【Python】从入门到上头— 使用re模块用于快速实现正则表达式需求（11）

正则表达式语法规则

• 详见
  【Java基础】正则表达式应用
  

re模块

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。

• 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' # Python的字符串
# 对应的正则表达式字符串变成：
# 'ABC\-001'
1
2
3

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'
1
2
3

先看看如何判断正则表达式是否匹配：

import  re

a = re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
print(a)
b = re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
print(b)
1
2
3
4
5
6

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。

使用

import re

test = '用户输入的字符串'
if re.match(r'正则表达式', test):
    print('ok')
else:
    print('failed')
1
2
3
4
5
6
7

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：

c = 'a b   c'.split(' ')
print(c)
#['a', 'b', '', '', 'c']
1
2
3

• 无法识别连续的空格

正则切分

d = re.split(r'\s+', 'a b   c')
print(d)
#['a', 'b', 'c']
1
2
3

无论多少个空格都可以正常分割。加入,试试：

e = re.split(r'[\s\,]+', 'a,b, c  d')
print(e)
#['a', 'b', 'c', 'd']
1
2
3

再加入;试试：

f = re.split(r'[\s\,\;]+', 'a,b;; c  d')
print(f)
#['a', 'b', 'c', 'd']
1
2
3

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2个组，可以直接从匹配的字符串中提取出区号和本地号码：

g = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(g.group(0))
print(g.group(1))
print(g.group(2))
#010-12345
#010
#12345
1
2
3
4
5
6
7

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。

提取子串非常有用。来看一个更凶残的例子：

h = '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])$',h)
print(m.groups())
#('19', '05', '30')
1
2
3
4

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])$'
1

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

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，如果正则表达式的语法不合法，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：

# 编译:
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
a2 = re_telephone.match('010-12345').groups()
print(a2)
# ('010', '12345')
a3 = re_telephone.match('010-8086').groups()
print(a3)
# ('010', '8086')
1
2
3
4
5
6
7
8
9