【python】Regex

標籤：無法   特殊   pyc   匹配   IV   spl   png   例子   先行編譯   

No1：

在Regex中，如果直接給出字元，就是精確匹配。用\d可以匹配一個數字，\w可以匹配一個字母或數字，所以：

• ‘00\d‘可以匹配‘007‘，但無法匹配‘00A‘；

• ‘\d\d\d‘可以匹配‘010‘；

• ‘\w\w\d‘可以匹配‘py3‘；

.可以匹配任一字元，所以：

• ‘py.‘可以匹配‘pyc‘、‘pyo‘、‘py!‘等等。

No2：

要匹配變長的字元，在Regex中，用*表示任意個字元（包括0個），用+表示至少一個字元，用?表示0個或1個字元，用{n}表示n個字元，用{n,m}表示n-m個字元：

來看一個複雜的例子：\d{3}\s+\d{3,8}。

我們來從左至右解讀一下：

1. \d{3}表示匹配3個數字，例如‘010‘；

2. \s可以匹配一個空格（也包括Tab等空白符），所以\s+表示至少有一個空格，例如匹配‘ ‘，‘ ‘等；

3. \d{3,8}表示3-8個數字，例如‘1234567‘。

綜合起來，上面的Regex可以匹配以任意個空格隔開的帶區號的電話號碼。

如果要匹配‘010-12345‘這樣的號碼呢？由於‘-‘是特殊字元，在Regex中，要用‘\‘轉義，所以，上面的正則是\d{3}\-\d{3,8}。

No3：

要做更精確地匹配，可以用[]表示範圍，比如：

• [0-9a-zA-Z\_]可以匹配一個數字、字母或者底線；

• [0-9a-zA-Z\_]+可以匹配至少由一個數字、字母或者底線組成的字串，比如‘a100‘，‘0_Z‘，‘Py3000‘等等；

• [a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或底線開頭，後接任意個由一個數字、字母或者底線組成的字串，也就是Python合法的變數；

• [a-zA-Z\_][0-9a-zA-Z\_]{0, 19}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）。

A|B可以匹配A或B，所以(P|p)ython可以匹配‘Python‘或者‘python‘。

^表示行的開頭，^\d表示必須以數字開頭。

$表示行的結束，\d$表示必須以數字結束。

你可能注意到了，py也可以匹配‘python‘，但是加上^py$就變成了整行匹配，就只能匹配‘py‘了

No4：

>>> import re>>> re.match(r‘^\d{3}\-\d{3,8}$‘, ‘010-12345‘)<_sre.SRE_Match object; span=(0, 9), match=‘010-12345‘>>>> re.match(r‘^\d{3}\-\d{3,8}$‘, ‘010 12345‘)>>>

match()方法判斷是否匹配，如果匹配成功，返回一個Match對象，否則返回None。

No5：

切分字串

>>> ‘a b   c‘.split(‘ ‘)[‘a‘, ‘b‘, ‘‘, ‘‘, ‘c‘]

>>> re.split(r‘\s+‘, ‘a b   c‘)[‘a‘, ‘b‘, ‘c‘]

>>> re.split(r‘[\s\,]+‘, ‘a,b, c  d‘)[‘a‘, ‘b‘, ‘c‘, ‘d‘]

>>> re.split(r‘[\s\,\;]+‘, ‘a,b;; c  d‘)[‘a‘, ‘b‘, ‘c‘, ‘d‘]

No6：

分組

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)>>> m.groups()(‘19‘, ‘05‘, ‘30‘)

對於‘2-30‘，‘4-31‘這樣的非法日期，用正則還是識別不了，或者說寫出來非常困難，這時就需要程式配合識別了

No7：

貪婪匹配

非貪婪匹配

No8：

先行編譯Regex

【python】Regex