正则表达式基础解析

正则表达式

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。

• 在正则表达式中，如果直接给出字符，就是精确匹配。

• \d：匹配一个数字

• \w：匹配一个字母或数字

  '00\d':可以匹配'007',但无法匹配'00A';
  '\d\d\d':可以匹配'010';
  '\w\w\d':可以匹配'py3';
  

• . 可以匹配任意字符

  'py.'可以匹配'pyc'、'pyo'、'py!'等等。
  

• 匹配变长字符

  • * 表示任意个字符（包括0个）
  • + 表示至少一个字符
  • ？ 表示0个或1个字符
  • {n} 表示n个字符
  • {n, m} 表示n - m个字符

  \d{3}\s+\d{3, 8}:
  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

• [0-9a-zA-Z_]可以匹配一个数字、字母或者下划线；
• [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；
• [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；
• [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'。

• ^{表示行开头；}\d表示必须以数字开头
• \(表示行的结束；\d\)表示必须以数字结束

py也可以匹配'python'，但是加上^py$就变成了整行匹配，就只能匹配'py'了。