python正则表达式
1.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。
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' 可以匹配到‘007'，但无法匹配到 '00A'
'\d\d\d' 可以匹配到'010'
'\w\w\d' 可以匹配到'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
2.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
3.python正则表达式
re模块
Python提供了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，因此我们使用python的 r 前缀, 就不用考虑转义的问题了
import re
if re.match(r'\d{3}\-\d{3,8}','010-1423'):
print("matched")
else:
print("failed")
match() 方法判断是否匹配, 如果匹配成功, 返回Match对象
切分字符串
str = re.split(r'\s+', 'a b c d') print(str) str = re.split(r'[\s\,\;]+', 'a,b;; c d') print(str)
运行结果为:
['a', 'b', 'c', 'd']
分组
正则表达式还有提取子串的强大功能, () 表示的就是要提取分组
m = re.match(r'^(\d{3})-(\d{3,8}$)','010-12322')
print(m.group(0))
print(m.group(1))
print(m.group(2))
运行结果为:
010-12322 010 12322
提取子串非常有用, 来看一个更凶残的例子:
t = '19:05:30' m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$',t) str = m.groups() print(str)
运行结果为:
('19', '05', '30')