什么是正則

字符串是編程時涉及到的最多的一種數據結構，對字符串進行操作的需求幾乎無處不在。比如判斷一個字符串是否是合法的Email地址，雖然可以編程提取@前后的子串，再分別判斷是否是單詞和域名，但這樣做不但麻煩，而且代碼難以復用。

正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的語言來給字符串定義一個規則，凡是符合規則的字符串，我們就認為它“匹配”了，否則，該字符串就是不合法的。

所以我們判斷一個字符串是否是合法的Email的方法是：

創建一個匹配Email的正則表達式；用該正則表達式去匹配用戶的輸入來判斷是否合法。

因為正則表達式也是用字符串表示的，所以，我們要首先了解如何用字符來描述字符。

在正則表達式中，如果直接給出字符，就是精確匹配。用\d可以匹配一個數字，\w可以匹配一個字母或數字，所以：

'00\d'可以匹配'007'，但無法匹配'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。

要匹配變長的字符，在正則表達式中，用*表示任意個字符（包括0個），用+表示至少一個字符，用?表示0個或1個字符，用{n}表示n個字符，用{n,m}表示n-m個字符：

來看一個復雜的例子：\d{3}\s+\d{3,8}。

我們來從左到右解讀一下：

\d{3}表示匹配3個數字，例如'010'；\s可以匹配一個空格（也包括Tab等空白符），所以\s+表示至少有一個空格，例如匹配' '，' '等；\d{3,8}表示3-8個數字，例如'1234567'。

綜合起來，上面的正則表達式可以匹配以任意個空格隔開的帶區號的電話號碼。

如果要匹配’010-12345’這樣的號碼呢？由于’-‘是特殊字符，在正則表達式中，要用’\’轉義，所以，上面的正則是\d{3}-\d{3,8}。

但是，仍然無法匹配’010 - 12345’，因為帶有空格。所以我們需要更復雜的匹配方式。

正則基礎語法：

在正則表達式中用約定的字符串和符號作為匹配的類型和規則，這些符號就叫做元字符，下列是常見的一些正則匹配元字符：
. 匹配單個任意字符，默認不匹配換行符，除非在匹配條件末尾加上re.S選項。
* 匹配任意個任意字符
^ 匹配以某個字符開頭的
？匹配單個或0個任意字符
+ 匹配單個或多個字符
[] 匹配括號中的單個字符
\ 轉義符
\W 非單詞字符
\w 單詞字符[0-9a-zA-Z]
\D 非數字
\d純數字
\s空格
\S匹配非空白字符）
\b：\bthe 匹配任何以the開始的字符串；\bthe\b 匹配the本身
\B：邊界匹配 \Bthe 包含the但不以the為開始的字符串
參考地址：http://icybamboo.iteye.com/blog/585291

python的正則

python中關于正則的模塊是re

• 常用方法：

import re re.findall(r'abc$','abcd') //['abc'] re.findall //返回匹配到的所有子串并返回列表,r表示后面所跟的為原字符串。 re.match() //從開始位置開始匹配，一旦出現不符合正則表達式的情況則匹配失敗。 re.search() //匹配整個字符串，如果找到一個匹配則返回一個對象。 re.sub() //替換 re.sub(r'a','A','abcabaab') //'AbcAbAAb'

為什么要加r：r是raw(原始)的意思。因為在表示字符串中有一些轉義符，如表示回車’\n’。如果要表示\表需要寫為’\\’。但如果我就是需要表示一個’\’+’n’，不用r方式要寫為:’\\n’。但使用r方式則為r’\n’這樣清晰多了。所以一般情況下我們都會加上r。

• 生成正則對象使用：

p=re.compile(r’abc’) 編譯生成一個正則對象
p=re.compile(r’G’,re.I)

p.findall(‘aaabcacac’) 調用方法
//[‘abc’]

• 正則標記

• 在上面的代碼中，我們注意到第二行里面在正則匹配式后面還跟著一個re.I,這個附加條件就成為正則標記，這里的意思是忽略大小寫。如我們所見，正則標記就是為了更好地靈活匹配而誕生的，常見的正則標記如下：
  re.S 使得.匹配包括換行符在內的任何字符
  re.I 忽略大小寫
  re.M：多行匹配，影響^和$
  re.X：啟用詳細的正則表達式
  re.L:支持當前的語言（區域）設置
  re.A:使得轉義符號如\w,\b,\s,\d只能匹配ASCII字符

• 正則分組
  除了簡單地判斷是否匹配之外，正則表達式還有提取子串的強大功能。用()表示的就是要提取的分組（Group）。比如：

^(\d{3})-(\d{3,8})$分別定義了兩個組，可以直接從匹配的字符串中提取出區號和本地號碼：

m = re.match(r’^(\d{3})-(\d{3,8})$’, ‘010-12345’)
m
//<_sre.SRE_Match object at 0x1026fb3e8>
m.group(0)
‘010-12345’
m.group(1)
//’010’
m.group(2)
//’12345’

如果正則表達式中定義了組，就可以在Match對象上用group()方法提取出子串來。

注意到group(0)永遠是原始字符串，group(1)、group(2)……表示第1、2、……個子串。

提取子串非常有用。來看一個更兇殘的例子：

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’)

這個正則表達式可以直接識別合法的時間。但是有些時候，用正則表達式也無法做到完全驗證，比如識別日期：

‘^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$’

對于’2-30’，’4-31’這樣的非法日期，用正則還是識別不了，或者說寫出來非常困難，這時就需要程序配合識別了。

• 貪婪匹配

最后需要特別指出的是，正則匹配默認是貪婪匹配，也就是匹配盡可能多的字符。舉例如下，匹配出數字后面的0：

re.match(r’^(\d+)(0*)$’, ‘102300’).groups()
(‘102300’, ”)

由于\d+采用貪婪匹配，直接把后面的0全部匹配了，結果0*只能匹配空字符串了。

必須讓\d+采用非貪婪匹配（也就是盡可能少匹配），才能把后面的0匹配出來，加個?就可以讓\d+采用非貪婪匹配：

re.match(r’^(\d+?)(0*)$’, ‘102300’).groups()
(‘1023’, ‘00’)

范例：
匹配IP地址：
re.search(r’(([0-9]|[1-9]\d|1\d\d|2[0-4]\d|25[0-5]).){3}([0-9]|[1-9]\d|1\d\d|2[0-4]\d|25[0-5])’,’192.168.1.256’)

總結

以上是生活随笔為你收集整理的python圣斗士（十七）：令人欲罢不能的正则的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。