基本介绍
字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的 Email 地址，虽然可以编程提取 @ 前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。
正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。所以我们判断一个字符串是否是合法的 Email 的方法是：
- 创建一个匹配 Email 的正则表达式；
- 用该正则表达式去匹配用户的输入来判断是否合法。
因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。
在正则表达式中，如果直接给出字符，就是精确匹配。用 \d 可以匹配一个数字， \w 可以匹配一个字母或数字，所以：
- '00\d' 可以匹配 '007' ，但无法匹配 '00A' ；
- '\d\d\d' 可以匹配 '010' ；
- '\w\w\d' 可以匹配 'py3' ；
- . 可以匹配任意字符，所以：'py.' 可以匹配 'pyc' 、 'pyo' 、 'py!' 等等。
- 要匹配变长的字符，在正则表达式中，用 * 表示任意个字符（包括 0 个），
- 用 + 表示至少一个字符，用 ? 表示 0 个或 1 个字符，用 {n} 表示 n 个字符，用 {n,m} 表示 n-m 个字符：
来看一个复杂的例子： \d{3}\s+\d{3,8} 。我们来从左到右解读一下：
- \d{3} 表示匹配 3 个数字，例如 '010' ；
- \s 可以匹配一个空格（也包括 Tab 等空白符），所以 \s+ 表示至少有一个空格，例如匹配 ' ' ， ' ' 等；
- \d{3,8} 表示 3-8 个数字，例如 '1234567' 。
综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。
如果要匹配 '010-12345' 这样的号码呢？由于 '-' 是特殊字符，在正则表达式中，要用 '\' 转义，所以，上面的正则是 \d{3}\-\d{3,8}。但是，仍然无法匹配 '010 - 12345' ，因为带有空格。所以我们需要更复杂的匹配方式。
进阶
要做更精确地匹配，可以用 [] 表示范围，比如：
- [0-9a-zA-Z\_] 可以匹配一个数字、字母或者下划线；
- [0-9a-zA-Z\_]+ 可以匹配至少由一个数字、字母或者下划线组成的字符串，比如 'a100' ， '0_Z' ， 'Py3000' 等等；
- [a-zA-Z\_][0-9a-zA-Z\_]* 可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是 Python合法的变量；
- [a-zA-Z\_][0-9a-zA-Z\_]{0, 19} 更精确地限制了变量的长度是1-20个字符（前面 1 个字符+后面最多 19 个字符）。
- A|B 可以匹配 A 或 B，所以 [P|p]ython 可以匹配 'Python' 或者 'python' 。
- ^ 表示行的开头， ^\d 表示必须以数字开头。
- $ 表示行的结束， \d$ 表示必须以数字结束。你可能注意到了， py 也可以匹配 'python' ，但是加上 ^py$ 就变成了整行匹配，就只能匹配 'py' 了。
网友评论