正则表达式简介

‌正则表达式（‌Regular Expression，简称‌regex）是一种强大的文本处理工具，用于描述、匹配一系列符合特定规则的字符串。它通过使用普通字符和特殊字符（称为元字符）的组合，来定义一个文本模式，从而实现对字符串的搜索、替换等操作。正则表达式在计算机科学中有着广泛的应用，几乎所有现代编程语言都支持正则表达式的使用，包括但不限于‌Java、‌JavaScript、‌Python等。

正则表达式在 Python 中的基本应用

使用正则表达式，首先需要引入一个包re。
Python中，正则表达式的匹配方法分为三种，分别为match，search，findall。以上的方法都接收两个参数，第一个为需要匹配的字符串或正则表达式，第二个为目标字符串。

match方法：从头开始匹配，匹配一次。若目标字符串的开头没有与表达式匹配的元素，返回None。
search方法：从头开始寻找，当查询到第一个符合的位置时，返回找到的元素并停止。
findall方法：查找所有匹配的元素，并全部返回。

正则表达式的语法

单字符的规则

以下组合均代表一个字符。

  • .：代表任意的字符，其中\.代表点本身。
  • []：代表属于括号内范围的字符，其中若表示区间，用“-”表示，不同字符之间不带空格。比如[1-7a-dA-Z]。
  • \d：表示数字0-9。
  • \D：表示非数字。
  • \s：表示空白（空格或Tab）。
  • \S：表示非空白。
  • \w：表示单词字符（大小写，数字和下划线）
  • \W：表示非单词字符。

注意，由于反斜杠在字符串中代表转义字符，因此在代码中需要用“r”来取消对转义字符的识别，示例如下。

1
2
3
import re
s = 'abcdefg1'
print(re.match(r'^[a-g]+\d$'))

字符长度限制规则

以下表达式表示了对前者字符数量的限制：

  • *：表示0到无数个
  • +：表示1到无数个
  • ?：表示0或1个
  • {m}：表示该字符只能出现m次
  • {m,}：表示该字符最少出现m次
  • {m,n}：表示出现m到n次（其中包含n）

需要注意的是，正则的语法中，对空格的限制较为严格，如上述的表达式{m,n}，不能出现任何空格，否则匹配无效。

边界限制

以下表达式限制了字段的边界，即规定查询整个字符串还是字符串的子串。

  • ^：表示字符串开头
  • $：表示字符串结尾
  • \b：表示单词边界
  • \B：表示非单词边界

分组和选择

  • ()：表示这是一个单独的字符串分组，在父级表达式中视作一个字符
  • |：在括号内使用，表示“或”。

应用实例

题目：用正则表达式判定一个字符串是QQ号，长度为5-11位，第一位不能为0.
代码：

1
2
3
4
import re
s = '12345678'
r = r'^[1-9][0-9]{4,10}$'
print(re.match(r, s))

题目：用正则表达式判定一个字符串是电子邮件，电子邮件的规范为xxx[.xxx.xxx]@xxx[.xxx.xxx].xxx
代码：

1
2
3
4
import re
s = '[email protected]'
r = r'(^\w+(\.\w+)*@(qq|gmail|163)(\.\w+)$)'
print(re.match(r, s))

代码返回的结果如下：
<re.Match object; span=(0, 21), match='[email protected]'>

这个代码中，\w+表示至少一个单词字符，(\.\w+)*表示可以存在由点号和至少一个字符组成的后缀，(qq|gmail|163)表示可选三种字段中的任意一个。
注意：findall()方法会将每一个分组列出，对于存在多个分组的表达式，应选择match方法，并且在表达式两边加上括号。

（润啦，最近的Python基础告一段落！）