Skip to content

CS50P: 7. Regular Expressions

Regular Expressions / Regexes

判断用户是否输入邮箱地址📮

1
2
3
4
5
6
email = input("What's your email? ").strip()
username, domain = email.split('@')
if username and domain.endswith(".edu"):
    print("Valid")
else:
    print("Invalid")

if '@' in email 判断字符串中是否有某字符

re

python's library: re

re.search( , , )

1
re.search(pattern, string, flags=0)

在 string 中查找一个 pattern

patterns

基础符号

截屏2024-07-21 15.23.01

. 表示任意 character

.* 表示 (空) 或 . 或 .. 等等

例如：

1
if re.search(".*@.*", email):

finite state machine 运行机制：start \(\Rightarrow\) . 匹配 c-h-a-s-e 循环 \(\Rightarrow\) 匹配 @ \(\Rightarrow\) 匹配 163.com \(\Rightarrow\) 双线圈，结束，表达式有效

截屏2024-07-21 15.37.45

raw string

1
if re.search(r".+@.+\.edu", email):

如果想表达 .（真实存在于文本中的），需要 r 和 \ (tell python not treat . as a special sign)

注意：输入 chase@buaa.edu. 仍会返回 valid ，因为没有要求以 .edu 结尾

进阶符号

截屏2024-07-21 16.05.31

1
if re.search(r"^.+@.+\.edu$", email):

截屏2024-07-21 16.05.41

[abcd] 表示只匹配 abcd 这几个字母，[^a] 表示当前序列不能有 a

1
if re.search(r"^[^@]+@[^@]+\.edu$", email):

缩小范围：

1
if re.search(r"^[a-zA-Z0-9_]+@[a-zA-Z0-9_]+\.edu$", email):

[] 中间不要加空格，逗号等

截屏2024-07-21 16.05.49

\w 相当于 [a-zA-Z0-9_]

截屏2024-07-21 16.33.12

例如：(edu|org|gov|com|net)

Case Sensitivity

flags

1
2
3
re.IGNORECASE
re.MULTILINE
re.DOTALL

re.DOTALL ：. 可以匹配换行

使用：if re.search(r"^\w+@\w+\.edu$", email, re.IGNORECASE):

..?(two dots)

@subdomain.domain.tld ? (tld = top level domain)

1
if re.search(r"^\w+@(\w+\.)?\w+\.edu$", email, re.IGNORECASE):

(\w+\.)? 表示 name. 可以出现0次或1次

validate an email address

最终版

1
^[a-zA-Z0-9.!#$%&'*+\/=?^_`{|}~-]+@[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?(?:\.[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?)*$

re--Plus

python: re

re.match( , , )

1
re.match(pattern, string, flags=0)

自动从开头匹配

re.fullmatch( , , )

1
re.fullmatch(pattern, string, flags=0)

自动匹配开头至结尾

Clean Up User Input

Q: user输入 Malan, David ，要求返回 hello, David Malan 

1
2
3
4
5
6
7
import re
name = input("What's your name? ").strip()
matches = re.search(r"^(.+), *(.+)$", name)
if matches:
    last, first = matches.groups()
    name = f"{first} {last}"
print(f"hello, {name}")
  • regular expressions 需要引进 re 库
  • re.search( , , ) 会返回很多信息
  • 括起来的部分会被 captured ，用 .groups() 可以得到

line 5~6 可替换为：

1
name = matches.group(2) + " " + matches.group(1)
  • 下标从1起

line 3~4 ：

1
if matches := re.search(r"^(.+), *(.+)$", name):

:= (walrus operator)assign sth. from right to left & ask boolean question

同时获得 capture 括号的值，并询问 boolean question

Extract User Input

Q: prompt users for the url of their Twitter profile, and get their username

思路：https://twitter.com/xxx 中的 xxx 就是 username

问题：

  • 输入 www.twitter.com/
  • xxx/
  • https or http
  • 其他无关输入 My username is ...

re.sub( , , , )

1
re.sub(pattern, repl, string, count=0, flags=0)

pattern: 想替换的部分

repl: 替换成repl

返回新字符串

1
2
url = input("URL: ").strip()
username = re.sub(r"^(https?://)?(www\.)?twitter\.com/", "", url)

re.search( , , )

1
2
if matches := re.search(r"^(https?://)?(www\.)?twitter\.com/([a-z0-9_]+)", url, re.IGNORECASE):
    print(f"Username:", matches.group(3))   # attention

进一步：

1
2
if matches := re.search(r"^(?:https?://)?(?:www\.)?twitter\.com/([a-z0-9_]+)", url, re.IGNORECASE):
    print(f"Username:", matches.group(3))

(?:xxx)

  • yes: use () to group

  • no: capture

You will not be happy if you try to write out a whole complicated regular expression all at once. Just take these baby steps and make sure it works. You add one more feature make sure it works and hopefully by the end, because you’ve done each of those steps one at a time, the whole thing will make sense to you. --David Malan