5、正则表达式

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：

1. 创建一个匹配Email的正则表达式；
2. 用该正则表达式去匹配用户的输入来判断是否合法。

语法规则

re模块

Python提供re模块，包含所有正则表达式的功能。

由于Python的字符串本身也用\转义，所以要特别注意：

s = 'ABC\\-001' # Python的字符串
# 对应的正则表达式字符串变成：
# 'ABC\-001'

因此我们强烈建议使用Python的r前缀，就不用考虑转义的问题了

s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变：
# 'ABC\-001'

match()

re.match(pattern, string[, flags])：这个方法将会从 string（我们要匹配的字符串）的开头开始，尝试匹配 pattern，一直向后匹配，如果遇到无法匹配的字符，立即返回 None，如果匹配未结束已经到达 string 的末尾，也会返回 None。两个结果均表示匹配失败，否则匹配 pattern 成功，同时匹配终止，不再对 string 向后匹配。

import re

msg = '929880282@qq.com'

#匹配邮箱
r = re.compile(r'[A-Za-z0-9]+@\w+.com')

result = re.match(r,msg)

print(type(result))
print(result)

if result:
    print('邮箱匹配成功')
else:
    print('邮箱匹配失败')

'''
<class '_sre.SRE_Match'>
<_sre.SRE_Match object; span=(0, 16), match='929880282@qq.com'>
邮箱匹配成功
'''

search()

re.search(pattern, string[, flags])：search 方法与 match 方法极其类似，区别在于 match () 函数只检测 re 是不是在 string 的开始位置匹配，search () 会扫描整个 string 查找匹配，match（）只有在 0 位置匹配成功的话才有返回，如果不是开始位置匹配成功的话，match () 就返回 None。同样，search 方法的返回对象同样 match () 返回对象的方法和属性

import re
#虽然邮箱的前三位无法匹配，但是从第四位开始符合pattern
msg = '...929880282@qq.com'

#匹配邮箱
r = re.compile(r'[A-Za-z0-9]+@\w+.com')

result = re.search(r,msg)

print(type(result))
print(result)

if result:
    print('邮箱匹配成功')
else:
    print('邮箱匹配失败')

'''
<class '_sre.SRE_Match'>
<_sre.SRE_Match object; span=(3, 19), match='929880282@qq.com'>
邮箱匹配成功
'''

split()

re.split(pattern, string[, maxsplit])：按照能够匹配的子串将 string 分割后返回列表。maxsplit 用于指定最大分割次数，不指定将全部分割。

import re

msg = 'abc1efg2hig3klm'
#按照数字进行分隔
result = re.split(r'\d',msg)

print(type(result))
print(result)

'''
<class 'list'>
['abc', 'efg', 'hig', 'klm']
'''

findall()

re.findall(pattern, string[, flags])：搜索 string，以列表形式返回全部能匹配的子串

import re

msg = 'anis5soid8nosnsaai9nso'
#匹配两个字母中夹一个数字
pattern = r'[a-z]\d[a-z]'

result = re.findall(pattern=pattern,string=msg)

print(type(result))
print(result)

'''
<class 'list'>
['s5s', 'd8n', 'i9n']
'''