43-正则表达式（1）

阅读量：5109 次

发布时间：2019-06-13

本文共 2003 字，大约阅读时间需要 6 分钟。

正则表达式：字符串匹配

1.单字符表示：

```
.     =>  通配
```

/d    =>  数字       /w    =>  字母及数字       /s    =>  空格，Tab，\n,\t这些空白符

'''

2.字符个数：

'''

* => 任意个（包括0）

+ => 至少一个

? => 0或1个

{n} => n个

{n,m} => n~m个

'''

3.组合举例：

'''

\d{3}\s+\d{3,8} => 3个数字，至少一个空格，3到8数字

'010-12345' => 它的正则是：\d{3}-\d{3,8}

'''

4.进阶：

'''

[0-9a-zA-Z_]：恰好一个字符，可是0~9，a~z,A~Z,下划线。

[0-9a-zA-Z_]+ ：至少一个以上字符

[a-zA-Z_][0-9a-zA-Z_]* ：一个字符以及任意个字符

[a-zA-Z_][0-9a-zA-Z_]{0, 19} 0-19个符合要求的字符 {字符的值域就是[][]这两个}

A|B 匹配A或者B

^x 以x开头：比如， ^\d 是必须以数字开头

$x 以x结尾：比如 \w$ 是必须以数字或者字母结尾

例如，^py$ 既要py开头又要py结尾，只能是py

'''

4.re模块

s = r'ABC-001' #r前缀标识的字符串不考虑转义字符，\只是代表正则里面的符号

import re

r1 = re.match(r'^\d{3}-\d{3,8}$', '010-12345') #若匹配成功，返回一个match的instance print(r1,'\n') r2 = re.match(r'^\d{3}\-\d{3,8}$', '010 12345') #若失败，返回Node

print(r2,'\n')

4.1切分字符：更加方便和强大

s1 = re.split(r'\s+', 'a b c') #至少一个空格就分割

s2 = re.split(r'[\s,]+', 'a,b, c d') #至少一个空格或者,

s3 = re.split(r'[\s,;]+', 'a,b;; c d') #至少一个空格或者一个,或者一个；

依次类推，支持很多的分隔符和分割要求

print(s1,'; ', s2,'; ', s3,'\n')

4.2分组：提取子串

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345') #分成两组，第一组为3个数字，中间以-分割，第二组3-8个数字

print(m,'\n')

print(m.group(0),'\n') #group(0)永远是字符串本身

print(m.group(1),'\n')

print(m.group(2),'\n')

t = '19:05:30' #合法输入是：时分秒都要求是两位，也就是00:00:00 ~ 23:59:59

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,'\n')

g = m.groups()

print(g,'\n')

4.3正则默认是贪婪匹配：匹配尽可能多的字符

比如想匹配'102300'后面的00,

version_1

r1 = re.match(r'^(\d+)(0*)$', '102300').groups() #第一组至少一个数字，结果直接把102300全匹配了，第二组结尾任意个0，结果是0个0 print(r1,'\n') r2 = re.match(r'^(\d+?)(0*)$', '102300').groups() #第一组一个0，第二组结尾任意个0；再分组

print(r2,'\n')