分分钟教你学会正则表达式

刺骨的言语ヽ痛彻心扉 2022-06-10 04:26 163阅读 0赞

分分钟教你学会正则表达式

*2017-08-09 Looog* [ 终端研发部][Link 1]  终端研发部

**终端研发部** ![Image 1][]

微信号  codeGoogler

功能介绍  从Android到全栈之路，不仅仅提供最新最全的编程学习资料，最顶端的前沿技术和个人原创，还有职场经验，互联网+最新动态。「终端研发部」走在前技术领域的最前沿，打造一个最受欢迎的学习渠道,引导你做一个跨越思维的程序员。这里还有诗和远方哦

####  ####

![mmbizgif_wxfrom_5_wx_lazy_1][]

前言介绍

正则表达式的实现及其应用场景。

> Looog博客地址:  
>

>   
>

> http://www.jianshu.com/p/060f15352867

正文

## **基础** ##

*  \\d可以匹配一个数字
 *  \\w可以匹配一个数字或字母或\_
 *  \\s可以匹配一个空格（也包括Tab等空白符）
 *  .可以匹配任意字符（数量为1）
 *  \*表示任意个字符（包括0个）
 *  \+表示至少一个字符
 *  ?表示0个或1个字符
 *  \{n\}表示n个字符
 *  \{n,m\}表示n-m个字符
 *  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。 (注意\\W和\\S为对应\\w和\\s的取反)

来看一个复杂的例子：\\d\{3\}\\s+\\d\{3,8\} 我们来从左到右解读一下：

1.\\d\{3\}表示匹配3个数字，例如'010'；

2.\\s可以匹配一个空格（也包括Tab等空白符），所以\\s+表示至少有一个空格，例如匹配' '，' '等；

3.\\d\{3,8\}表示3-8个数字，例如'1234567'

综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。

如果要匹配010-12345这样的号码呢？由于-是特殊字符，在正则表达式中，要用""转义，所以，上面的正则是\\d\{3\}-\\d\{3,8\}

####  ####

## **进阶** ##

要做更精确地匹配，可以用\[\]表示范围，比如：

*  \[0-9a-zA-Z\_\]可以匹配一个数字、字母或者下划线；
 *  \[0-9a-zA-Z\_\]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如a100，0\_Z，Py3000等等；
 *  \[a-zA-Z\_\]\[0-9a-zA-Z\_\]\*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；
 *  \[a-zA-Z\_\]\[0-9a-zA-Z\_\]\{0, 19\}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19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

py也可以匹配python，但是改为^py$就变成了整行匹配，就只能匹配py了

####  ####

## **re模块** ##

由于Python的字符串本身也用\\转义，所以要特别注意：

s = 'ABC\\-001' # Python的字符串# 对应的正则表达式字符串变成：# 'ABC\-001'

因此我们强烈建议使用Python的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'

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** ##

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：

>>> 'a b   c'.split(' ')['a', 'b', '', '', 'c']

嗯，无法识别连续的空格，用正则表达式试试：

>>> re.split(r'\s+', 'a b   c') ['a', 'b', 'c']

都可以正常分割。加入,试试：

>>> re.split(r'[\s\,]+', 'a,b, c  d') ['a', 'b', 'c', 'd']

再加入;试试：

>>> re.split(r'[\s\,\;]+', 'a,b;; c  d') ['a', 'b', 'c', 'd']

####  ####

## **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： ^(\\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'

####  ####

## **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。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：

1.  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
2.  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')

> 博客地址:  
>

>   
>

> http://www.jianshu.com/p/060f15352867

**终端研发部提倡**： 没有做不到的，只有想不到的。

**在这里获得的不仅仅是技术！**

让心，在阳光下学会舞蹈

让灵魂，在痛苦中学会微笑

—终端研发部—

**如果你觉得此文对您有所帮助，欢迎入群 QQ交流群 ：232203809   **

**微信公众号：终端研发部**

![640_wx_fmt_jpeg_wxfrom_5_wx_lazy_1][]  
![640_wxfrom_5_wx_lazy_1][]

这里学到的不仅仅

[赞赏][Link 1]

长按二维码向我转账

![pic_reward_qrcode.2x3534dd.png][]

受苹果公司新规定影响，微信 iOS 版的赞赏功能被关闭，可通过二维码转账支持公众号。

[阅读原文][Link 1]

[Link 1]: http://mp.weixin.qq.com/s?__biz=MzI3OTU0MzI4MQ==&mid=100000841&idx=1&sn=7a1967ea6050349f982463130c0401b7&chksm=6b4768d75c30e1c1869df583ec38bc8d5a94eb22a7cff105c32a971644286c73a0b8863867ff##
[Image 1]: 
[mmbizgif_wxfrom_5_wx_lazy_1]: /images/20220610/4ae7d80315b74404a8f717f0106d809e.png
[640_wx_fmt_jpeg_wxfrom_5_wx_lazy_1]: /images/20220610/3694509d2fb446f6845d2500f8313c58.png
[640_wxfrom_5_wx_lazy_1]: /images/20220610/0e4a1383da36416497e6159d5c0ddff6.png
[pic_reward_qrcode.2x3534dd.png]: http://res.wx.qq.com/mmbizwap/zh_CN/htmledition/images/pic/appmsg/pic_reward_qrcode.2x3534dd.png