廖雪峰python学习笔记15.正则表达式入门

# -*- coding:utf-8 -*-

#正则表达式是一种用来匹配字符串的强有力的武器
#用\d可以匹配一个数字，\w可以匹配一个字母或数字

"""
'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'；

\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

.可以匹配任意字符

要匹配'010-12345' 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，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。


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']
没法切分出字符，可以这样
re.split(r'\s+', 'a b   c')
['a', 'b', 'c']

"""

#了解了上述知识后，就可以使用正则表达式了

#练习：

import re


#匹配并分离出区号和电话号码
m = re.match(r'^(\d{3})-(\d{3,8})$','010-3375597')  #这里的字符串正则表达式用（）分组
print(m)
#提取出区号和电话号码
print(' %s,  %s ,  %s' %  (m.group(0),m.group(1),m.group(2)))

"""
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')
"""
#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：

n = re.match(r'^(\w+)@(\w+).(\w+)$','thinker_leo@hotmail.com')
print(n.group(1))
print(n.group(2))
print(n.group(3))