python基础之正则表达式

news2024/7/2 20:47:42

Python中的正则表达式（regular expressions，简称regex）是强大的字符串处理工具，用于搜索、匹配和替换字符串中的特定模式。Python通过 re 模块提供对正则表达式的支持。以下是对Python正则表达式的详细讲解。

基本概念和语法

导入模块

import re

基本函数

re.match(pattern, string): 从字符串的起始位置匹配模式。
re.search(pattern, string): 搜索整个字符串，返回第一个匹配的对象。
re.findall(pattern, string): 返回字符串中所有非重叠匹配的列表。
re.finditer(pattern, string): 返回字符串中所有非重叠匹配的迭代器。
re.sub(pattern, repl, string): 替换字符串中所有匹配的子串。

编译模式

可以通过 re.compile() 预编译正则表达式模式，提高匹配效率：

pattern = re.compile(r'\d+')
result = pattern.findall('123 abc 456')
print(result)  # ['123', '456']

常用正则表达式符号

字符匹配

.: 匹配除换行符以外的任意字符。
\d: 匹配任意数字，相当于 [0-9]。
\D: 匹配任意非数字字符。
\w: 匹配字母、数字和下划线，相当于 [a-zA-Z0-9_]。
\W: 匹配任意非字母、数字和下划线的字符。
\s: 匹配空白字符（包括空格、制表符、换页符等）。
\S: 匹配非空白字符。

边界匹配

^: 匹配字符串的开头。
$: 匹配字符串的结尾。
\b: 匹配单词边界。
\B: 匹配非单词边界。

量词

*: 匹配前面的字符0次或多次。
+: 匹配前面的字符1次或多次。
?: 匹配前面的字符0次或1次。
{n}: 匹配前面的字符恰好n次。
{n,}: 匹配前面的字符至少n次。
{n,m}: 匹配前面的字符至少n次，至多m次。

分组

(...): 匹配括号内的正则表达式，并形成一个组。
(?:...): 匹配括号内的正则表达式，但不形成组。

特殊转义字符

\\: 反斜杠，用于转义特殊字符。
\n: 匹配换行符。
\t: 匹配制表符。

示例

匹配手机号

import re

pattern = re.compile(r'1[3-9]\d{9}')
text = '我的手机号是13812345678，请联系我。'
match = pattern.search(text)
if match:
    print(match.group())  # 输出：13812345678

提取电子邮件地址

import re

pattern = re.compile(r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+')
text = '请发送邮件到 example.email@example.com 联系我们。'
emails = pattern.findall(text)
print(emails)  # 输出：['example.email@example.com']

替换文本中的URL

import re

pattern = re.compile(r'https?://[^\s]+')
text = '访问我们的官网 http://example.com 或 https://example.org 获取更多信息。'
new_text = pattern.sub('URL', text)
print(new_text)  # 输出：访问我们的官网 URL 或 URL 获取更多信息。

正则表达式标志

常用标志

re.IGNORECASE 或 re.I: 忽略大小写。
re.MULTILINE 或 re.M: 多行模式，^ 和 $ 匹配每一行的开头和结尾。
re.DOTALL 或 re.S: 点号匹配包括换行符在内的任意字符。
re.VERBOSE 或 re.X: 允许在正则表达式中使用空白符和注释，以增加可读性。

示例：

import re

pattern = re.compile(r"""
    \d+     # 匹配一个或多个数字
    \s      # 匹配一个空白符
    \w+     # 匹配一个或多个字母或数字
""", re.VERBOSE)
text = '123 abc'
match = pattern.search(text)
if match:
    print(match.group())  # 输出：123 abc