Python中正則表達式講解

正則表達式是匹配字符串的強大武器，它的核心思想是給字符串定義規則，凡是符合規則的字符串就是匹配了，否則就是不合法的。在介紹Python的用法之前，我們先講解一下正則表達式的規則，然后再介紹在Python中如何運用。

如果直接給出字符，那么就是精確的匹配，例如‘abc’當然是匹配’abc’了。

• \d可以匹配數字(0-9)
• \D和\d相反，就是說只要不是0-9，都可以匹配
• \w可以匹配字母或者數字(0-9|a-z|A-Z)
• \W和\w相反，就是說只要不是字母和數字，都可以匹配
• \s可以匹配空格，\n,\t,\r,\f
• \S和\s相反
• . 可以匹配除了\n以外的任意字符

第一步先說這些內容，Python提供re模塊，包含所有正則表達式的功能，看下面的程序演示：

#如何判斷正則表達式是否匹配，使用re.match()
import re
a=re.match('\d','1')
b=re.match('\d','s')
print(a)
print(b)輸出：
<_sre.SRE_Match object at 0x000000000065A510>
None

這里說一下，如果match()方法匹配的話，返回一個Match對象，否則返回None
為了方便觀察程序運行結果，我們使用if判斷來輸出結果，下面再看一個例子

import re
def is_match(a):if a!=None:print('yes！')else:print('no！')
a=re.match('\d','123abc')
b=re.match('\d\d','123abc')
c=re.match('\d\d\d','123abc')
d=re.match('\d\d\d\d','123abc')
is_match(a)
is_match(b)
is_match(c)
is_match(d)輸出：
yes！
yes！
yes！
no！

現在來講解上面的代碼，我們知道\d可以匹配一個0-9的數字，所以re.match(‘\d’,’123abc’)中的\d匹配的是字符串‘123abc’中的1，至于后面的’23abc’不用管它。一個\d我只用匹配一個數字就可以了。re.match(‘\d\d’,’123abc’)中的兩個\d分別匹配的是字符串’123abc’中的‘1’和‘2’，后面的‘3abc’不用管。re.match(‘\d\d\d\d’,’123abc’)中前3個\d分別匹配的是‘1’，‘2’，‘3’,當第4個\d去匹配‘a’的時候發現不能匹配，所以最后一個不能匹配上，輸出None。再看幾個例子體會下吧

為了減少代碼量，下面的代碼我會直接寫主要的代碼部分,輸出結果用注釋代替

a=re.match('\w','123abc') #yes
b=re.match('\w','abc123') #yes
c=re.match('\w','Abc123') #yes

a=re.match('.','abc') #yes
b=re.match('.','Abc') #yes
c=re.match('.','12bc') #yes
d=re.match('.','*2bc') #yes
e=re.match('.','\n2bc') #no

如果我們要匹配變長的字符，可以在\d,\w,\s, . 的后面使用下面的符號
* 表示任意個字符（包括0個）
+表示至少一個字符
?表示0個或1個字符
{n}表示n個字符
{n,m}表示n-m個字符

a=re.match('\d*','123') #yes
# *表示任意個字符，包括0個，所以\d*可以匹配0個數字，所以match('\d*','abc')可以匹配
b=re.match('\d*','abc') #yes
c=re.match('\d+','1abc') #yes
# +表示至少1個字符，\d+表示至少1個數字，所以匹配不成功
d=re.match('\d+','abc') #no

a=re.match('\d?','123') #yes
b=re.match('\d?','abc') #yes
c=re.match('\d{3}','1234') #yes
#\d{3}代表3個數字，而'12'只有2個，所以不匹配
d=re.match('\d{3}','12') #no
#'12abc'前3個'12a'不全是數字
e=re.match('\d{3}','12abc') #no

a=re.match('\d{0,3}','abc') #yes
b=re.match('\d{0,3}','12abc') #yes
c=re.match('\d{0,3}','1234bc') #yes

還有更加精確的匹配，用[ ]表示范圍，例如：
[0-9]匹配1個數字,和\d一樣
[a-z]匹配1個小寫字母
[A-Z]匹配1個大寫字母
\ _匹配下劃線
[0-9a-zA-Z]可以匹配1個數字或者字母，等價于\w
[0-9a-zA-Z\ _]可以匹配1個數字或者字母或者下劃線，一般是變量的命名規則
[0-9] | [a-z]匹配1個數字或者小寫字母，使用的是 | 符號
^表示以什么開頭，例如^[0-9]就是以數字開頭
$表示以什么結尾

a1=re.match('[0-9]','123') #yes
a2=re.match('[a-z]','abc') #yes
a3=re.match('[A-Z]','Abc') #yes
a4=re.match('[0-9a-zA-Z]','Abc') #yes
b1=re.match('[0-9a-zA-Z]','12bc') #yes
b2=re.match('[0-9a-zA-Z]','abc') #yes
b3=re.match('[0-9a-zA-Z]','張康abc') #no
b4=re.match('[0-9a-zA-Z\_]','_abc') #yes

a=re.match('^[0-9a-zA-Z\_][0-9]','a1bc') #yes
b=re.match('^[0-9a-zA-Z\_][a-z]','Abc') #yes
c=re.match('^[0-9a-zA-Z\_][A-Z]','1Bbc') #yes
d=re.match('^[0-9a-zA-Z\_][0-9]','1abc') #no
e=re.match('^[0-9a-zA-Z\_]','_1bc') #yes

a=re.match('^[0-9a-z]+[A-Z]$','1234A') #yes
b=re.match('^[0-9a-z]+[A-Z]$','1234a') #no

正則表達式還可以用來切分字符串（切分字符串）

import re
a=re.split('\s+','a  b c')
print(a)輸出:
['a', 'b', 'c']

關于字符串中的split()函數，不明白的請參考我的另一篇博文。上面的代碼的意思是以空格為切分符，把字符串分成n段，并以list的形式返回。
如果還想把逗號加進去，讓空格和逗號都變成分隔符，看下面的代碼：

import re
a=re.split('[\s\,]+','a  b c     ,d,f    e')
print(a)輸出：
['a', 'b', 'c', 'd', 'f', 'e']

正則表達式還可以用來提取子串（分組）

用( )表示的就是要提取的分組（Group），把想要提取的子串在正則表達式中用( )括起來，例如我要提取帶區號的固定電話號的每一部分，看代碼演示：

import re
a=re.match('(\d{4})\-(\d{7})','0370-5163700')
g0=a.group(0)
g1=a.group(1)
g2=a.group(2)
print(g0)
print(g1)
print(g2)輸出：
0370-5163700
0370
5163700

\d{4}匹配的是0370，因為我要提取它，所以用()括起來，代表一個分組
\ - 匹配的是 - ，因為這里 - 是特殊字符，需要轉義，就像下劃線需要轉義\ _，這里我不需要提取這個 - ，所以不用加括號。
\d{7}匹配的是5163700，這是需要提取的第二個分組，所以需要括起來。
還有一點需要注意，無論什么時候，group(0)提取的都是原來的字符串，你要提取的分組從group(1)開始。

正則表達式的貪婪匹配

正則表達式匹配默認是貪婪匹配，也就是匹配盡可能多的字符，看個例子吧！

import re
a=re.match('^(\d+)(1*)$','12345611111')
print('第一組:'+a.group(1))
print('第二組:'+a.group(2))輸出：
第一組:12345611111
第二組:

按照正常的理解\d+應該匹配123456，1*匹配11111，但是由于正則表達式是默認貪婪匹配，\d+匹配了全部數字。怎么才能不讓它貪婪匹配呢，很簡單，在后面加個問號?就可以了

import re
a=re.match('^(\d+?)(1*)$','12345611111')
print('第一組:'+a.group(1))
print('第二組:'+a.group(2))輸出:
第一組:123456
第二組:11111

編譯

在Python中使用正則表達式時，re模塊內部會干兩件事情：

1. 編譯正則表達式，如果正則表達式的字符串本身不合法，會報錯；
2. 用編譯后的正則表達式去匹配字符串。

在編寫網站的時候，有可能我們會對用戶注冊時輸入的用戶名或者郵箱等進行正則驗證，那么一個正則表達式可能會匹配成千上萬個用戶名或者郵箱，每次都需要先編譯后匹配，那么效率顯得很低。那么為了提高效率，我們可以先編譯正則表達式，只需要編譯一次，然后用的時候再匹配。

import re
#由字母或者下劃線開頭，由數字，字母，下劃線組成長度為6-20的字符串
re_c=re.compile('^[a-zA-Z\_][\w\_]{5,19}$')
print(re_c.match('a123456789a123456789'))輸出:
<_sre.SRE_Match object at 0x000000000065A510>

編譯后生成Regular Expression對象，由于該對象自己包含了正則表達式，所以調用對應的方法時不用再次給出正則串。

以上的內容只是正則表達式的九牛一毛，關于其他的正則表達式用法請讀者自己查閱，如讀者發現錯誤，歡迎指正。