[Python知识库]Python3学习20--正则表达式

本系列博文基于廖雪峰老师的官网Python教程，笔者在大学期间已经阅读过廖老师的Python教程，教程相当不错，官网链接： 廖雪峰官方网站.请需要系统学习Python的小伙伴到廖老师官网学习，笔者的编程环境是Anaconda+Pycharm，Python版本：Python3.

1.简介

# 正则表达式：用来匹配字符串的武器；
# 设计思想：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，认为匹配，否则，该字符串是不合法的；

# 实例：判断一个字符串是否是合法的Email方法：
# 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；

# 如：\d可以匹配一个数字，\w可以匹配一个字母或数字；
# a. "00\d"可以匹配"008"，但无法匹配"00A";
# b. "\d\d\d"可以匹配"009";
# c. "\w\w\d"可以匹配"py3";

# 如： .匹配任意字符
# a. "py."可以匹配"pyc"、"pyt"等；

# 匹配变长的字符：
# a.用*表示任意个字符(包括0个)；
# b.用+表示至少一个字符；
# c.用?表示0个或1个字符；
# d.用{n}表示n个字符；
# e.用{n,m}表示n-m个字符；

# 实例：\d{2}\s+\d{3,6}
# a.\d{2}表示匹配2个数字，如："52";
# b.\s可以匹配一个空格，\s+表示至少有一个空格，如：匹配" "等；
# c.\d{3,6}表示3-6个数字，如："584520";

# 精准匹配，用[]表示范围
# a.[0-9a-zA-Z\_]表示可以匹配一个数字、字母、下划线;
# b.[0-9a-zA-Z\_]+表示可以匹配至少由一个数字、字母或下划线组成的字符串，如："Py20";
# c.[a-zA-Z\_][0-9a-zA-Z\_]*表示匹配由字母或下划线开头，后接任意个由一个数字、字母或下划线组成的字符串；
# d.[a-zA-Z\_][0-9a-zA-Z\_]{0,19}限制变量长度为1-20个字符；
# e.A|B表示匹配A或B,如：(W|w)illard匹配"Willard"或"willard";
# f.^表示行的开头，^\d表示必须以数字开头；
# g.$表示行的结束，\d$表示必须以数字结束；

# re模块：
import re

print("匹配成功，返回一个Match对象：")
print(re.match(r"^\d{3}\-\d{3,8}$", "020-6722053"))
print("----------------------------------------------------")

print("匹配失败，返回一个None：")
print(re.match(r"^\d{3}\-\d{3,8}$", "020 6722053"))
print("----------------------------------------------------")

user_input = input("请输入测试字符串：")

if re.match(r"^W|w{1-10}", user_input):
    print("It's OK.")
else:
    print("Failed.")

# 结果输出：
匹配成功，返回一个Match对象：
<re.Match object; span=(0, 11), match='020-6722053'>
----------------------------------------------------
匹配失败，返回一个None：
None
----------------------------------------------------
请输入测试字符串：Willard584520
It's OK.

2.切分字符串

import re

str_input = input("Please input test string：")

# 通过空格切分字符串
print(re.split(r"\s+", str_input))

# 结果输出：
# Please input test string：Hello Python.
# ['Hello', 'Python.']

import re

str_input = input("Please input test string：")

print(re.split(r"[\s\,]+", str_input))

# 结果输出：
# Please input test string：Hello Willard,welcome to FUXI Technology.
# ['Hello', 'Willard', 'welcome', 'to', 'FUXI', 'Technology.']

import re

str_input = input("Please input test string：")

print(re.split(r"[\s\,\.\;]+", str_input))

# 结果输出：
# Please input test string：Hello;I am Willard.Welcome to FUXI Technology.
# ['Hello', 'I', 'am', 'Willard', 'Welcome', 'to', 'FUXI', 'Technology', '']

3.分组

# ()表示要提取的分组(Group)
# ^(\d{3})-(\d{3,8})$分别定义了两个组
import re

match_test = re.match(r"^(\d{3})-(\d{3,8})$","020-6722053")
print("match_test：", match_test)
print("match_group(0)：", match_test.group(0))
print("match_group(1)：", match_test.group(1))
print("match_group(2)：", match_test.group(2))
print("---------------------------------------------------------")

website_match_test = re.match(r"(\w{3}).(\w{5}).(\w{3})", "www.baidu.com")

print("website_match_test：", website_match_test)
print("website_match_test_group(0)：", website_match_test.group(0))
print("website_match_test_group(1)：", website_match_test.group(1))
print("website_match_test_group(2)：", website_match_test.group(2))
print("website_match_test_group(3)：", website_match_test.group(3))

# 结果输出：
match_test： <re.Match object; span=(0, 11), match='020-6722053'>
match_group(0)： 020-6722053
match_group(1)： 020
match_group(2)： 6722053
---------------------------------------------------------
website_match_test： <re.Match object; span=(0, 13), match='www.baidu.com'>
website_match_test_group(0)： www.baidu.com
website_match_test_group(1)： www
website_match_test_group(2)： baidu
website_match_test_group(3)： com

4.贪婪匹配

# 贪婪匹配：匹配尽可能多的字符；
import re

string_input =  input("Please input string：")
print("采用贪婪匹配：")
print(re.match(r"^(\d+)(0*)$", string_input).groups())
print("---------------------")

print("采用非贪婪匹配：")
print(re.match(r"^(\d+?)(0*)$", string_input).groups())

Please input string：1008600
采用贪婪匹配：
('1008600', '')
---------------------
采用非贪婪匹配：
('10086', '00')

5.编译

# 使用正则表达式，re模块内部：
# a.编译正则表达式，如果正则表达式的字符串本身不合法，抛出错误；
# b.用编译后的正则表达式去匹配字符串；
# c.如果一个正则表达式要重复使用几千次，考虑效率，
# 可以预编译正则表达式，重复使用时，不需要编译这个步骤，直接匹配；
import re

# 编译
re_telephone = re.compile(r"^(\d{3})-(\d{3,8})$")

# 使用
telephone_input1 = input("Willard，please input your telphone number：")
telephone_input2 = input("Chen，Please input your telphone number：")

print("match：020-6722053，", re_telephone.match(telephone_input1).groups())
print("match：020-6722066，", re_telephone.match(telephone_input2).groups())

# 结果输出:
Willard，please input your telphone number：020-6722053
Chen，Please input your telphone number：020-6722066
match：020-6722053， ('020', '6722053')
match：020-6722066， ('020', '6722066')