python中利用正则表达式匹配ip地址

现在有一道题目，要求利用python中re模块来匹配ip地址，我们应如何着手？

首先能想到的是ip地址是数字，正则表达式是如何匹配数字的呢？

\d或[0-9]

对于这个问题，不要一下子上来就写匹配模式，应该一步步分解，把复杂的问题简单化

比如ip地址，我们可以总结一下规律

1. 它是一个字符串

2. 字符串内部是由4个1-3位的数字和3个.组成

3. 数字的范围是0-255

接下来，我们先试一下匹配第1个数字

第一步：尝试匹配192.168.100.123中的192

>>> import re
>>> re.search(r"\d\d\d", "192.168.100.123")
<_sre.SRE_Match object; span=(0, 3), match='>

第二步：尝试匹配192.168.100.123中的192.

值得注意的是，由于正则表达式中的元字符 . 表示除了\n之外的任意一个字符，我们需要匹配 . 本身，就需要用 \ 进行转义

>>> re.search(r"\d\d\d\.", "192.168.100.12")
<_sre.SRE_Match object; span=(0, 4), match='192.'>

第三步：尝试匹配192.168.100.123的整体

>>> re.search(r"\d\d\d\.\d\d\d\.\d\d\d\.\d\d\d", "192.168.100.123")
<_sre.SRE_Match object; span=(0, 15), match='192.168.100.123'>

这样写有什么问题呢？

1. 我们的数字并不都是3位，像192.168.100.1这样的，我们的匹配模式就失效了

>>> re.search(r"\d\d\d\.\d\d\d\.\d\d\d\.\d\d\d", "192.168.100.1")
>>> 

2. 不够美观

第四步：优化误区一

很多人一上手，就写成了[0-255]，这不就是数字的范围0-255吗？我们说，这样是不对的

正则表达式中，真正要匹配的永远是字符串，一个字符串内部是由三位的数字构成的，如果需要匹配三位数字的形式，就需要用到[0-9][0-9][0-9]或\d\d\d，用一个[0-9]表示的只能匹配一位，[0-255]这种错误的写法也只能匹配到一位0-9之间的数字

>>> re.search(r")
<_sre.SRE_Match object; span=(0, 1), match='>

如下图，第一个[0-255]匹配到了1， \.匹配到了.

这个ip地址中根本没有 1. 这种形式的，所以返回了None

>>> re.search(r"[0-255]\.[0-255]\.[0-255]\.[0-255]", "192.168.100.1")
>>> 

优化误区二：

既然上面的不对，那能不能把255分解成 2, 5, 5， 我们匹配时能否写成[0-2][0-5][0-5]，看似是没问题的，我们来试试

>>> re.search(r"[0-2][0-5][0-5]", "192.168.100.1")
<_sre.SRE_Match object; span=(8, 11), match='>
>>> 

为什么192没有匹配到？168也没有匹配到？因为数字的十位和个位最大只能是5，超过5的肯定没法匹配

第五步：继续优化

我们来看下0-255这个范围，当百位是0或者1时，十位和个位可以是[0-9]，也就是\d，当百位是2时，十位是[0-4]时，个位可以是\d，当百位是2时，十位是5时，个位只能是[0-5]，那么，我们是不是可以这样来写，比如匹配192，匹配模式可以写成

[01]\d\d|2[0-4]\d|25[0-5]

如果有重复的，我们可以给上面的模式加上 {n} 表示重复匹配前面的字符n次

>>> re.search(r"(([01]\d\d|2[0-4]\d|25[0-5]\d)\.){3}([01]\d\d|2[0-4]\d|25[0-5]\d)", "192.168.100.123")
<_sre.SRE_Match object; span=(0, 15), match='192.168.100.123'>

看似正确了，但是还是匹配不到数字 1 ，因为我们的百位是[01]，意味这如果是 1 的情况下，我们的结果是001，但ip地址是不能写成001， 002的

>>> re.search(r"(([01]\d\d|2[0-4]\d|25[0-5]\d)\.){3}([01]\d\d|2[0-4]\d|25[0-5]\d)", "192.168.100.1")
>>> 

>>> re.search(r"(([01]\d\d|2[0-4]\d|25[0-5]\d)\.){3}([01]\d\d|2[0-4]\d|25[0-5]\d)", "192.168.100.001")
<_sre.SRE_Match object; span=(0, 15), match='192.168.100.001'>
>>> 

可以通过{0,1}来优化，表示前面的字符重复0-1次，也可以用 ?

>>> re.search(r"(([01]{0,1}\d{0,1}\d|2[0-4]\d|25[0-5]\d)\.){3}([01]{0,1}\d{0,1}\d|2[0-4]\d|25[0-5]\d)", "192.168.100.1")
<_sre.SRE_Match object; span=(0, 13), match='192.168.100.1'>

>>> re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5]\d)\.){3}([01]?\d?\d|2[0-4]\d|25[0-5]\d)", "192.168.100.1")
<_sre.SRE_Match object; span=(0, 13), match='192.168.100.1'>

这样，当数字只有个位时，百位的0匹配0次，十位的0匹配0次，只留下个位数字[0-9]