文章目录
- Python `re` 模块：正则表达式的强大工具
- 导入 `re` 模块
- 基本匹配方法
- re.match()
- re.search()
- re.findall()
- re.finditer()
- 替换操作
- re.sub()
- 分割字符串
- re.split()
- 捕获组和非捕获组
- 捕获组
- 非捕获组
- 常用模式符号
- 实际应用示例
- 验证电子邮件格式
- 提取 URL
- 预定义字符简介
- 示例代码
- 1. 匹配数字
- 2. 匹配非数字字符
- 3. 匹配空白字符
- 4. 匹配字母数字字符
- 性能考虑
- 总结
Python re 模块：正则表达式的强大工具
正则表达式是处理字符串的强大工具，而 Python 的 re 模块为我们提供了灵活且高效的方式来使用正则表达式。本文将深入探讨 re 模块的常用功能和实际应用示例。
导入 re 模块
在使用正则表达式之前，首先需要导入 re 模块：
import re
基本匹配方法
re.match()
re.match() 从字符串的开始位置匹配一个模式。
pattern = r'\d+'
string = '123abc'
match = re.match(pattern, string)
if match:
print("匹配成功:", match.group())
else:
print("匹配失败")
re.search()
re.search() 在整个字符串中搜索模式。
pattern = r'\d+'
string = 'abc123xyz'
search = re.search(pattern, string)
if search:
print("找到的匹配:", search.group())
else:
print("没有找到匹配")
re.findall()
re.findall() 返回字符串中所有匹配的子串，以列表形式返回。
pattern = r'\d+'
string = 'abc123xyz456'
matches = re.findall(pattern, string)
print("所有匹配:", matches)
re.finditer()
re.finditer() 返回一个迭代器，包含所有匹配的对象。
pattern = r'\d+'
string = 'abc123xyz456'
for match in re.finditer(pattern, string):
print("匹配到:", match.group(), "位置:", match.start())
替换操作
re.sub()
re.sub() 用于替换匹配的字符串。
pattern = r'\d+'
string = 'abc123xyz456'
result = re.sub(pattern, '#', string)
print("替换后的字符串:", result)
分割字符串
re.split()
re.split() 按照正则表达式分割字符串。
pattern = r'\d+'
string = 'abc123xyz456'
result = re.split(pattern, string)
print("分割后的结果:", result)
捕获组和非捕获组
捕获组
使用括号 () 来定义捕获组。
pattern = r'(\d+)-(\d+)-(\d+)'
string = '2024-10-23'
match = re.match(pattern, string)
if match:
print("年份:", match.group(1), "月份:", match.group(2), "日期:", match.group(3))
非捕获组
使用 (?:...) 来定义非捕获组。
pattern = r'(?:\d+)-(\d+)'
string = '2024-10'
match = re.match(pattern, string)
if match:
print("月份:", match.group(1))
常用模式符号
| 符号 | 描述 | 示例 |
|---|---|---|
. | 匹配除换行符外的任何字符 | a.b 匹配 acb, a1b |
^ | 匹配字符串的开头 | ^abc 匹配 abcde |
$ | 匹配字符串的结尾 | xyz$ 匹配 abcxyz |
* | 匹配 0 次或多次 | ab*c 匹配 ac, abc, abbc |
+ | 匹配 1 次或多次 | ab+c 匹配 abc, abbc 但不匹配 ac |
? | 匹配 0 次或 1 次 | ab?c 匹配 ac 或 abc |
{m,n} | 匹配 m 到 n 次 | a{2,4} 匹配 aa, aaa, aaaa |
[] | 匹配字符集 | [abc] 匹配 a, b, c |
| ` | ` | 或运算符 |
() | 捕获组 | (abc) 捕获 abc |
(?:...) | 非捕获组 | (?:abc) 不捕获 abc |
\d | 匹配数字 | \d 匹配 0-9 |
\D | 匹配非数字 | \D 匹配 a-z |
\w | 匹配字母、数字及下划线 | \w 匹配 a-z, A-Z, 0-9, _ |
\W | 匹配非字母、数字及下划线 | \W 匹配空格、标点等 |
\s | 匹配空白字符 | \s 匹配空格、制表符等 |
\S | 匹配非空白字符 | \S 匹配任何非空格字符 |
实际应用示例
验证电子邮件格式
def is_valid_email(email):
pattern = r'^[\w\.-]+@[\w\.-]+\.\w+$'
return re.match(pattern, email) is not None
email = 'test@example.com'
print("邮箱格式是否正确:", is_valid_email(email))
提取 URL
def extract_urls(text):
pattern = r'https?://[^\s]+'
return re.findall(pattern, text)
text = "访问我们的官网 https://example.com 和 http://test.com"
urls = extract_urls(text)
print("提取的 URL:", urls)
预定义字符简介
| 符号 | 描述 | 相当于 |
|---|---|---|
\d | 匹配任何十进制数 | [0-9] |
\D | 匹配任何非数字字符 | [^0-9] |
\s | 匹配任何空白字符 | [\t\n\r\f\v] |
\S | 匹配任何非空白字符 | [^\t\n\r\f\v] |
\w | 匹配任何字母数字字符（包括下划线） | [a-zA-Z0-9_] |
\W | 匹配任何非字母数字字符（包括下划线） | [^a-zA-Z0-9_] |
示例代码
1. 匹配数字
使用 \d 匹配字符串中的数字：
import re
text = "匹配规则这2个字符串3是否匹配规则5则则则7则"
matches = re.findall(r"\d", text) # 匹配任何单个数字
print(matches) # 输出: ['2', '3', '5', '7']
如果需要匹配一位或多位数字，可以使用 \d+：
import re
text = "匹配规则这2个字符串134444是否匹配规则5则则则7则"
matches = re.findall(r"\d+", text) # 匹配一位或多位数字
print(matches) # 输出: ['2', '134444', '5', '7']
2. 匹配非数字字符
使用 \D 匹配非数字字符：
import re
text = "匹配规则这2个字符串3是否匹配规则5则则则7则"
matches = re.findall(r"\D", text) # 匹配任何非数字字符
print(matches) # 输出: ['匹', '配', '规', '则', '这', '个', '字', '符', '串', '是', '否', '匹', '配', '规', '则', '则', '则', '则', '则']
3. 匹配空白字符
使用 \s 匹配字符串中的空白字符：
import re
text = "匹配规则 这2个字符串3是否匹\n配规则5则则则7则"
matches = re.findall(r"\s", text) # 匹配任何空白字符
print(matches) # 输出: [' ', ' ', ' ', '\n']
使用 \S 匹配非空白字符：
import re
text = "匹配规则 这2个字符串3是否匹\n配规则5则则则7则"
matches = re.findall(r"\S", text) # 匹配任何非空白字符
print(matches) # 输出: ['匹', '配', '规', '则', '这', '2', '个', '字', '符', '串', '3', '是', '否', '匹', '配', '规', '则', '5', '则', '则', '则', '7', '则']
4. 匹配字母数字字符
使用 \w 匹配包括下划线在内的字母数字字符：
import re
text = "https://www.cnblogs.com/"
matches = re.findall(r'\w', text) # 匹配字母数字字符
print(matches) # 输出: ['h', 't', 't', 'p', 's', 'w', 'w', 'w', 'c', 'n', 'b', 'l', 'o', 'g', 's', 'c', 'o', 'm']
使用 \W 匹配非字母数字字符：
import re
text = "https://www.cnblogs.com/"
matches = re.findall(r'\W', text) # 匹配非字母数字字符
print(matches) # 输出: [':', '/', '/', '.', '.', '/']
性能考虑
在处理大量数据时，正则表达式的性能可能会受到影响。可以考虑以下优化策略：
- 使用原始字符串（
r''）来避免转义字符。 - 避免复杂的表达式，尽量简化模式。
- 使用编译后的正则表达式。
compiled_pattern = re.compile(r'\d+')
matches = compiled_pattern.findall('abc123xyz456')
print("匹配结果:", matches)
总结
Python 的 re 模块为字符串处理提供了强大的正则表达式支持。通过掌握基本用法和实际应用，能够高效地处理复杂的字符串匹配和替换任务。掌握正则表达式的语法和方法，可以显著提升你的 Python 编程能力。
