Python正規表示式

#-------------------------正規表示式----------------------------------#

#正規表示式(regular expression)描述了一種字串匹配的模式（pattern），
#它的設計思想是用一種描述性的語言來給字串定義乙個規則，
#凡是符合規則的字串，我們就認為它「匹配」了，否則，該字串就是不合法的。
#可以用來檢查乙個串是否含有某種子串、將匹配的子串替換或者從某個串中取出符合某個條件的子串等。
#----------------------------規則-----------------------------------#
#（1）直接給出字元，就是精確匹配
#（2）\d可以匹配乙個數字   '00\d'可以匹配'007'  '\d\d\d'可以匹配'010'
#（3）\w可以匹配乙個字母或數字  '\w\w\d'可以匹配'py3'
#（4）.可以匹配任意字元   'py.'可以匹配'pyc'、'pyo'、'py!'等等
#（5）\s可以匹配乙個空格（也包括tab等空白符）  
#（6）要匹配變長的字元，用*表示任意個字元（包括0個），用+表示至少乙個字元，用?表示0個或1個字元，    \s+表示至少有乙個空格
#（7）用表示n個字元，用表示n-m個字元    \d表示匹配3個數字   \d表示3-8個數字，例如'1234567'
#（8）特殊字元，在正規表示式中，要用'\'轉義    \-匹配'-'
#（9）要做更精確地匹配，可以用表示範圍
#     [0-9a-za-z\_]可以匹配乙個數字、字母或者下劃線；
#     [0-9a-za-z\_]+可以匹配至少由乙個數字、字母或者下劃線組成的字串，比如'a100'，'0_z'，'py3000'等等；
#     [a-za-z\_][0-9a-za-z\_]*可以匹配由字母或下劃線開頭，後接任意個由乙個數字、字母或者下劃線組成的字串，也就是python合法的變數；
#     [a-za-z\_][0-9a-za-z\_]更精確地限制了變數的長度是1-20個字元（前面1個字元+後面最多19個字元）。
#（10）a|b可以匹配a或b      (p|p)ython可以匹配'python'或者'python'
#（11）^表示行的開頭，^\d表示必須以數字開頭。
#（12）$表示行的結束，\d$表示必須以數字結束。
#----------------------python中的正規表示式-------------------------#
#注意：使用python的r字首，就不用考慮轉義的問題
import re    #re模組，包含所有正規表示式的功能
print(re.match(r'^\d\-\d$','010-123456'))    
#匹配，返回match物件：<_sre.sre_match object; span=(0, 10), match='010-123456'>
print(re.match(r'^\d\-\d$','010 123456'))    #不匹配，返回none 
#切分字串
print(re.split(r'\s+','a b   c'))  #['a', 'b', 'c']
print( re.split(r'[\s\,]+', 'a,b, c  d'))  #['a', 'b', 'c', 'd']
print(re.split(r'[\s\,\;]+', 'a,b;; c  d,;  e'))   #['a', 'b', 'c', 'd', 'e']
#分組，提取子串  用()表示的就是要提取的分組（group）
#group(0)永遠是原始字串，group(1)、group(2)……表示第1、2、……個子串
m=re.match(r'^(\d)-(\d)$','123-4567890')
print(m)
print(m.group(0),m.group(1),m.group(2))   #123-4567890 123 4567890
#識別合法的時間
t = '19:05:30'
m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
#0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9] 表示 00-09|10-19|20-29|30-39|40-49|50-59|0-9
#貪婪匹配   正則匹配預設是貪婪匹配，也就是匹配盡可能多的字元
print(re.match(r'^(\d+)(0*)$', '102300').groups())   #('102300', '')
#由於\d+採用貪婪匹配，直接把後面的0全部匹配了，結果0*只能匹配空字串了
#必須讓\d+採用非貪婪匹配（也就是盡可能少匹配），才能把後面的0匹配出來，加個?就可以讓\d+採用非貪婪匹配
print( re.match(r'^(\d+?)(0*)$', '102300').groups())   #('1023', '00')
#編譯#我們在python中使用正規表示式時，re模組內部會幹兩件事情：
#編譯正規表示式，如果正規表示式的字串本身不合法，會報錯；
#用編譯後的正規表示式去匹配字串。
#如果乙個正規表示式要重複使用幾千次，出於效率的考慮，我們可以預編譯該正規表示式，接下來重複使用時就不需要編譯這個步驟了，直接匹配
re_telephone = re.compile(r'^(\d)-(\d)$')
print( re_telephone.match('010-12345').groups()) #('010', '12345')
print(re_telephone.match('010-8086').groups())  #('010', '8086')
#email位址的正規表示式
re_email=re.compile(r'([a-za-z0-9][a-za-z0-9\.]+)\@(\w+)(\.com)')
str2='[email protected]'
#('someone', 'gmail', '.com')  
str1='[email protected]'
#('bill.gates', 'microsoft', '.com')
if re_email.match(str1) is
notnone:
print(re_email.match(str1).groups())    
else:
print('not match!')  
re_email2=re.compile(r'(\<[0-9a-za-z\s]+\>\s+[0-9a-za-z\.]+)\@(\w+)(\.\w+)')
str3='[email protected]'
#('tom', 'voyager', '.org')
if re_email2.match(str3) is
notnone:
print(re_email2.match(str3).groups())    
else:
print('not match!')

python正規表示式元字元 正規表示式

字元 描述將下乙個字元標記為乙個特殊字元 或乙個原義字元 或乙個 向後引用 或乙個八進位制轉義符。例如，n 匹配字元 n n 匹配乙個換行符。序列 匹配 而 則匹配 匹配輸入字串的開始位置。如果設定了 regexp 物件的 multiline 屬性，也匹配 n 或 r 之後的位置。匹配輸入字串的結束...

Python 正規表示式

1.在python中，所有和正規表示式相關的功能都包含在re模組中。2.字元 表示 字串的末尾 如 road 則表示 只有當 road 出現在乙個字串的尾部時才會匹配。3.字元 表示 字元中的開始 如 road 則表示 只有當 road 出現在乙個字串的頭部時才會匹配。4.利用re.sub函式對字串...

Python正規表示式

學習python自然而然就不得不面對正規表示式這個難題。當初在沒有學習python之前，自己也曾經嘗試著學習過正規表示式，但是那時候感覺很麻煩，很難懂，結果就是不了了之。但是現在學習python我用的書是 python基礎教程 第二版 這本書中對re模組的講解很簡單易懂，內容不多但起碼把人領進門了，...