Python廖雪峰--正则表达式

字符串是编程时涉及到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，范式符合规则的字符串，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：

1.创建一个匹配Email的正则表达式

2.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串来描述字符。

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，‘.’可以匹配任意字符，所以：

'py.'可以匹配'pyc'、'pyo'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个或一个字符，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}。

我们从左到右解读一下：

1.\d{3}表示匹配3个数字，例如'010'

2.\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

3.\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}。

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，这也就是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。

A|B可以匹配A或B。

^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：

我们建议使用Python的r前缀，就不用考虑转义的问题了。

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，请看正则表达式的切分代码：

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

分组：

除了简单地判断是否匹配外，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)。如果正则表达式中定义了组，就可以在Match对象上用group()方法提取处子串来。注意到group(0)永远是与整个正则表达式相匹配的字符串。group(1)、group(2)表示第1、2、......个子串。

最后需要特=特别指出的是，正则表达式默认是贪婪匹配，也就是匹配尽可能多的字符。加一个(?)可以让其变为非贪婪匹配(尽可能少匹配).