
有了準備知識,我們就可以在Python中使用正規表示式了。 Python提供re模組,包含所有正規表示式的功能。由於Python的字串本身也用\轉義,所以要特別注意: s = 'ABC\\-001' # Python的字串# 對應的正規表示式字串變成:# ' ABC\-001'>>> import re >>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345') <_sre.SRE_Match object; span=(0, 9), match='010-12345' >>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345') >>>
print('ok')else: print('failed')
用正規表示式切分字串比用固定的字元更靈活,請看正常的切分代碼:
>>> 'a b c'.split(' ') ['a', 'b', '', '', 'c']
嗯,無法辨識連續的空格,用正規表示式試試:
>>> re.split(r'\s+', 'a b c') ['a', 'b', 'c']
無論多少個空格都可以正常分割。加入,試試:
>>> re.split(r'[\s\,]+', 'a,b, c d') ['a', 'b', 'c', 'd']
再加入;試試看:
>>> re.split(r'[\s\,\;]+', 'a,b;; c d') ['a', 'b', 'c', 'd']
如果使用者輸入了一組標籤,下次記得用正規表示式來把不規範的輸入轉換成正確的數組。
分組#
除了简单地判断是否匹配之外,正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组(Group)。比如:
^(\d{3})-(\d{3,8})$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})$', '010-12345') >>> m <_sre.SRE_Match object; span=(0, 9), match='010-12345' >>>> m.group(0)'010-12345' >>> m.group(1)'010' >>> m.group(2)'12345'
如果正则表达式中定义了组,就可以在Match对象上用group()方法提取出子串来。
注意到group(0)永远是原始字符串,group(1)、group(2)……表示第1、2、……个子串。
提取子串非常有用。来看一个更凶残的例子:
>>> t = '19:05:30' >>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', 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!