# 这是学习廖雪峰老师python教程的学习笔记
1、正则表
\d |
匹配一个数字 |
\w |
匹配一个字母或数字 |
\s |
可以匹配一个空格（也包括Tab等空白符） |
. |
匹配任意一个字符 |
* |
表示重复前面的一个字符0次或多次（包括0个）例如：ab* will match ‘a’, ‘ab’, ‘abbbbb...’ |
？ |
表示0个或1个 字符 |
{n} |
表示n个字符 |
{n,m} |
表示n-m个字符 |
\ |
转义字符， \\ 表示对\本身转义 |
[] |
表范围，如[0-9a-zA-Z] |
[][] |
如[a-zA-Z\_][0-9a-zA-Z\_]*：前面的[]匹配开头，后面的[]* 匹配任意个字符 |
[][]{} |
如[a-zA-Z\_][0-9a-zA-Z\_]：{0, 19}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） |
| |
表或，如A|B可以匹配A或B，(P|p)ython可以匹配'Python'或者'python' |
^ |
匹配开头 |
$ |
匹配结尾 |
注意： |
py也可以匹配'python'，但是加上^py$就变成了整行匹配，就只能匹配'py'了。类似于grep 和 grep -w的区别 |
2、re模块
Python提供re模块，包含所有正则表达式的功能。下面做一些练习
1）普通写法
>>> s = 'ABC\\-001'
>>> print(s)
ABC\-001
2）前缀写法
>>> s = r'ABC\-001' # 用r前缀，不用考虑转义的问题。类似于shell里的egrep，sed -r
>>> print(s)
ABC\-001
3）判断正则表达式是否匹配
>>> import re
# match()方法判断是否匹配。匹配成功，返回Match对象，匹配不成功，无显示。这里对-用了转义符，不用也行
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
4）match()方法的if 判断
test = '用户输入的字符串'
if re.match(r'正则表达式', test):
print('ok')
else:
print('failed')
5）用正则切分字符串
>>> 'a b c'.split(' ') # 正常的代码无法识别连续的空格
['a', 'b', '', '', 'c']
>>> re.split(r'\s+', 'a b c') # 正则可以
['a', 'b', 'c']
6）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）
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345') #()里面的正则匹配的字符换就是一个组
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0) # group(0)，表示整个字符串
'010-12345'
>>> m.group(1) # 表示第一组字符串
'010'
>>> m.group(2) # 表示第二组字符串
'12345'
>>> t = '19:05:30'
# 匹配时，分，秒。注意()里的|
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')
7）贪婪匹配
正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。
# (\d+)表示匹配多个数字，直接把数字匹配完了，没有给(0*)$匹配的机会
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
8）非贪婪匹配
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
# ^(\d+?)，尽可能少的匹配，给后面的(0*)$留下了匹配的空间
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
2.1、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：
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；
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: 编译出的对象是类
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：使用了类的match()方法
# 编译后生成Regular Expression对象，由于该对象自己包含了正则表达式，所以调用对应的方法时不用给出正则字符串。
>>> re_telephone.match('010-12345').groups() # 注意这个groups()，是显示整个字符串，前面用的是group()，group(1)
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
3、例题
1、写一个验证Email地址的正则表达式。版本一应该可以验证出类似的Email：
# -*- coding: utf-8 -*-
import re
def is_valid_email(addr):
if re.match(r'^[a-zA-Z.]+@[a-zA-Z.]+$',addr): #不写^ 和 $ 也没影响
return True
else:
return False
# 测试:
assert is_valid_email('[email protected]')
assert is_valid_email('[email protected]')
assert not is_valid_email('bob#example.com')
assert not is_valid_email('[email protected]')
print('ok')
2、版本二可以提取出带名字的Email地址：
<Tom Paris> [email protected] => Tom Paris
[email protected] => bob
# -*- coding: utf-8 -*-
import re
def name_of_email(addr):
# <?([a-zA-Z\s]+)>?，可以把名字匹配出来，注意里面的()。
# \s?[a-zA-Z]*?，对Tom而言，后面还需要匹配，而bob不需要，所以用的是[a-zA-Z]*?，* 表0个或多个字符。?让*别把后面的也匹配了
str = re.match(r'^<?([a-zA-Z\s]+)>?\s?[a-zA-Z]*?(@[a-zA-Z.]+)$',addr)
return str.group(1)
# 测试:
assert name_of_email('<Tom Paris> [email protected]') == 'Tom Paris'
assert name_of_email('[email protected]') == 'tom'
print('ok')