【Python 第58课】 正则表达式（4）

crossin先生

1.

我们已经了解了正则表达式中的一些特殊符号，如\b、\d、.、\S等等。这些具有特殊意义的专用字符被称作“元字符”。常用的元字符还有：

\w - 匹配字母或数字或下划线或汉字（我试验下了，发现3.x版本可以匹配汉字，但2.x版本不可以）
\s - 匹配任意的空白符
^ - 匹配字符串的开始
$ - 匹配字符串的结束

2.
\S其实就是\s的反义，任意不是空白符的字符。同理，还有：

\W - 匹配任意不是字母，数字，下划线，汉字的字符
\D - 匹配任意非数字的字符
\B - 匹配不是单词开头或结束的位置

[a]的反义是[^a]，表示除a以外的任意字符。[^abcd]就是除abcd以外的任意字符。

3.
之前我们用过*、+、{}来表示字符的重复。其他重复的方式还有：

? - 重复零次或一次
{n,} - 重复n次或更多次
{n,m} - 重复n到m次

正则表达式不只是用来从一大段文字中抓取信息，很多时候也被用来判断输入的文本是否符合规范，或进行分类。来点例子看看：
^\w{4,12}$
这个表示一段4到12位的字符，包括字母或数字或下划线或汉字，可以用来作为用户注册时检测用户名的规则。（但汉字在python2.x里面可能会有问题）

\d{15,18}
表示15到18位的数字，可以用来检测身份证号码

^1\d*x?
以1开头的一串数字，数字结尾有字母x，也可以没有。有的话就带上x。

另外再说一下之前提到的转义字符\。如果我们确实要匹配.或者*字符本身，而不是要它们所代表的元字符，那就需要用\.或\*。\本身也需要用\\。
比如"\d+\.\d+"可以匹配出123.456这样的结果。

留一道稍稍有难度的习题：
写一个正则表达式，能匹配出多种格式的电话号码，包括
(021)88776543
010-55667890
02584453362
0571 66345673

#==== Crossin的编程教室 ====#
微信ID：crossincode
论坛：http://crossin.me
QQ群：156630350

面向零基础初学者的编程课
每天5分钟，轻松学编程

crossin先生

loveting0jie 发表于 2018-6-22 11:28
例如：
import re
f = open('J:\黄杰\学习文件\练习\正则表达式\员工信息登记表.txt')

这要看你数据里具体是怎样的形式，有分行或空格的话，可以通过 \b 边界符来避免手机号和身份证号
前面课程有提到这个符号

loveting0jie

loveting0jie 发表于 2018-6-22 11:25
[(]?0\d{2,3}[ )-]?\d{8}
\(?0\d{2,3}[) -]?\d{7,8}
\(0\d{2,3}\)\d{8}|0\d{2,3}[ -]?\d{8}

例如：
import re
f = open('J:\黄杰\学习文件\练习\正则表达式\员工信息登记表.txt')
data = f.read()

a = re.findall(r'\(0\d{2,3}\)\d{8}|0\d{2,3}[ -]?\d{8}',data)
print(a)

f.close()结果：
['098219781020', '010619920410', '092319841019', '011519850315', '010619860329', '082219900115', '050219900104', '005198703026', '011978021509', '092119840108', '081199508113', '062119970505', '(021)88776543', '050219940911', '010-55667890', '098419950322', '011519871217', '0571 66345673', '004199303160', '022219880115', '058319890712', '062519920228', '032419941023', '098119940110', '068219831108', '006198510077']

loveting0jie

[(]?0\d{2,3}[ )-]?\d{8}
\(?0\d{2,3}[) -]?\d{7,8}
\(0\d{2,3}\)\d{8}|0\d{2,3}[ -]?\d{8}
这样写感觉有局限性，当大量人员数据包含（手机号、身份证号、座机号等等），这个不光会匹配座机号，也会将手机号和身份证号的部分内容截取出来，我只需要座机号要怎么处理？

crossin先生

宝丁 发表于 2018-5-15 10:12
先生好：
(?: exp)  #exp是正则表达式
这样子不捕获也不参与组号分配，这样做的原因是为了对那些只用一次的 ...

你不要捕获exp匹配的内容，只需要用它来定位

宝丁

先生好：
(?: exp)  #exp是正则表达式
这样子不捕获也不参与组号分配，这样做的原因是为了对那些只用一次的分组，省内存嘛？
还是因为别的原因，
在什么情况下我们会用到呢？

IRVING_LEE

crossin先生 发表于 2018-2-22 13:05
\b 的话，会识别标点和数字交界

谢谢先生

crossin先生

IRVING_LEE 发表于 2018-2-21 19:49
先生，不知道你还在不在：）
我第一次的时候在正则表达式两端加上了 \b
然后发现(021)88776543这个号码就 ...

\b 的话，会识别标点和数字交界

IRVING_LEE

先生，不知道你还在不在：）
我第一次的时候在正则表达式两端加上了 \b
然后发现(021)88776543这个号码就被匹配成了021)88776543
这应该怎么理解呢？

chchch0720

crossin先生 发表于 2017-9-22 22:47
\(?0\d{2,3}?[\) \-]?\d{8}

但你这个所有号码连在一起，本来就会有歧义，很难处理 ...

好啦谢谢先生，主要是想把放在一起的几个号码分别匹配出来，现在OK了