文章目錄

• 正則表示式
• 一、基本使用
• 二、進階——更精確
• 三、re模組
• 1、match()方法
• 2、split()——切分字串
• 3、()——分組
• 4、貪婪匹配
• 5、編譯

正則表示式

• 用於匹配字串。
• 思想 ：用一種描述性的語言來給字串定義一個規則，凡事符合規則的字串，則認為“匹配”，否則，不合法。

一、基本使用

注意：可以使用多者的組合形式。
eg：\d{3}\s+\d{3,8}

1. \d{3}表示匹配 3 個數字，例如’010’；
2. \s 可以匹配一個空格（也包括 Tab 等空白符），所以\s+表示至少有一個空格，例如匹配’ '， ’ '等；
3. \d{3,8}表示 3-8 個數字，例如’1234567’。

二、進階——更精確

[] 表示範圍，eg：

• [0-9a-zA-Z_] 可以匹配一個數字、字母或者下劃線；
• [0-9a-zA-Z_]+可以匹配至少由一個數字、字母或者下劃線組成的字串；
• [a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下劃線開頭，後接任意個由一個數字、字母或者下劃線組成的字串;==》合法的變數

A|B 匹配 A 或 B
^ 表示行的開頭，^\d 表示必須以數字開頭
$ 表示行的結束，\d$ 表示必須以數字結束

三、re模組

包含所有正則表示式的功能，需特別注意 \ 轉義 或 使用r字首（可以不考慮轉義的問題，推薦）

1、match()方法

match()方法 判斷是否匹配，如果匹配成功，返回一個 Match 物件，否則返回 None。

import re
print(re.match(r'^\d{3}\-\d{3,8}$', '010-12345'))
print(re.match(r'^\d{3}\-\d{3,8}$', '010 12345'))

結果輸出

<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
None

常用判斷方法

test = '使用者輸入的字串'
if re.match(r'正則表示式', test):
    print('ok')
else:
    print('failed')

2、split()——切分字串

利用正則表示式將不規範的輸入轉化為正確的陣列

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

輸出結果

['a', 'b', 'c']
['a', 'b', 'c', 'd']
['a', 'b', 'c', 'd']

3、()——分組

用於提取子串，用 () 表示要提取的分組。

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(m)
print(m.group(0))   # 第一個匹配的子串，永遠是原始字串
print(m.group(1))   # 第二個匹配的子串
print(m.group(2))   # 第三個匹配的子串

t = '19:05:30'
m = re.match(r'(0[0-9]|1[0-9]|2[0-3])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
print(m.groups())

結果輸出

<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
010-12345
010
12345
('19', '05', '30')

4、貪婪匹配

正則匹配預設是貪婪匹配，即匹配儘可能多的字元。

## 貪婪匹配
print(re.match(r'^(\d+)(0*)$', '102300').groups())
## 非貪婪匹配——新增？
print(re.match(r'^(\d+?)(0*)$', '102300').groups())

結果輸出

('102300', '')
('1023', '00')

5、編譯

當使用正則表示式時，re模組內部會做兩個事：

• 編譯正則表示式，若其本身不合法，則報錯；
• 用編譯後的正則表示式來匹配字串。

預編譯正則表示式（若該正則表達要重複使用幾千次）：
編譯後生成Regular Expression 物件，可以呼叫對應的方法實現字串匹配。

# 編譯正則表示式
re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用
print(re_telephone.match('010-123456').groups())
print(re_telephone.match('010-8086').groups())

結果輸出

('010', '123456')
('010', '8086')