正则表达式基础知识

Posted daysn

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了正则表达式基础知识相关的知识,希望对你有一定的参考价值。

---------------以下来自廖雪峰官网

字符串是编程时涉及到的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,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。

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,所以:

  • ‘00d‘可以匹配‘007‘,但无法匹配‘00A‘

  • ‘ddd‘可以匹配‘010‘

  • ‘wwd‘可以匹配‘py3‘

一个点   .  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:

  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,例如匹配‘ ‘‘ ‘等;

  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}

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。

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。

你可能注意到了,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。

以上是关于正则表达式基础知识的主要内容,如果未能解决你的问题,请参考以下文章

python基础学习(十三)

text 正则表达式片段

markdown 正则表达式模式片段

python基础学习笔记(十三)

正则表达式匹配特定的 URL 片段而不是所有其他 URL 可能性

循环通过 python 正则表达式匹配