Python中的正则表达式（第1节）

正则表达式的英文为“Regular Expression”，在计算机编程中简写为regex、regexp或RE，其中“Regular”翻译为“正则”、“正规”、“常规”、“规则”、“规律”，“Regular Expression”可以理解为“描述某种规则的表达式”。

在Python中，正则表达式是一种强大的文本处理工具，它能够以某个规则匹配、搜索、替换或拆分复杂的字符串，被广泛运用于字符串处理、文本分析、数据挖掘等领域。正则表达式在程序开发中会经常用到，比如在登录页面对输入的字符串进行合法性验证，在输入邮箱用户名时，系统会对输入的内容进行合法性验证，邮箱用户名可以包含字母、数字、点号“.”、加号“+”和下划线“_”，但不能以点号开头或结尾，后加“@”以及邮箱地址等，如果不符合邮箱用户名的格式，就会报错，这里所使用的验证方式一般就是正则表达式。

正则表达式语法

1、普通字符

普通字符包括所有大小写字母、所有数字、所有标点符号和一些其它符号。如果想要判断一个字符串是否为数字（即判断是否为0~9的十个数字中任意一个数字），如果按传统的方法，我们可能需要通过10个条件去判断这个字符串是否等于这10个数字，那么通过正则表达式判断可以更加简便。例如：

一、正则表达式判断一个字符串是否为数字：

[0123456789]

方括号“[]”表示匹配指定范围内的字符，[0123456789]可以匹配0到9中任意一个数字，只要输入的数字和方括号中任意一个数字相同，即为匹配成功。 然而，把每个字符都列出来太麻烦了，所以Python规定如果字符是连续有序的，可以用“-”省略。所以，可以改写为：

[0-9]

二、正则表达式判断一个字符串是否为小写字母或大写字母：

[a-z]   # 判断一个字符串是否为小写字母
[A-Z]   # 判断一个字符串是否为大写字母

如果想要判断一个字符串是否为小写字母，正则表达式可以写成“[a-z]”；判断一个字符串是否为大写字母，正则表达式可以写成“[A-Z]”。这里需要注意的是，判断所有的英文字母（包括大写和小写），不能直接用[A-z]来表示，因为从小写字母到大写字母的ASCII码并不连续，正确的表达方式应该为：

[A-Za-z]   #或者    [a-zA-Z]

三、正则表达式判断字符串的长度：

# 判断字符串是否为一个两位数字
[0-9][0-9] 

# 判断字符串是否为一个三位数字
[0-9][0-9][0-9]

从上面的例子中可以看出，想要判断一组字符串是否为几位数字，就用几对方括号表示，每对方括号表示一位数字。

四、正则表达式判断输入的字母是大写的“N”或者是小写的“n”：

[Nn]

判断输入的字母是大写的“N”或者是小写的“n”，可以写出“[Nn]”，但是如果要判断New或new，相同的部分只要写一遍即可：

[Nn]ew

五、正则表达式匹配[...]中的所有字符：

[aeiou]

上面的例子中，我们利用[aeiou]匹配字符串“google runoob taobao”中所有的a、e、i、o、u字母，匹配结果有10处：“o”，“o”，“e”，“u”，“o”，“o”，“a”，“o”，“a”，“o”。

2、字符转义

0~9的数字范围正则表达式为“[0-9]”，其中“-”代表的是一个范围，而不是符号“-”本身，但是如果想要判断字符是不是在“0”，“-”，“9”这三个字符中的一个，就必须使用转义字符了。

在Python中，字符转义是一种特殊的方式来表示不能直接显示的字符，通常是通过在字符前面加上反斜杠“\”来实现的，下面我们用字符转义解决上述问题：

[0\-9]   # 匹配“0”，“-”，“9”三个字符中的任意一个字符

这里需要注意的是，在Python中还有很多类似“-”这样不能直接显示的字符，包括“[”、“]”、“+”、“^”、“$”、“(”、“)”、“*”、“{”、“}”、“|”等，我们称这类有特殊意思的符号为元字符。

3、元字符

前面已经介绍了，0~9的数字范围正则表达式可以写成“[0-9]”，其中的“-”表示范围，并不表示字符“-”本身，像这类字符我们称之为元字符。

下表列出了正则表达式中的元字符：

4、限定符

在正则表达式中，限定符用于指定模式的匹配次数或匹配范围。re模块提供了多种不同的限定符，包括“*”、“+”、“?”、“{n}”、“{n,}”和“{n, m}”，这些限定符可以实现更灵活和精确的匹配操作，下一节教程中将会详细讲解re模块。

“*”限定符：表示匹配前一个字符的0次或多次重复。例如，正则表达式“a*”可以匹配空字符串、“a”、“aa”、“aaa”……等。

“+”限定符：表示匹配前一个字符的一次或多次重复。例如，正则表达式“a+”可以匹配“a”、“aa”、“aaa”……等。

“?”限定符：表示匹配前一个字符的0次或一次重复。例如，正则表达式“a?”可以匹配空字符串或“a”。

“{n}”限定符：用于指定前一个字符的精确重复次数。例如，正则表达式“a{3}”可以匹配“aaa”。

“{n,m}”限定符：用于指定前一个字符重复的范围，最少匹配n次，且最多匹配m次。例如，正则表达式“a{2,4}”可以匹配“aa”、“aaa”、“aaaa”，注意{n,m}里面不能有空格。

“{n,}”限定符：用于指定前一个字符重复的最小次数。例如，正则表达式“a{2,}”可以匹配“aa”、“aaa”、“aaaa”……等，注意{n,}里面不能有空格。

5、定位符

在正则表达式中，定位符能够将正则表达式固定到行首或行尾，用来描述字符串或单词的边界，“^”匹配字符串开始的位置，“$”匹配字符串结束的位置，“\b”匹配单词的前或后边界，“\B”匹配非单词的边界。

“^”定位符：指定模式匹配必须从字符串第一个字符开始，例如“[a-z]+”能匹配a~z的小写字母一次或多次，所以可以匹配“789xyz”中的“xyz”，但“^[a-z]+”不可以匹配“789xyz”中的“xyz”，因为“xyz”并不在字符串的开头。

“$”定位符：指定前面的模式必须出现在字符串的结尾，例如“[a-z]+”可以匹配“xyz789”中的“xyz”，但“[a-z]+$”不可以匹配“xyz789”中的“xyz”，它可以匹配“789xyz”中的“xyz”。

“\b”定位符：指定匹配必须在一个单词的边界上，单词边界是指单词和单词之间的位置，或者是单词和标点符号、换行符等之间的位置。“\b”在匹配时非常有用，可以匹配出某个完整的单词而不是单词中的一部分。例如，“\bis\b”在“This is a test”句子中只匹配完整的单词“is”，而不会匹配到“This”中的“is”。“\bapple\b”在“I have an apple. I love apples.”句子中只匹配完整的单词“apple”，而不会匹配到“apples”。

“\B”定位符：指定匹配不能出现在单词边界上，与“\b”相反，例如“\Bad\w+”意味着找到不以“ad”开头的单词，例如可以匹配“lady”中的“ady”；对于“address”，则无法匹配。

6、正则表达式中“^”符号的两种不同用法

有人会不理解，在正则表达式中，“^”符号为什么即可以匹配字符串的开头，又可以起到否定的作用，两种用法不是相互矛盾吗？其实没有矛盾，我们可以根据“^”符号出现的位置，实现两种不同的用法。

（1）在正则表达式的开头位置

如果“^”符号出现在正则表达式的开头位置，则可以匹配字符串的开头。例如：

动手练一练：

import re

a = "Hello, World!"
b = re.findall(r'^Hello', a)
print(b)  # 输出: ['Hello']

执行以上代码，输出结果为：

['Hello']

上面的例子中，“^Hello”匹配了目标字符串的开头部分，因此只匹配到字符串 "Hello" 。

（1）在字符集中的开头位置

如果“^”符号出现在字符集中的开头位置，则表示否定字符集，字符集用方括号“[]”表示。例如，正则表达式 [^0-9] 表示匹配除了数字之外的任何字符。它将匹配任何非数字字符。例如：

动手练一练：

import re

a = "Hello, 123!"
b = re.findall(r'[^0-9]', a)
print(b)  # 输出: ['H', 'e', 'l', 'l', 'o', ',', ' ', '!']

执行以上代码，输出结果为：

['H', 'e', 'l', 'l', 'o', ',', ' ', '!']

上面的例子中，[^0-9] 匹配了目标字符串中的所有非数字字符，包括空格，匹配结果输出一个列表。

因此，可以根据“^”符号出现的位置，实现两种不同的用法，两种用法没有相互矛盾。