Crossin的编程教室

标题: 【Python 第59课】正则表达式（5） [打印本页]

作者: crossin先生 时间: 2013-9-29 16:27
标题: 【Python 第59课】正则表达式（5）

听说有人已经开始国庆假期了，甚至还有人中秋之后就请了年假一休到底，表示羡慕嫉妒恨！今天发完这课，我也要进入休假状态，谁也别拦着我。

来说上次的习题：

(021)88776543

010-55667890

02584453362

0571 66345673

一个可以匹配出所有结果的表达式是

\(?0\d{2,3}[) -]?\d{7,8}

解释一下：

\(?

()在正则表达式里也有着特殊的含义，所以要匹配字符"("，需要用"\("。?表示这个括号是可有可无的。

0\d{2,3}

区号，0xx或者0xxx

[) -]?

在区号之后跟着的可能是")"、" "、"-"，也可能什么也没有。

\d{7,8}

7或8位的电话号码

可是，这个表达式虽然能匹配出所有正确的数据（一般情况下，这样已经足够），但理论上也会匹配到错误的数据。因为()应当是成对出现的，表达式中对于左右两个括号并没有做关联处理，例如(02188776543这样的数据也是符合条件的。

我们可以用正则表达式中的“|”符号解决这种问题。“|”相当于python中“or”的作用，它连接的两个表达式，只要满足其中之一，就会被算作匹配成功。

于是我们可以把()的情况单独分离出来：

$0\d{2,3}$\d{7,8}

其他情况：

0\d{2,3}[ -]?\d{7,8}

合并：

$0\d{2,3}$\d{7,8}|0\d{2,3}[ -]?\d{7,8}

使用“|”时，要特别提醒注意的是不同条件之间的顺序。匹配时，会按照从左往右的顺序，一旦匹配成功就停止验证后面的规则。假设要匹配的电话号码还有可能是任意长度的数字（如一些特殊的服务号码），你应该把

|\d+

这个条件加在表达式的最后。如果放在最前面，某些数据就可能会被优先匹配为这一条件。你可以写个测试用例体会一下两种结果的不同。

关于正则表达式，我们已经讲了5篇，介绍了正则表达式最最皮毛的一些用法。接下来，这个话题要稍稍告一段落。推荐一篇叫做《正则表达式30分钟入门教程》的文章（直接百度一下就能找到，我也会转到论坛上），想要对正则表达式进一步学习的同学可以参考。这篇教程是个标题党，里面涉及了正则表达式较多的内容，30分钟绝对看不完。

好了，祝大家过个欢脱的长假，好好休息，多陪家人。

#==== 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

作者: nsm1168 时间: 2013-9-29 19:41
不错，昨天也在学习《正则表达式30分钟入门教程》这个教程了。

作者: michael 时间: 2013-10-2 00:40
学习了

作者: 跑跑慢慢 时间: 2013-10-6 11:50
正在联系中

作者: QQ_321CD6 时间: 2014-6-30 20:30
crossin老师您好有一个问题想请教您一下
老师给出的答案是 $?0\d{2,3}[) -]?\d{7,8}
我在自己测试的时候不小心把第二个问号前[]里的内容写成了[)- ]
也就是把空格和-的位置调换了 (\(?0\d{2,3}[)- ]?\d{7,8}) 就出现了下面这样的错误

Traceback (most recent call last):
  File "lesson58.py", line 4, in <module>
pattern = re.compile(r'\(?0\d{2,3}$[)- ]?\d{7,8}|0\d{2,3}[ -]?\d{7,8}|d+')
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/re.py", line 190, in compile
return _compile(pattern, flags)
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/re.py", line 242, in _compile
raise error, v # invalid expression
sre_constants.error: bad character range

请问这是为什么呢? 在写正则表达式的时候对于表达式里面的选项的顺序是有要求的么? 谢谢

作者: crossin先生 时间: 2014-7-1 11:29

QQ_321CD6 发表于 2014-6-30 20:30
crossin老师您好有一个问题想请教您一下
老师给出的答案是 \(?0\d{2,3}[) -]?\d{7,8}
我在自己测试的时候 ...

查了一下。减号-在中括号[]里是有特殊含义的
[a-z]是表示从字符a到字符z的所有字符
但[z-a]就会报错，因为a在z前面
而[)- ]表示从)到的所有字符，而)的字符值又比空格大，所以就报错了

作者: QQ_321CD6 时间: 2014-7-1 22:27

crossin先生发表于 2014-7-1 11:29
查了一下。减号-在中括号[]里是有特殊含义的
[a-z]是表示从字符a到字符z的所有字符
但[z-a]就会报错，因 ...

讲得十分详细, 谢谢. 麻烦您了

作者: liu-pengfei 时间: 2014-9-28 23:54
又学习了。

作者: lincoln 时间: 2015-7-9 20:26
老师您好，发现一个问题，不知道怎么解决
(021)88776543
010-55667890
02584453362
0571 66345673
用下列表达式匹配
$0\d{2,3}$\d{7,8}|0\d{2,3}[ -]?\d{7,8}
第三个电话号码，会在0之后先匹配3位，然后后面再匹配8位，没办法先匹配2位，再匹配7位，导致最后一个号码不能匹配，应该描述清楚了吧？

作者: crossin先生 时间: 2015-7-10 00:31

lincoln 发表于 2015-7-9 20:26
老师您好，发现一个问题，不知道怎么解决
(021)88776543
010-55667890

它就是这样可以匹配啊，如果你强行要匹配2+7，就不能给3和8的选项，不然都会尽可能匹配的

作者: lincoln 时间: 2015-7-10 23:20

crossin先生发表于 2015-7-10 00:31
它就是这样可以匹配啊，如果你强行要匹配2+7，就不能给3和8的选项，不然都会尽可能匹配的 ...

原来是我把所有号码连一起写了，彼此加了空格就好了。
还是要问一下，号码收尾连在一起就匹配错了，想了好久无果。

" (021)88776543010-55667890025844533620571 66345673 "
结果是['(021)88776543' '010-55667890' '025844533620']

作者: crossin先生 时间: 2015-7-11 18:11

lincoln 发表于 2015-7-10 23:20
原来是我把所有号码连一起写了，彼此加了空格就好了。
还是要问一下，号码收尾连在一起就匹配错了，想了 ...

因为同等情况下，会优先匹配更长的结果，就把0也给匹配到前一次结果里了

作者: 周末晒被子 时间: 2016-1-13 03:06
本帖最后由周末晒被子于 2016-1-13 03:09 编辑

看了一遍《正则表达式30分钟教程》。看懂70%左右。
先生已经讲过的部分不难，可以很快过；
“零宽断言”（和负向零宽断言）部分，有一些理解困难；
“处理选项”部分，好像不难，没有操作的话等于没看；
“平衡组/递归匹配”这部分，思想方法介绍地很明白，但是给出的例子就看不明白了，应该是文章因为有默认前置知识我不知道。

只想说谢谢先生啊，让编程学起来更容易。

作者: crossin先生 时间: 2016-1-13 10:07

周末晒被子发表于 2016-1-13 03:06
看了一遍《正则表达式30分钟教程》。看懂70%左右。
先生已经讲过的部分不难，可以很快过；
“零宽断言”（ ...

作者: exchen 时间: 2016-4-14 15:58
顶

作者: Yumiao_HyunMin 时间: 2016-6-30 17:21
先生好！
您上面提到\(?0\d{2,3}[) -]?\d{7,8} 在这里面[) -]? 表示的是区号之后跟着的可能是")"、" "、"-"，也可能什么也没有
我刚一看到这里总感觉是区号后面 )- 的意思是要么同时出现，要么这俩符号都没有。。。
比如(010)-92891381 匹配，但是(010)92891381 就不匹配了
好奇怪。。。

作者: crossin先生 时间: 2016-6-30 21:40

Yumiao_HyunMin 发表于 2016-6-30 17:21
先生好！
您上面提到\(?0\d{2,3}[) -]?\d{7,8} 在这里面[) -]? 表示的是区号之后跟着的可能是")"、" "、"- ...

中括号里面的内容表示选其中任一个

作者: Yumiao_HyunMin 时间: 2016-7-1 09:16

crossin先生发表于 2016-6-30 21:40
中括号里面的内容表示选其中任一个

好的明白了！！

作者: marvinmi 时间: 2018-10-21 15:09

import re
Num = '(021)88776543 010-55667890 02584453362 0571 66345673f'
m = re.findall(r'\(?0\d{2,3}[) -]?\d{7,8}]', Num)
print(m)

复制代码

先生好，请问我这个代码为什么输出的是空啊

作者: crossin先生 时间: 2018-10-21 21:54

marvinmi 发表于 2018-10-21 15:09
先生好，请问我这个代码为什么输出的是空啊

最后多个中括号]吧

作者: marvinmi 时间: 2018-10-22 19:14

crossin先生发表于 2018-10-21 21:54
最后多个中括号]吧

先生正解，谢谢先生

作者: jaxon 时间: 2019-5-17 17:07
本帖最后由 jaxon 于 2019-5-17 17:12 编辑

import re
text = "(021)88776543和规范化和010-55667890规范化个02584453362广发华福0571 66345673个回合6565，UUID"

n = re.findall(r"[\(0]\d{2,3}\D{0,1}\d{8}", text)
if n:
#print(m)
print(n)
else:
print('not match')

先生好，这是我自己想的课后练习答案，能正确输出所有号码，
['(021)88776543', '010-55667890', '02584453362', '0571 66345673']
但是改为n = re.findall(r"^[\(0]\d{2,3}\D{0,1}\d{8}", text)
只能输出第一个号码
['(021)88776543']
改为n = re.findall(r"^[\(0]\d{2,3}\D{0,1}\d{8}$", text)
输出not match
不太懂这个^和$的用法。

作者: jaxon 时间: 2019-5-17 17:37

jaxon 发表于 2019-5-17 17:07
import re
text = "(021)88776543和规范化和010-55667890规范化个02584453362广发华福0571 66345673个回合6 ...

^表示整个字符串必须以给定的格式开头，否则就无匹配
$表示字符串必须以给定的格式结尾，否则就无匹配
^,$一起用表示整个字符串就是给定的格式
不知道对不对

作者: crossin先生 时间: 2019-5-18 14:28

jaxon 发表于 2019-5-17 17:37
^表示整个字符串必须以给定的格式开头，否则就无匹配
$表示字符串必须以给定的格式结尾，否则就无匹配
^, ...

对

欢迎光临 Crossin的编程教室 (https://bbs.crossincode.com/)