共计 1212 个字符,预计需要花费 4 分钟才能阅读完成。
罕用的正则通配符与表达式
表达式 | 阐明 |
---|---|
\d | 一个数字 |
\w | 一个字母或数字 |
. | 除换行符 \n 之外的任何单字符 |
* | 0 个或多个字符 |
+ | 一个或多个字符 |
? | 0 个或一个字符 |
{n} | n 个字符 |
{n,m} | n- m 个字符 |
\s | 一个空白符(包含 Tab、换行等) |
\- |
匹配 - 字符(本义) |
[0-9a-zA-Z\_] | 一个数字、字母或者下划线 |
[0-9a-zA-Z\_]+ | 至多由一个数字、字母或者下划线组成的字符串 |
[a-zA-Z\_][0-9a-zA-Z\_]* |
Python 非法的变量 |
(A 丨 B) | A 或 B |
^ | 行的结尾 |
$ | 行的完结 |
re 模块正则匹配
import re
if re.match(r'^\d{3}\-\d{3,8}$', '010-12345'):
print('ok')
else:
print('failed')
切分字符串
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
>>> re.split(r'[\s\,\;]+', 'a,b;; c d')
['a', 'b', 'c', 'd']
分组
^(\d{3})-(\d{3,8})$
别离定义了两个组,能够间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})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
贪心匹配
正则匹配默认是贪心匹配,也就是匹配尽可能多的字符。如下,匹配出数字前面的0
:
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
因为 \d+
采纳贪心匹配,间接把前面的 0
全副匹配了,后果 0*
只能匹配空字符串了。
必须让 \d+
采纳非贪心匹配(也就是尽可能少匹配),能力把前面的 0
匹配进去,加个 ?
就能够让 \d+
采纳非贪心匹配:
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
预编译正则表达式
在 Python 中应用正则表达式时,re 模块外部会干两件事件:
- 编译正则表达式,如果正则表达式的字符串自身不非法,会报错;
- 用编译后的正则表达式去匹配字符串。
如果一个正则表达式要重复使用很屡次,出于效率的思考,能够预编译该正则表达式,重复使用时就不须要编译能够间接匹配:
>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 应用:>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
正文完