一入python深似海--正則表達式

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差点儿无处不在。比方推断一个字符串是否是一个合法的Email地址。尽管能够编程提取@前后的子串，再分别推断是否是单词和域名，但这样做不但麻烦，并且代码难以复用。

正則表達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写叙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juice觉得它“匹配”了，否则，该字符串就是不合法的。

所以我们推断一个字符串是否是合法的Email的方法是：

1.创建一个匹配Email的正則表達式；

2.用该正則表達式去匹配用户的输入来推断是否合法。

因为正則表達式也是用字符串表示的，所以，我们要首先了解怎样用字符来表述字符。

一、匹配单个字符

在正則表達式中，假设直接给出字符，就是精确匹配。

\d能够匹配一个数字

\w能够匹配一个字母或数字

. 能够匹配随意一个字符

如，‘00\d‘?能够匹配‘007‘。但无法匹配 ‘00A‘;

二、匹配边长的字符

如，\d{3}\s+\d{3,8}表示，三个数字。至少一个空格，3-8个数字

三、进阶

要做更精确地匹配，能够用 [ ] 表示范围，

比方：

• [0-9a-zA-Z\_]能够匹配一个数字、字母或者下划线。

• [0-9a-zA-Z\_]+能够匹配至少由一个数字、字母或者下划线组成的字符串，比方‘a100‘，‘0_Z‘，‘Py3000‘等等；

• [a-zA-Z\_][a-zA-Z\_]*能够匹配由字母或下划线开头，后接随意个由一个数字、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\_][a-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能够匹配A或B。所以[P|p]ython能够匹配‘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也能够匹配‘python‘，可是加上^py$就变成了整行匹配，就仅仅能匹配‘py‘了。

四、re模块

先来看看怎样推断正則表達式是否匹配：

>>> import re
>>> re.match(r‘^\d{3}\-\d{3,8}$‘, ‘010-12345‘)
<_sre.SRE_Match object at 0x1026e18b8>
>>> re.match(r‘^\d{3}\-\d{3,8}$‘, ‘010 12345‘)
>>>

test = ‘用户输入的字符串‘
if re.match(r‘正則表達式‘, test):
    print ‘ok‘
else:
    print ‘failed‘

>>> m = re.search(‘[0-9]‘,‘abcd3ef‘)
>>> print m.group(0)
3
>>> m = re.search(‘[0-9]‘,‘abcdef‘)
>>> m.group()

str = re.sub(pattern, replacement, string) 
# 在string中利用正则变换pattern进行搜索，对于搜索到的字符串。用还有一字符串replacement替换。返回替换后的字符串。

>>> str=re.sub(‘[0-9]‘,‘u‘,‘ab2c1def‘)
>>> str
‘abucudef‘

>>> ‘a b   c‘.split(‘ ‘)
[‘a‘, ‘b‘, ‘‘, ‘‘, ‘c‘]

>>> re.split(r‘\s+‘, ‘a b   c‘)
[‘a‘, ‘b‘, ‘c‘]

>>> re.split(r‘[\s\,]+‘, ‘a,b, c  d‘)
[‘a‘, ‘b‘, ‘c‘, ‘d‘]

>>> 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‘

>>> 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‘)