技术

正则表达式

Python中的正则表达式

实际编程开发中，会遇到很多字符串处理相关的工作，因此专为处理匹配字符串的正则表达式一定需要花时间学习的。

基础表达

我们以匹配一个简单的邮箱*liangzelang@gmail.com*为例介绍正则表达式的入门方法。

基本元素表达

  • \w表示匹配一个字母或数字
  • \d表示匹配一个数字
  • \s表示匹配一个空格
  • .表示匹配任意字符

基本数量表达

有了上述的基本表达，那么我们可以看一下如果匹配不同数量的字符

  • +表示一个或以上的字符，如\d+表示匹配一个或以上的数字字符串，可以匹配1和123456
  • *表示任意个字符，可以是0个，如\w*表示匹配任何个字母或数字
  • ?表示0个或1个字符，如<?liangzelang>?表示匹配liangzelang 或 <liangzelang>
  • {n}表示n个字符，同时可以限定数量范围{m,n},表示m–n个字符

特殊字符表达

  • \转义符，实际工作中会用到很多特殊字符* . ? + $ ^ [ ] ( ) { } | \ /等，这个时候需要加上\转义符

了解了上面的基本表达可以顺利写出邮箱的正则表达式：
\w+@\w+\.\w+ ,为了更直观python的用例如下：

进阶表达

匹配192.168.1.1这个IP地址，可以容易得到\d+\.\d+\.\d+\.\d+,但是这样有个问题就是如果是999.999.999.999也匹配上了,因此我们需要匹配的更加准确

精确范围表达

  • []表示匹配的字符串范围，如[0-9A-Za-z]表示一个数字或者字母
  • ^表示匹配字符串起始
  • $表示匹配字符串结尾
  • [A|B]表示匹配A或者B
    那么正则表达式'^[2[0-5][0-5]|1[0-9][0-9]|[0-9]?[0-9][\.]?]{4}$' 可以匹配192.168.1.1

python re库

以上就是在python中使用正则表达式的基础知识，python中有专门的正则表达式库re,该库主要包含一些处理正则表达式的函数接口：
re模块相关API接口

匹配正则表达式 re.match

以上文讲到的匹配email地址：

1
2
3
4
5
6
import re

if re.match(r'\w+@\w+\.\w+', 'liangzelang@gmail.com'):
    print("OK")
else:
    print("not match")

匹配IP地址：

1
2
3
4
5
6
import re

if re.match(r'^[2[0-5][0-5]|1[0-9][0-9]|[0-9]?[0-9][\.]?]{4}$', '192.168.1.1'):
    print("IP ok")
else:
    print("IP not match")

切分字符 re.split

如果使用正常的字符串切分函数是无法去除多余的字符或者空格的：

1
2
>>> 'a b  c'.split(' ')
['a', 'b', '', 'c']

使用re.split函数：

1
2
3
>>> import re
>>> re.split(r'\s+', 'a b  c')
['a', 'b', 'c']

分组

上文中我们匹配了邮箱和IP，那如果我们要找到邮箱中对应的用户名、邮箱服务商或者IP地址的网段，那么就需要把匹配到的字符串分组；

  • ()表示需要提取的分组

re.match函数返回的Match对象正好有group方法可以提供匹配到每个分组字符串。
match对象的方法

1
2
3
4
5
6
7
8
9
10
11
12
>>> import re
>>> m = re.match(r'^(\w+)@(\w+)\.(\w+)$', 'liangzelang@gmail.com')
>>> m
<re.Match object; span=(0, 21), match='liangzelang@gmail.com'>
>>> m.group(0)
'liangzelang@gmail.com'
>>> m.group(1)
'liangzelang'
>>> m.group(2)
'gmail'
>>> m.group(3)
'com'

编译 re.compile

实际使用中一般先编译正则表达式，可以确保正则表达式本身没有语法错误，然后再使用编译后的正则表达式直接匹配使用。如果反复使用效率会有较大提升。

1
2
3
4
5
>>> re.compile(r'^(\w+)@(\w+)\.(\w+)$')
re.compile('^(\\w+)@(\\w+)\\.(\\w+)$')
>>> email = re.compile(r'^(\w+)@(\w+)\.(\w+)$')
>>> email.match('liangzelang@gmail.com').groups()
('liangzelang', 'gmail', 'com')

参考

Linux正则表达式

  • 未完待续