正則表達式是一種用來匹配字符串的強有力的武器。它的設(shè)計思想是用一種描述性的語言來給字符串定義一個規(guī)則，凡是符合規(guī)則的字符串，我們就認(rèn)為它“匹配”了，否則，該字符串就是不合法的。
判斷一個字符串是否是合法的Email的方法是：
- 創(chuàng)建一個匹配Email的正則表達式；
- 用該正則表達式去匹配用戶的輸入來判斷是否合法。
# 在正則表達式中，如果直接給出字符，就是精確匹配
# \d可以匹配一個數(shù)字
# \w可以匹配一個字母或數(shù)字
'00\d'可以匹配'007'，但無法匹配'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
'py.'可以匹配'pyc'、'pyo'、'py!'等等
# *表示任意個字符（包括0個）
# +表示至少一個字符，
# ?表示0個或1個字符
# {n}表示n個字符
# {n,m}表示n-m個字符
# 一個復(fù)雜的例子：\d{3}\s+\d{3,8}
\d{3}表示匹配3個數(shù)字，例如'010'
\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
\d{3,8}表示3-8個數(shù)字，例如'1234567'
# 上面的正則表達式可以匹配以任意個空格隔開的帶區(qū)號的電話號碼
# []表示范圍
[0-9a-zA-Z\_]可以匹配一個數(shù)字、字母或者下劃線
[0-9a-zA-Z\_]+可以匹配至少由一個數(shù)字、字母或者下劃線組成的字符串，比如'a100'，'0_Z'，'Py3000'等等
[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下劃線開頭，后接任意個由一個數(shù)字、字母或者下劃線組成的字符串，也就是Python合法的變量
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精確地限制了變量的長度是1-20個字符（前面1個字符+后面最多19個字符）
# A|B可以匹配A或B，所以(P|p)ython可以匹配'Python'或者'python'。
# ^表示行的開頭，^\d表示必須以數(shù)字開頭。
# $表示行的結(jié)束，\d$表示必須以數(shù)字結(jié)束。
py也可以匹配'python'，但是加上^py$就變成了整行匹配，就只能匹配'py'了
re模塊
Python提供re模塊，包含所有正則表達式的功能
# 由于Python的字符串本身也用\轉(zhuǎn)義，所以要特別注意
s = 'ABC\\-001' # Python的字符串
# 對應(yīng)的正則表達式字符串變成 'ABC\-001'
# 因此建議使用Python的r前綴，就不用考慮轉(zhuǎn)義的問題了
s = r'ABC\-001' # Python的字符串
# 對應(yīng)的正則表達式字符串不變 'ABC\-001'
# 如何判斷正則表達式是否匹配：
>>> import re
>>> re.match(r'^\d{3}\-\d{3,8}$', '010-12345')
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> re.match(r'^\d{3}\-\d{3,8}$', '010 12345')
>>>
# match()方法判斷是否匹配，如果匹配成功，返回一個Match對象，否則返回None。常見的判斷方法就是：
test = '用戶輸入的字符串'
if re.match(r'正則表達式', test):
print('ok')
else:
print('failed')
切分字符串
用正則表達式切分字符串比用固定的字符更靈活
# 正常的切分代碼
>>> 'a b c'.split(' ')
['a', 'b', '', '', 'c']
# 無法識別連續(xù)的空格，用正則表達式
>>> re.split(r'\s+', 'a b c')
['a', 'b', 'c']
# 無論多少個空格都可以正常分割。加入,
>>> re.split(r'[\s\,]+', 'a,b, c d')
['a', 'b', 'c', 'd']
# 加入;
>>> re.split(r'[\s\,\;]+', 'a,b;; c d')
['a', 'b', 'c', 'd']
分組
正則表達式還有提取子串的強大功能
# 用()表示的就是要提取的分組（Group）
# ^(\d{3})-(\d{3,8})$分別定義了兩個組，可以直接從匹配的字符串中提取出區(qū)號和本地號碼
>>> m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
>>> m
<_sre.SRE_Match object; span=(0, 9), match='010-12345'>
>>> m.group(0)
'010-12345'
>>> m.group(1)
'010'
>>> m.group(2)
'12345'
# 如果正則表達式中定義了組，就可以在Match對象上用group()方法提取出子串來。
# 注意到group(0)永遠是原始字符串，group(1)、group(2)……表示第1、2、……個子串。
# 另一個例子：
>>> t = '19:05:30'
>>> m = re.match(r'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$', t)
>>> m.groups()
('19', '05', '30')
# 這個正則表達式可以直接識別合法的時間。但有時候，用正則表達式也無法做到完全驗證，比如識別日期：
'^(0[1-9]|1[0-2]|[0-9])-(0[1-9]|1[0-9]|2[0-9]|3[0-1]|[0-9])$'
# 對于'2-30'，'4-31'這樣的非法日期，用正則還是識別不了，或者說寫出來非常困難，這時就需要程序配合識別了
貪婪匹配
正則匹配默認(rèn)是貪婪匹配，也就是匹配盡可能多的字符。
# 舉例如下，匹配出數(shù)字后面的0：
>>> re.match(r'^(\d+)(0*)$', '102300').groups()
('102300', '')
# 由于\d+采用貪婪匹配，直接把后面的0全部匹配了，結(jié)果0*只能匹配空字符串了。
# 必須讓\d+采用非貪婪匹配（也就是盡可能少匹配），才能把后面的0匹配出來，加個?就可以讓\d+采用非貪婪匹配：
>>> re.match(r'^(\d+?)(0*)$', '102300').groups()
('1023', '00')
編譯
當(dāng)我們在Python中使用正則表達式時，re模塊內(nèi)部會干兩件事情
- 編譯正則表達式，如果正則表達式的字符串本身不合法，會報錯
- 用編譯后的正則表達式去匹配字符串
如果一個正則表達式要重復(fù)使用幾千次，出于效率的考慮，我們可以預(yù)編譯該正則表達式，接下來重復(fù)使用時就不需要編譯這個步驟了，直接匹配
>>> import re
# 編譯:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')
# 編譯后生成Regular Expression對象，由于該對象自己包含了正則表達式，所以調(diào)用對應(yīng)的方法時不用給出正則字符串。
