在我們的日常編程工作中，尤其是在處理用戶輸入或外部數(shù)據(jù)時(shí)，一個(gè)至關(guān)重要的環(huán)節(jié)就是數(shù)據(jù)校驗(yàn)。

想象一下這些場景：

• 用戶注冊時(shí)，你需要確保他輸入的是一個(gè)格式正確的郵箱地址。
• 用戶填寫個(gè)人信息時(shí)，你需要驗(yàn)證他的手機(jī)號(hào)是否有效。
• 你從網(wǎng)上爬取數(shù)據(jù)，需要從一堆雜亂的文本中篩選出身份證號(hào)碼。

如果靠手動(dòng)寫一堆 if/else 和字符串判斷，代碼會(huì)變得冗長、復(fù)雜且容易出錯(cuò)。今天，我們就來看看如何用Python的“神器”——正則表達(dá)式，來優(yōu)雅、高效地解決這些數(shù)據(jù)校驗(yàn)問題。

為什么選擇正則表達(dá)式做校驗(yàn)

簡單來說，正則表達(dá)式就是一個(gè)描述文本模式的模板。對于數(shù)據(jù)校驗(yàn)，它有三大優(yōu)勢：

• 精確：可以定義非常復(fù)雜和精確的規(guī)則，比如“以字母開頭，包含6到12位字母、數(shù)字和下劃線”。
• 高效：底層由C語言實(shí)現(xiàn)，匹配速度遠(yuǎn)超我們自己寫的Python循環(huán)和判斷。
• 通用：一旦學(xué)會(huì)，不僅在Python中，你在JavaScript、Java、Shell腳本等幾乎所有環(huán)境中都能使用它。

數(shù)據(jù)校驗(yàn)的核心：re.match()與re.fullmatch()

在數(shù)據(jù)校驗(yàn)中，我們通常關(guān)心的是整個(gè)字符串是否符合某個(gè)模式，而不是僅僅在字符串中找到一個(gè)匹配項(xiàng)。因此，re.match() 和 re.fullmatch() 是我們的首選。

• re.match(pattern, string): 從字符串的開頭開始匹配。如果模式只匹配了字符串的一部分，它也會(huì)成功，這有時(shí)會(huì)導(dǎo)致隱藏的bug。
• re.fullmatch(pattern, string): (推薦) 嘗試將整個(gè)字符串與模式進(jìn)行匹配。只有完全匹配時(shí)才會(huì)成功，這正是我們做數(shù)據(jù)校驗(yàn)時(shí)最需要的功能！

它們都會(huì)返回一個(gè)“匹配對象”（表示成功）或 None（表示失敗）。我們通常這樣使用：

import re

if re.fullmatch(pattern, data_to_check):
    print("校驗(yàn)通過！")
else:
    print("校驗(yàn)失?。?)

實(shí)戰(zhàn)演練：常見數(shù)據(jù)校驗(yàn)案例

讓我們直接上手，解決幾個(gè)最常見的數(shù)據(jù)校驗(yàn)需求。

案例一：校驗(yàn)電子郵箱（Email）

一個(gè)郵箱地址通常由 用戶名@域名.頂級域名 構(gòu)成。

• 用戶名：可以包含字母、數(shù)字、下劃線 _、點(diǎn) . 和減號(hào) -。
• 域名：與用戶名類似。
• 頂級域名：通常是2個(gè)或更多字母，如 .com, .org, .io。

根據(jù)這個(gè)規(guī)則，我們可以構(gòu)建如下的正則表達(dá)式：

import re

def validate_email(email):
    # ^                  - 字符串開頭
    # [a-zA-Z0-9._%+-]+  - 用戶名部分：至少一個(gè)字母、數(shù)字或特殊符號(hào)
    # @                  - @ 符號(hào)
    # [a-zA-Z0-9.-]+     - 域名部分：至少一個(gè)字母、數(shù)字或點(diǎn)/減號(hào)
    # \.                 - 一個(gè)真正的點(diǎn) .
    # [a-zA-Z]{2,}       - 頂級域名：至少兩個(gè)字母
    # $                  - 字符串結(jié)尾
    pattern = r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$"
    
    if re.fullmatch(pattern, email):
        return True
    return False

# --- 測試 ---
print(f"'test.email@example.com' 是有效的嗎? {validate_email('test.email@example.com')}")
print(f"'invalid-email@.com' 是有效的嗎? {validate_email('invalid-email@.com')}")
print(f"'just-a-string' 是有效的嗎? {validate_email('just-a-string')}")

輸出：

'test.email@example.com' 是有效的嗎? True
'invalid-email@.com' 是有效的嗎? False
'just-a-string' 是有效的嗎? False

看，一個(gè)復(fù)雜的郵箱校驗(yàn)就這樣輕松搞定了！

案例二：校驗(yàn)中國大陸手機(jī)號(hào)

目前，中國大陸的手機(jī)號(hào)通常是11位數(shù)字，并且以特定的號(hào)段開頭（如13x, 15x, 18x, 19x等）。為了簡化，我們只校驗(yàn)“以1開頭，后面跟10位數(shù)字”這個(gè)基本規(guī)則。

import re

def validate_phone_number(phone):
    # ^1     - 必須以 1 開頭
    # \d{10} - 后面必須是 10 個(gè)數(shù)字
    # $      - 到字符串結(jié)尾
    pattern = r"^1\d{10}$"
    
    if re.fullmatch(pattern, phone):
        return True
    return False

# --- 測試 ---
print(f"'13812345678' 是有效的嗎? {validate_phone_number('13812345678')}")
print(f"'12345678901' 是有效的嗎? {validate_phone_number('12345678901')}") # 不以1開頭
print(f"'1381234abcd' 是有效的嗎? {validate_phone_number('1381234abcd')}") # 包含非數(shù)字

輸出：

'13812345678' 是有效的嗎? True
'12345678901' 是有效的嗎? False
'1381234abcd' 是有效的嗎? False

這個(gè)校驗(yàn)器可以快速過濾掉明顯格式錯(cuò)誤的手機(jī)號(hào)。

案例三：校驗(yàn)用戶名（中等復(fù)雜度）

假設(shè)我們要求用戶名必須：

• 以字母開頭。
• 只能包含字母、數(shù)字和下劃線。
• 長度在6到12個(gè)字符之間。

我們可以將這些規(guī)則組合起來：

import re

def validate_username(username):
    # ^          - 字符串開頭
    # [a-zA-Z]   - 必須以一個(gè)字母開頭
    # [a-zA-Z0-9_]{5,11} - 后面跟著5到11個(gè)字母、數(shù)字或下劃線
    # $          - 字符串結(jié)尾
    # 總長度就是 1 + (5到11) = 6到12
    pattern = r"^[a-zA-Z][a-zA-Z0-9_]{5,11}$"
    
    if re.fullmatch(pattern, username):
        return True
    return False

# --- 測試 ---
print(f"'user_123' 是有效的嗎? {validate_username('user_123')}")
print(f"'123user' 是有效的嗎? {validate_username('123user')}") # 不以字母開頭
print(f"'u' 是有效的嗎? {validate_username('u')}") # 太短
print(f"'this_is_a_very_long_name' 是有效的嗎? {validate_username('this_is_a_very_long_name')}") # 太長

輸出：

'user_123' 是有效的嗎? True
'123user' 是有效的嗎? False
'u' 是有效的嗎? False
'this_is_a_very_long_name' 是有效的嗎? False

通過組合不同的元字符，我們可以輕松實(shí)現(xiàn)各種復(fù)雜的組合校驗(yàn)規(guī)則。

總結(jié)與最佳實(shí)踐

• 校驗(yàn)首選 re.fullmatch()：因?yàn)樗笳麄€(gè)字符串都匹配模式，最符合“校驗(yàn)”的定義。
• 使用原始字符串 r""：在定義正則表達(dá)式模式時(shí)，總是在字符串前加上 r。這可以防止反斜杠 \ 被Python解釋為轉(zhuǎn)義字符，避免很多不必要的麻煩。
• 從簡單開始：先構(gòu)建一個(gè)能滿足基本需求的簡單模式，然后逐步增加復(fù)雜性。

正則表達(dá)式是處理文本和數(shù)據(jù)的超級工具。雖然初學(xué)時(shí)可能會(huì)覺得有些晦澀，但一旦你掌握了它，就會(huì)發(fā)現(xiàn)它在數(shù)據(jù)清洗、驗(yàn)證和提取方面無與倫比的威力。把它加入你的技能庫，你的代碼一定會(huì)變得更強(qiáng)大、更健壯！

到此這篇關(guān)于Python利用正則表達(dá)式進(jìn)行數(shù)據(jù)校驗(yàn)詳解的文章就介紹到這了,更多相關(guān)Python正則表達(dá)式數(shù)據(jù)校驗(yàn)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論