【学习笔记】Python正则表达式

一、准备知识
\d：匹配一个数字
\w：匹配一个字母
. ：匹配任意字符
\s ：匹配一个空格

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

[0-9a-zA-Z_]可以匹配一个数字、字母或者下划线
(P|p)ython可以匹配'Python'或者'python'
^py$只能匹配'py'了

二、在Python中使用
（1）匹配

import re
re.match(r'^\d{3}-\d{3,8}$', '010-12345')
<_sre.SRE_Match object at 0x1026e18b8>
re.match(r'^\d{3}-\d{3,8}$', '010 12345')

match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None

（2）切分字符串

import re
re.split(r'[\s\,\;]+', 'a,b;; c d')
['a', 'b', 'c', 'd']

（3）提取子串

import re
m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
m.group(0)
'010-12345'
m.groups()
('010', '12345')
m.group(1)
'010'
m.group(2)
'12345'
用()表示的就是要提取的分组（Group），group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串

（4）贪婪匹配
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：

re.match(r'^(\d+)(0)$', '102300').groups()
('102300', '')
由于\d+采用贪婪匹配，直接把后面的0全部匹配了，结果0只能匹配空字符串了。

必须让\d+采用非贪婪匹配（也就是尽可能少匹配），才能把后面的0匹配出来，加个?就可以让\d+采用非贪婪匹配：

re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')

（5）编译
先编译-后匹配，提高效率

import re

编译:

re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')

使用：

re_telephone.match('010-12345').groups()
('010', '12345')
re_telephone.match('010-8086').groups()
('010', '8086')

三、实例
#邮箱匹配
import re

reemail = re.compile(r'^[0-9a-zA-Z][0-9a-zA-Z\.]+\@[0-9a-z]+.(com|cn|org|net)$')

m = re_email.match(email)

if m:
print "OK."
else:
print "You have input a wrong e-mail."