为啥说我邮箱地址格式不对呢？

当您在一个网站或者客户端程序中，要注册一个新的用户时，网站或客户端程序可能会要求输入您的邮箱地址。也许您不想让网站或客户端程序知道您的邮箱地址，或者嫌输入麻烦，您会随便输入一段字符串，希望蒙混过关。可惜的是当您提交录入的注册信息时，网站或客户端程序会告知您输入的邮箱地址格式错误。网站或客户端程序是如何来判断您输入的邮箱地址格式是错误的呢？

原来是正则表达式在起作用

这就要说到正则表达式了，正则表达式可以使用一些预定义的字符、符号以及这些字符或符号的组合，组成一个规则串，然后使用这个规则串对需要处理的一段字符串进行匹配。如果这段字符串的内容和规则串能够匹配，则匹配成功，否则就匹配失败。正则表达式被经常使用在数据采集、搜索引擎、编译系统、文本编辑器等方面。

正则表达式是由一些预定义的字符以及这些字符组合而成的字符串。关于这些预定义的字符以及组合方式，暂时先不用全部了解其含义及用法，我们会在正则表达式的使用过程中，来逐步了解它们的含义及用法。

先来一个简单的正则表达式

假如您要使用Python开发一个用户注册程序，需要验证用户输入的邮箱地址格式是否正确，哪该怎么编写这个程序呢？

要验证邮箱地址的格式是否正确，需要先弄清楚邮箱地址的格式规则，有了邮箱地址的格式规则，就可以编写正则表达式了。观察邮箱地址，我们发现每个邮箱地址都包含“@”字符。

只有检测给出的邮箱地址是否包含“@”字符，就可以基本确定邮箱地址格式是否正确。如何判断一个字符串是否包含“@”字符呢？在Python语言中，可以使用成员运算符in来判断，不过在这里我们使用正则表达式来检测。

正则表达式就是一段字符串，这段字符串由一些预定义的字符、符号以及这些字符或符号组合而成。

我们先来认识预定义符号“[]”,这个符号是中括号，在中括号内可以包含一个或多个字符、符号构成的集合，当需要匹配的字符串包含中括号内的任意一个字符时，匹配就成功。

例如：匹配一个邮箱地址是否包含“@”符号，可以使用下面的正则表达式：

pattern = “[@]”

pattern是一个最简单的正则表达式，它使用了预定义的“[]”符号，在“[]”符号内包含一个“@”字符，使用该正则表达式可以匹配包含“@”字符的字符串，也可以用于检测邮箱地址是否包含“@”字符。

Python如何执行正则表达式？

Python提供了re模块用于执行正则表达式。re模块提供了两个主要的正则表达式执行函数，分别是match函数和search函数。match函数尝试从字符串的起始位置开始匹配，如果在起始位置匹配不成功的话，match函数返回None；search函数会扫描整个字符串，并返回第一个成功的匹配。

match函数和search函数都有三个相同的参数，参数如下表所示：

下面的代码使用match函数检测邮箱地址是否包含“@”字符，可以猜想一下，使用下面的代码能检测成功吗？

import re

# 正则表示式

pattern = "[@]"

# 使用re模块mach函数进行匹配

print(re.match(pattern, 'bianchen'))

上面的代码pattern是正则表达式，使用re模块的match函数匹配邮箱地址，验证邮箱地址是否包含“@”字符。前面说过，match函数尝试从字符串的起始位置开始匹配，如果在起始位置匹配不成功的话，match函数返回None。邮箱地址这个字符串起始位置不是“@”字符，因此会匹配失败，程序执行结果也是如此。下图是上述代码的执行结果：

再看下面的代码：

import re

# 正则表示式

pattern = "[@]"

# 使用re模块search函数进行查找

print(re.search(pattern, 'bianchen'))

在上面的代码中，使用了re模块的search函数。前面说过，search函数会扫描整个字符串，并返回第一个成功的匹配。因此使用search函数会匹配成功。下图是上述代码的执行结果：

这次要动真格的了，写一个比较复杂的正则表达式

search函数主要是应用正则表达式进行字符串查找操作，并不适合做验证邮箱地址格式的工作。我们还是要使用match函数进行邮箱地址格式的验证工作。

观察下面的邮箱地址：

bianchen

johy_1996820

89299001

每个邮箱地址都符合“名称@域名”规则，字符“@”在邮箱地址的“名称”和“域名”之间。进一步观察发现，邮箱地址名称只允许由英文字母、数字、下划线组成，当然现在也允许包含中文了，关于中文暂时不予考虑；域名只允许由英文字母、数字、下划线、“.”组成。

基于上述观察，在写正则表达式时，可以在符号“@”前面匹配任意多个符合邮箱名称规则的字符和符号，在符号“@”后面匹配任意多个符合邮箱域名规则的字符和符号。

下面给出的正则表达式可以验证邮箱地址格式的正确性：

pattern = "\w+[@][a-zA-Z0-9_]+(\.[a-zA-Z0-9_]+)"

这段正则表达式比前面的正则表达式复杂了许多，是不是感觉不太容易理解，这一长串字符和符号的组合都有什么含义呢？

首先，我们以字符串“[@]”为分隔串将正则表达式分为两部分。

第一部分是：

“\w+”

第二部分是：

“[a-zA-Z0-9_]+(\.[a-zA-Z0-9_]+)”

第一部分是匹配邮箱名称，前面说过邮箱名称由英文字母、数字、下划线组成。在正则表达式中，使用“\w”来匹配数字、字母和下划线，“\W”来匹配非数字、字母和下划线。

类似于“\w”、“\W”这种字符组合在正则表达式中也称为元字符，前面介绍的“[]”也是正则表达式的元字符，元字符使正则表达式具有处理能力。例如：“\w”元字符可以让正则表达式具备匹配数字、字母和下划线的能力。

元字符“\w”仅匹配单个数字、字母和下划线，如果需要匹配多个数字、字母和下划线，就需要用到正则表达式的元字符“+”，元字符“+”可以让前面的字符或子表达式匹配一次或多次。例如：“\w+”子表达式就具备匹配一个或多个数字、字母和下划线的能力。

第二部分是匹配邮箱域名，邮箱域名由英文字母、数字、下划线、“.”组成，和邮箱名称的构成基本相同。域名结构分为前缀和后缀两部分，在前缀和后缀之间用“.”分隔。 “[a-zA-Z0-9_-]”表示匹配’a’-‘z’范围内的小写字母、’A’-‘Z’范围内的大写字母、数字0-9、下划线。“[a-zA-Z0-9_-]”等同于元字符“\w”。“[a-zA-Z0-9_-]+”等同于“\w+”。

“(\.[a-zA-Z0-9_]+)”是子表达式，子表达式内容使用一对小括号括起来，一对小括号也是正则表达式的元字符。括号内的“\.”用于匹配邮箱域名的“.”，其中元字符“\”是转义元字符，它把元字符后面的字符标记为特殊字符、文本等。例如：“\.”匹配单符号“.”,“\n”匹配单字符“n”。“[a-zA-Z0-9_]+”就不用解释了。

在Python代码编辑器输入下面的代码：

import re

# 正则表示式

pattern = "\w+[@][a-zA-Z0-9_]+(\.[a-zA-Z0-9_]+)"

# 使用re模块mach函数进行匹配

print(re.match(pattern, 'bianchen'))

程序执行结果是匹配成功，如下图所示：

判断邮箱地址格式还有点小问题

修改一下上面的代码：

import re

# 正则表示式

pattern = "\w+[@][a-zA-Z0-9_]+(\.[a-zA-Z0-9_]+)"

# 使用re模块mach函数进行匹配

print(re.match(pattern, 'bianchen'))

在上面的代码中，需要验证的邮箱地址域名分为一级和二级域名，执行程序看上面的代码是否还能匹配成功。执行结果如下图所示：

从执行结果可以看出，邮箱地址并没有完全匹配。问题在于“(\.[a-zA-Z0-9_]+)”仅匹配一次域名的后缀，如果邮箱域名有多个域名后缀则只能匹配最前面一个。要解决这个问题，就需要“(\.[a-zA-Z0-9_]+)”重复匹配一次或多次，前面说过，正则表达式的元字符“+”可以让前面的字符或子表达式匹配一次或多次，在“(\.[a-zA-Z0-9_]+)”后面添加元字符“+”，就可以实现重复匹配一次或多次。修改上面的代码：

import re

# 正则表示式

pattern = "\w+[@][a-zA-Z0-9_]+(\.[a-zA-Z0-9_]+)+"

# 使用re模块mach函数进行匹配

print(re.match(pattern, 'bianchen'))

执行结果如下图所示：

从执行结果可以看出，邮箱地址匹配成功。

小结一下文中正则表达式用到的元字符和文本字符

小结一下验证邮箱格式用到的正则表达式中的元字符和文本字符。

元字符

文本字符