Python——正则表达式 - 详解

类别	概念/符号	说明与示例
​​元字符与特殊序列​​	.	匹配​​除换行符外​​的任意​​单个​​字符 示例：a.b可匹配 "aab", "acb" 等
	^	匹配字符串的​​开始​​。示例：^Hello匹配以 "Hello" 开头的字符串
	$	匹配字符串的​​结束​​。示例：end$匹配以 "end" 结尾的字符串
	``	​​转义​​特殊字符，使其表示字符本身。例如 \.匹配真正的点号，\\匹配反斜杠
	\|	​​或​​操作，匹配两侧的任意一个表达式。示例：cat\|dog匹配 "cat" 或 "dog"
​​量词（重复次数）​​	*	匹配前一个字符​​0次或多次​​。示例：go*d匹配 "gd", "god", "good"
	+	匹配前一个字符​​1次或多次​​。示例：go+d匹配 "god", "good"
	?	匹配前一个字符​​0次或1次​​。示例：colou?r匹配 "color" 或 "colour"
	{m,n}	匹配前一个字符​​至少m次，至多n次​​。示例：a{2,4}匹配 "aa", "aaa", "aaaa"
​​字符集合与范围​​	[abc]	匹配​​方括号内任意一个字符​​。示例：[aeiou]匹配任意小写元音字母
	[a-z]	匹配​​指定范围内的任意一个字符​​。示例：[0-9]匹配任意数字
	[^abc]	​​否定​​字符集合，匹配​​不在​​方括号内的任意一个字符
	\d	匹配任意​​数字​​，等价于 [0-9]
	\D	匹配任意​​非数字​​字符
	\w	匹配​​字母、数字、下划线​​，等价于 [a-zA-Z0-9_]
	\W	匹配​​非字母、数字、下划线​​的字符
	\s	匹配任意​​空白字符​​（空格、制表符、换行符等）
	\S	匹配任意​​非空白​​字符
​​边界匹配（位置）​​	\b	匹配一个​​单词的边界​​（开头或结尾）。示例：\bhello\b匹配独立的单词 "hello"
	\B	匹配​​非单词边界​​
​​分组与捕获​​	( )	​​捕获分组​​，将括号内的模式作为一个整体，并提取匹配的内容。示例：(\d{4})可捕获四位数字
	(?: )	​​非捕获分组​​，只分组但不捕获内容，用于提高效率或逻辑分组
	(?P<name>)	​​命名分组​​，为分组起名，可通过名称引用。示例：(?P<year>\d{4})匹配并命名一个四位数的年份
​​正则标志​​	re.IGNORECASE(re.I)	​​忽略大小写​​进行匹配
	re.MULTILINE(re.M)	​​多行模式​​，使 ^和 $匹配​​每一行​​的开头和结尾，而不仅仅是整个字符串的开头和结尾
	re.DOTALL(re.S)	使元字符 .匹配​​包括换行符在内​​的所有字符

re模块

有了准备知识，我们就可以在Python中使用正则表达式了。Python提供re模块，包含所有正则表达式的功能。

先看看如何判断正则表达式是否匹配（此处忽略手残打错的代码）：

切分字符串

用正则表达式切分字符串比用固定的字符更灵活，请看正常的切分代码：

这里并不能正常识别到连续的空格，用正则表达式试试

分组

除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。比如：

如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。

注意到group(0)永远是与整个正则表达式相匹配的字符串，group(1)、group(2)……表示第1、2、……个子串。

贪婪匹配

最后需要特别指出的是，正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。举例如下，匹配出数字后面的0：

练习

请尝试写一个验证Email地址的正则表达式。版本一应该可以验证出类似的Email：

• someone@gmail.com
• bill.gates@microsoft.com

import re
def is_valid_email(addr):
    return True
# 测试:
assert is_valid_email('someone@gmail.com')
assert is_valid_email('bill.gates@microsoft.com')
assert not is_valid_email('bob#example.com')
assert not is_valid_email('mr-bob@example.com')
print('ok')

版本二可以提取出带名字的Email地址：

• <Tom Paris> tom@voyager.org => Tom Paris
• bob@example.com => bob

import re
def name_of_email(addr):
    return None
# 测试:
assert name_of_email(' tom@voyager.org') == 'Tom Paris'
assert name_of_email('tom@voyager.org') == 'tom'
print('ok')