Python_正则表达式：Day16

最新推荐文章于 2025-10-15 14:35:20 发布

原创最新推荐文章于 2025-10-15 14:35:20 发布 · 379 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#字符串 #正则表达式 #python

学习专栏收录该内容

18 篇文章

订阅专栏

本文深入解析正则表达式的强大功能，从基础语法到高级应用，如分组、贪婪匹配及正则表达式的预编译技巧。通过实例演示如何进行字符串匹配、切分和提取，适用于各种编程需求。

前言

养成一个好的习惯只需要坚持21天，Day16

正则表达式

正则表达式是一种用来匹配字符串的强有力的武器，它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。
用\d可以匹配一个数字，\w可以匹配一个字母或数字，比如下面的例子：

‘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'；
'py.'可以匹配'pyc'、'pyo'、'py!'等等。

.可以匹配任意字符。
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。
举一个例子：\d{3}\s+\d{3,8}
其中\d{3}表示匹配3个数字，\s可以匹配一个空格，\s+表示至少有一个空格；\d{3,8}表示可以匹配3-8个数字。
匹配一个座机号码：\d{3}\-\d{3,8}，比如'010-12345'，中间的-是特殊字符，在编写的时候需要用\转义。

进阶

要做更精确的匹配，可以使用[]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。

re模块

由之前的学习可知，可以使用\转义，也可以使用Python的r前缀，使用r前缀可以避免许多转义的问题。

s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变：
# 'ABC\-001'

re模块中，使用match()方法判断是否匹配，匹配成功则返回一个Match对象，否则返回None。如下：

import re
test = '用户输入的测试字符串'
if re.match(r'正则表达式', test):  #re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
	print('ok')
else:
	print('failed')

切分字符串

比如我们一般使用python的split()函数进行切分：

'a b  c'.split(' ')
#['a', 'b', '', 'c']无法识别字符串中连续的空格

使用正则表达式进行切分：

re.split(r'\s+','a b  c')
# ['a', 'b', 'c']

如果把划分规则变成逗号：

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

再加入分号，进行切分：

re.split(r'[\s\,\;]+','a,b;;  c    d')
# ['a', 'b', 'c', 'd']

分组

正则表达式除了能够进行字符串的匹配之外，还能提取子串。即对字符串的内容进行分组操作，用()表示。
^(\d{3})-(\d{3,8})$中由分别定义了两个组，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})$', '083-8250168')
print(m)
# <_sre.SRE_Match object; span=(0, 11), match='083-8250168'>
 m.group(0)
#'083-8250168'
m.group(1)
# '083'
m.group(2)
# '8250168'

贪婪

正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。比如：

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，所以0*就只能匹配空字符串了。

在\d+后面加上一个？就采用非贪婪匹配了：

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

可以使用re.compile()进行预编译，当正则表达式需要多次使用的时候，可以提高效率！
练习
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

import re
re_mail = re.compile(r'^[\w]+\.?[\w]+@[\w]+\.com$')
# 字母一个以上 .有一个或者没有 字母一个以上 @ 字母不限 .com

def is_valid_email(addr):
    if re_mail.match(addr):
        return True