#------------------------正则表达式------------------------
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@前后的子符串,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:
①’00\d’可以匹配’007’,但无法匹配’00A’;
②’\d\d\d’可以匹配’010’;
③’\w\w\d’可以匹配’py3’;
④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:
#1.[0-9a-zA-Z_]可以匹配一个数字、字母或者下划线;
#2.[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;
#3.[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;
#4.[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,\dpypythonpy就变成了整行匹配,就只能匹配’py’了。
#-------------------------re模块------------------------------
有了准备知识,我们就可以在Python中使用正则表达式了。Python提供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,所以要特别注意:
s = ‘ABC\-001’ # Python的字符串
对应的正则表达式字符串变成:
‘ABC-001’
因此我们强烈建议使用Python的r前缀,就不用考虑转义的问题了:
s = r’ABC-001’ # Python的字符串
对应的正则表达式字符串不变:
‘ABC-001’

先看看如何判断正则表达式是否匹配:
import re
print(re.match(r’^\d{3}-\d{3,8}KaTeX parse error: Expected group after '^' at position 95: …int(re.match(r'^̲\d{3}\-\d{3,8}’, ‘010 12345’))
#结果为:None
match()方法从目标字符串的开头位置开始匹配,仅限于开头位置,如果匹配成功,返回一个Match对象,否则返回None。常见的判断方法就是:
test = ‘正则表达式’
if re.match(r’正则表达式’, test):
print(‘ok’)
else:
print(‘failed’) #结果为ok
#*********************************
test = ‘用户输入的字符串’
if re.match(r’正则表达式’, test):
print(‘ok’)
else:
print(‘failed’) #结果为failed
#search():从目标字符串的任意位置开始匹配数据,仅匹配成功一次,如果目标字符串有多个符合要求的结果,也只能找到一个。
pattern_obj=re.compile(’(my)’)
res=re.search(pattern_obj,‘hahamyheiheimy’)
print(res[0]) #my不要括号时,可以用
print(res.group(1))

#findall():搜素整个目标字符串,会将所有匹配成功的字符串都返回出来。
pattern_obj=re.compile(‘my’)
res=re.findall(pattern_obj,‘hahamyheiheimy’)
print(’====’,res[0])
print(’******’,res[1])
for x in res:
print(x)
#split():以匹配到的符合要求的字符串为分隔符,将目标字符串分隔成一个列表。
pattern_obj=re.compile(‘my’)
res=re.split(pattern_obj,‘hahamyheiheimyhehe’)
print(res)

#sub():使用一个新的字符来替换目标字符串中符合匹配要求的字符。
pattern_obj=re.compile(’-’)
res=re.sub(pattern_obj,’+’,‘a-b-c’)
print(res)

#------------------------切分字符串--------------------------
用正则表达式切分字符串比用固定的字符更灵活,请看正常的切分代码:
print(‘a b c’.split(’ ‘))
#结果为:[‘a’, ‘b’, ‘’, ‘’, ‘c’]
#无法识别连续的空格,用正则表达式试试:
print(re.split(r’\s+’, ‘a b c’))
#结果为:[‘a’, ‘b’, ‘c’]
#无论多少个空格都可以正常分割。加入,试试:
print(re.split(r’[\s,]+’, ‘a,b, c d’))
#结果为:[‘a’, ‘b’, ‘c’, ‘d’]
#再加入;试试:
print(re.split(r’[\s,;]+’, ‘a,b;; c d’))
#结果为:[‘a’, ‘b’, ‘c’, ‘d’]
#如果用户输入了一组标签,下次记得用正则表达式来把不规范的输入转化成正确的数组。
#----------------------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符串的强大功能。用()表示的就是要提取的分组(Group)。比如:
#^(\d{3})-(\d{3,8})KaTeX parse error: Expected 'EOF', got '\d' at position 51: …= re.match(r'^(\̲d̲{3})-(\d{3,8})’, ‘010-12345’)
print(m)
#结果为<_sre.SRE_Match object; span=(0, 9), match=‘010-12345’>
print(m.group(0))
#结果为:‘010-12345’
print(m.group(1))
#结果为:‘010’
print(m.group(2))
#结果为:‘12345’
#如果正则表达式中定义了组,就可以在Match对象上用group()方法提取出子串来。

注意到group(0)永远是原始字符串,group(1)、group(2)……表示第1、2、……个子串。
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])KaTeX parse error: Expected 'EOF', got '#' at position 25: …nt(m.groups())#̲结果为:('19', '05'…
#对于’2-30’,'4-31’这样的非法日期,用正则还是识别不了,或者说写出来非常困难,这时就需要程序配合识别了。

#-------------------------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。举例如下,匹配出数字后面的0:
n=re.match(r’^(\d+)(0*)$’, ‘102300’).groups()
print(n)
结果为:(‘102300’, ‘’)
由于\d+采用贪婪匹配,直接把后面的0全部匹配了,结果0*只能匹配空字符串了。必须让\d+采用非贪婪匹配(也就是尽可能少匹配),才能把后面的0匹配出来,加个?就可以让\d+采用非贪婪匹配:
n1=re.match(r’^(\d+?)(0*)$’, ‘102300’).groups()
print(n1)
#结果为:(‘1023’, ‘00’)

10-02 19:12