正则表达式是大部分语言都遵守的规则
基本步骤
---导入re模块
---使用result=re.match(r正则表达式,要匹配的字符串)--这个r要加,表示
源字符串里如果有转义字符则都看成普通字符
---如果匹配到数据,可以使用group方法来提取数据
---result.group()----返回符合规范匹配的字符串,注意,如果没有及时返回
后来的数据会覆盖前面的数据
----如:re.match(r"[hH]e","hello"):判断后面的字符串是不是以he开头,
而且不限制h的大小写,是则有返回
----match函数是从头开始匹配的,不会主动匹配到结尾,只要能满足完匹配条
件,判断时不能被中断,再匹配完后多出来的不会管了
----正则也可以在linux命令行中使用,不过因为兼容性最好加一个 -P
"""
匹配单个字符--判断是不是,类型判断
. 匹配任意1个字符(除了\n)----即不能识别换行后的字符,只
能识别一行里的
[] 匹配[]中列举的字符----可以这么写,[1-36-9],即1到3,6到9,
因为只会判断一位,字母用如:a-z
\d 匹配数字,即0-9
\D 匹配非数字,即不是数字
\s 匹配空白,即空格,tab键
\S 匹配非空白---也只能识别一行中的非空白,加上re.S也不行,
因为不能判断那些空白
\w 匹配单词字符,即a-z,A-Z,0-9,_---类似定义变量的规范,但是
还包括中文等语言
\W 匹配非单词字符
-----注意:以上都只是会判断一位字符!!!超出部分也只会读相应的位数(和下方
判断字符配合)
--以上和通配符很像,且可以一起使用,也只会判断一行里的一位字符,而想要让 .* 读取
到第二行及之后的数据,需要在match(加上re.S),即让.读取\n
匹配多个字符--判断出现次数,次数判断
* 匹配前一个字符出现0次或无限次,即可有可无
+ 匹配前一个字符出现1次或无限次,即至少有一次
? 匹配前一个字符出现1次或0次,即要么有要么无---如果多于1次则只
读取第一个
{m} 匹配前一个字符出现m次----指至少出现这么多次
{m,n} 匹配前一个字符出现从m到n次----指最少出现m次最多出现n次
---一般配合上方的判断符一起使用
---如:\d{1,3}--即判断末尾的数字最少出现1位最多出现3位且是连续的,如果被不符合前面
规范的字符阻隔了就会终止计数
----输入一个能换行的值:"""此处可在输入时进行换行输入"""
匹配开头和结尾
^ 匹配字符串开头---在python中,match默认会判断是否以第一个条件开头
$ 匹配字符串结尾----一般加在正则最后,即$前面的一个条件都要匹
配完毕后面的字符串才算符合
---------一般要以^开头,$结尾,即判断是否以^后第一个条件开头,然后$前一个条件判断后方
字符串直到结尾是否都符合该条件,如果不是判断字符,则是判断是否以最后那串字符结尾
----------如果在正则里的一串字符中有判断字符,则在它前面加个\即可,注意/没有特殊功
能,转义--把\后面的特殊功能字符转成普通功能
----一个\只能把一个后面的特殊字符转成普通字符
分组
---如果有多串固定字符而前置条件一样需要匹配,则用 | (或)进行分组,把需要分的组用()括
起来以示作用域
| 匹配左右任意一个表达式
(ab) 将括号中字符作为一个分组-----如果在group(n),n表示取正则里的第n个
分组所匹配成功后的字符
\num 引用分组num匹配到的字符串----即在正则里用来表示其他分组
(?p<name>...) 分组起别名,name为名字
(?P=name) 引用别名为name组匹配到的字符串
re模块的高级用法--可能是python独有
search
---search,默认不会从头开始匹配,只要字符串中有符合条件的字符就会读取,但只会读取第一个
符合条件的,也和match一样不会主动返回,可用group()返回字符串
findall
---findall,会把符合条件的都主动返回成一个列表,不可用group()再返回一次字符串
sub
---sub,格式:re.sub(r"正则",'匹配到的n个数据替换成这些',"要进行匹配的字符串,匹配到的n
个数值被替换后会带入原位置并返回整个字符串"),
所以不能再用group()返回符合规范的字符串了
-----注意,python中sub支持代入函数引用,即目标替换区换成一个函数引用(只能是函数名,如果
是函数名()就是调用函数了),会把整个正则匹配成功后的数据传入其中
split
----根据匹配进行切割字符串,并返回一个列表
--格式:re.split(r":| ","....")---即把源字符串中的:和 作为分隔符把字符串分割成一个个单
独的元素并返回一个列表,每个元素除第一个外前面默认会有一个空格
------------^ 如果在正则开头就是表示从开头开始匹配,如果在[^...]里则规则是不能
是^后的字符,即对[]内的数据取反,^必须是在第一位
---------Python的贪婪性:
--即只要能都符合规则的数据如果没有被中断,那么所有的数据都会被读取,且默认靠前的优先级
比后面的高,也就是尽可能多的匹配,即能具有贪婪模式的次数判断字符
会尽可能多的读取符合条件的字符串,即使后面还有次数或类型判断字符都不会留给它
--如果次数判断符后加?则改为非贪婪模式,即尽可能少的取,如果还有后续判断字符则剩余的给
后面,即在满足正则所有条件的情况下,尽可能少的取,剩下的会给后面的判断字符
----有些语言是默认非贪婪
"""
正则表达式
字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址，虽然可以编程提取@前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。
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。
所以我们判断一个字符串是否是合法的Email的方法是：
-
创建一个匹配Email的正则表达式；
-
用该正则表达式去匹配用户的输入来判断是否合法。
因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。
在正则表达式中，如果直接给出字符，就是精确匹配。用\d可以匹配一个数字，\w可以匹配一个字母或数字，所以：
-
'00\d'可以匹配'007'，但无法匹配'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.'可以匹配'pyc'、'pyo'、'py!'等等。
要匹配变长的字符，在正则表达式中，用*表示任意个字符（包括0个），用+表示至少一个字符，用?表示0个或1个字符，用{n}表示n个字符，用{n,m}表示n-m个字符：
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：
-
\d{3}表示匹配3个数字，例如'010'； -
\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； -
\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}。
但是，仍然无法匹配'010 - 12345'，因为带有空格。所以我们需要更复杂的匹配方式。
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'。
^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。
你可能注意到了，py也可以匹配'python'，但是加上^py$就变成了整行匹配，就只能匹配'py'了。
re模块
有了准备知识，我们就可以在Python中使用正则表达式了。Python提供re模块，包含所有正则表达式的功能。由于Python的字符串本身也用\转义，所以要特别注意：
s = 'ABC\\-001' # Python的字符串
# 对应的正则表达式字符串变成：
# 'ABC\-001'
因此我们强烈建议使用Python的r前缀，就不用考虑转义的问题了：
s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变：
# 'ABC\-001'
先看看如何判断正则表达式是否匹配：
>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>
match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None。常见的判断方法就是：
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
切分字符串
用正则表达式切分字符串比用固定的字符更灵活，请看正常的切分代码：
>>> 'a b c'.split(' ')
['a', 'b', '', '', 'c']
嗯，无法识别连续的空格，用正则表达式试试：
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
无论多少个空格都可以正常分割。加入,试试：
>>> re.split(r'[\s\,]+', 'a,b, c d')
['a', 'b', 'c', 'd']
再加入;试试：
>>> re.split(r'[\s\,\;]+', 'a,b;; c d')
['a', 'b', 'c', 'd']
如果用户输入了一组标签，下次记得用正则表达式来把不规范的输入转化成正确的数组。
分组
除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。比如：
^(\d{3})-(\d{3,8})$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})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。
注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串。
提取子串非常有用。来看一个更凶残的例子：
>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', 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。
小结
正则表达式非常强大，要在短短的一节里讲完是不可能的。要讲清楚正则的所有内容，可以写一本厚厚的书了。如果你经常遇到正则表达式的问题，你可能需要一本正则表达式的参考书。
试题: 判断变量名是否符合要求
import re
def main():
names = ["age", "_age", "1age", "age1", "a_age", "age_1_", "age!", "a#123", "__________"]
for name in names:
# ret = re.match(r"[a-zA-Z_][a-zA-Z0-9_]*", name)
# ^规定开头 $规定结尾
# python中的match默认是从头开始判断的所以，在match中可以不写^，但是match不会判断结尾，所以
# 当需要以xxx结尾的时候 还需要写上$
ret = re.match(r"^[a-zA-Z_][a-zA-Z0-9_]*$", name)
if ret:
print("变量名:%s 符合要求....通过正则匹配出来的数据是:%s" % (name, ret.group()))
else:
print("变量名:%s 不符合要求...." % name)
if __name__ == "__main__":
main()
试题: 匹配163邮箱
import re
def main():
email = input("请输入一个邮箱地址:")
# 如果在正则表达式中需要用到了某些普通的字符，比如 . 比如? 等，仅仅需要在他们前面添加一个 反斜杠进行转义
ret = re.match(r"[a-zA-Z_0-9]{4,20}@163\.com$", email)
if ret:
print("%s符合要求...." % email)
else:
print("%s不符合要求...." % email)
if __name__ == "__main__":
main()