进一步探究Python中的正则表达式


Posted in Python onApril 28, 2015

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}$', '010-12345')
<_sre.SRE_Match object at 0x1026e18b8>
>>> re.match(r'^\d{3}\-\d{3,8}$', '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 at 0x1026fb3e8>
>>> 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:

  1.     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;
  2.     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。

请尝试写一个验证Email地址的正则表达式。版本一应该可以验证出类似的Email:

someone@gmail.com
bill.gates@microsoft.com
Try

版本二可以验证并提取出带名字的Email地址:

<Tom Paris> tom@voyager.org
Python 相关文章推荐
Python编程实现使用线性回归预测数据
Dec 07 Python
Python合并多个Excel数据的方法
Jul 16 Python
python代码过长的换行方法
Jul 19 Python
python去重,一个由dict组成的list的去重示例
Jan 21 Python
python读取.mat文件的数据及实例代码
Jul 12 Python
Python中Subprocess的不同函数解析
Dec 10 Python
使用Matplotlib 绘制精美的数学图形例子
Dec 13 Python
Python中的X[:,0]、X[:,1]、X[:,:,0]、X[:,:,1]、X[:,m:n]和X[:,:,m:n]
Feb 13 Python
基于python实现微信好友数据分析(简单)
Feb 16 Python
GDAL 矢量属性数据修改方式(python)
Mar 10 Python
PyCharm 2020 激活到 2100 年的教程
Mar 25 Python
python用opencv 图像傅里叶变换
Jan 04 Python
在Python程序中实现分布式进程的教程
Apr 28 #Python
浅析Python多线程下的变量问题
Apr 28 #Python
python实现向ppt文件里插入新幻灯片页面的方法
Apr 28 #Python
Python实现对PPT文件进行截图操作的方法
Apr 28 #Python
在Python下尝试多线程编程
Apr 28 #Python
Python输出PowerPoint(ppt)文件中全部文字信息的方法
Apr 28 #Python
python使用append合并两个数组的方法
Apr 28 #Python
You might like
PHP得到mssql的存储过程的输出参数功能实现
2012/11/23 PHP
关于php操作mysql执行数据库查询的一些常用操作汇总
2013/06/24 PHP
浅谈PHP中try{}catch{}的使用方法
2016/12/09 PHP
js tab效果的实现代码
2009/12/26 Javascript
setTimeout和setInterval的区别你真的了解吗?
2011/03/31 Javascript
Javascript基础教程之比较操作符
2015/01/18 Javascript
JavaScript弹出新窗口并控制窗口移动到指定位置的方法
2015/04/06 Javascript
HTML+CSS+JS实现完美兼容各大浏览器的TABLE固定列
2015/04/26 Javascript
jQuery.prop() 使用详解
2015/07/19 Javascript
jQuery实现可高亮显示的二级CSS菜单效果
2015/09/01 Javascript
深入分析node.js的异步API和其局限性
2016/09/05 Javascript
JS实现禁止鼠标右键的功能
2016/10/15 Javascript
利用vue-router实现二级菜单内容转换
2016/11/30 Javascript
jquery插件锦集【推荐】
2016/12/16 Javascript
Angular将填入表单的数据渲染到表格的方法
2017/09/22 Javascript
vue.js中使用echarts实现数据动态刷新功能
2019/04/16 Javascript
web.py在模板中输出美元符号的方法
2014/08/26 Python
Python编程中对文件和存储器的读写示例
2016/01/25 Python
使用Python实现博客上进行自动翻页
2017/08/23 Python
Python利用turtle库绘制彩虹代码示例
2017/12/20 Python
Python二叉树定义与遍历方法实例分析
2018/05/25 Python
详解Python Matplot中文显示完美解决方案
2019/03/07 Python
python3转换code128条形码的方法
2019/04/17 Python
Python检查 云备份进程是否正常运行代码实例
2019/08/22 Python
jupyter notebook 重装教程
2020/04/16 Python
django ORM之values和annotate使用详解
2020/05/19 Python
Pytho爬虫中Requests设置请求头Headers的方法
2020/09/22 Python
英国现代绅士品牌:Hackett
2017/12/17 全球购物
海滩咖啡馆:Beach Cafe
2018/02/02 全球购物
英语自我评价范文
2014/01/24 职场文书
村干部群众路线整改措施思想汇报
2014/10/12 职场文书
2014年党务工作总结
2014/11/25 职场文书
学生个人评语大全
2015/01/04 职场文书
学校证明范文
2015/06/24 职场文书
Python基础之字符串格式化详解
2021/04/21 Python
React Native项目框架搭建的一些心得体会
2021/05/28 Javascript