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。