# Python 正则表达式完全指南

正则表达式（Regular Expression）是Python中进行文本处理的强大工具。本指南将详细介绍Python中正则表达式的使用方法和实践技巧。

## 1. 基础知识

### 1.1 导入正则表达式模块

```python

import re

```

### 1.2 创建正则表达式

在Python中有两种方式创建正则表达式：

```python

# 方式1：使用原始字符串（推荐）

pattern = r'\d+'

# 方式2：普通字符串（需要额外转义）

pattern = '\\d+'

```

### 1.3 基本匹配方法

```python

import re

text = "Hello, my phone is 123-456-7890"

# 1. re.match() - 从字符串开始处匹配

result = re.match(r'\w+', text)

print(result.group())  # 输出: Hello

# 2. re.search() - 搜索整个字符串中的第一个匹配

result = re.search(r'\d+', text)

print(result.group())  # 输出: 123

# 3. re.findall() - 找到所有匹配项

result = re.findall(r'\d+', text)

print(result)  # 输出: ['123', '456', '7890']

# 4. re.finditer() - 返回迭代器

for match in re.finditer(r'\d+', text):

    print(f"Found {match.group()} at position {match.start()}-{match.end()}")

```

## 2. 正则表达式语法

### 2.1 字符匹配

```python

# 示例文本

text = "Python3 is awesome! Price: $99.99"

# 匹配单个字符

re.findall(r'.', text)      # 匹配任意字符

re.findall(r'\d', text)     # 匹配数字

re.findall(r'\D', text)     # 匹配非数字

re.findall(r'\w', text)     # 匹配字母/数字/下划线

re.findall(r'\W', text)     # 匹配非字母/数字/下划线

re.findall(r'\s', text)     # 匹配空白字符

re.findall(r'\S', text)     # 匹配非空白字符

```

### 2.2 数量词

```python

# 文本示例

text = "Python programming is fun!!!"

# 常用数量词

re.search(r'o*', text)      # 匹配0次或多次

re.search(r'o+', text)      # 匹配1次或多次

re.search(r'o?', text)      # 匹配0次或1次

re.search(r'o{2}', text)    # 精确匹配2次

re.search(r'o{1,3}', text)  # 匹配1到3次

```

### 2.3 字符类

```python

text = "The quick brown fox jumps over the lazy dog."

# 使用字符类

re.findall(r'[aeiou]', text)    # 匹配所有元音字母

re.findall(r'[^aeiou]', text)   # 匹配所有非元音字母

re.findall(r'[a-z]', text)      # 匹配所有小写字母

re.findall(r'[A-Z]', text)      # 匹配所有大写字母

```

## 3. 高级特性

### 3.1 分组和捕获

```python

# 分组示例

text = "John Smith, Jane Doe, Bob Johnson"

# 基本分组

pattern = r'(\w+)\s(\w+)'

matches = re.findall(pattern, text)

print(matches)  # 输出: [('John', 'Smith'), ('Jane', 'Doe'), ('Bob', 'Johnson')]

# 命名分组

pattern = r'(?P<first>\w+)\s(?P<last>\w+)'

for match in re.finditer(pattern, text):

    print(f"First: {match.group('first')}, Last: {match.group('last')}")

```

### 3.2 前向查找和后向查找

```python

text = "Price: $100, Cost: $50"

# 正向前向查找

re.findall(r'\d+(?=\s*dollars)', text)  # 匹配后面跟着"dollars"的数字

# 负向前向查找

re.findall(r'\d+(?!\s*dollars)', text)  # 匹配后面不跟"dollars"的数字

# 正向后向查找

re.findall(r'(?<=\$)\d+', text)  # 匹配前面有$的数字

# 负向后向查找

re.findall(r'(?<!\$)\d+', text)  # 匹配前面没有$的数字

```

## 4. 实用示例

### 4.1 数据验证

```python

def validate_email(email):

    """验证电子邮件地址"""

    pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'

    return bool(re.match(pattern, email))

def validate_phone(phone):

    """验证中国手机号"""

    pattern = r'^1[3-9]\d{9}$'

    return bool(re.match(pattern, phone))

def validate_password(password):

    """验证密码强度（至少8位，包含大小写字母和数字）"""

    pattern = r'^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[a-zA-Z\d]{8,}$'

    return bool(re.match(pattern, password))

```

### 4.2 文本处理

```python

def extract_urls(text):

    """提取文本中的URL"""

    pattern = r'https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+'

    return re.findall(pattern, text)

def clean_text(text):

    """清理文本（删除多余空白字符）"""

    return re.sub(r'\s+', ' ', text).strip()

def extract_dates(text):

    """提取日期（支持多种格式）"""

    pattern = r'\d{4}[-/]\d{1,2}[-/]\d{1,2}|\d{1,2}[-/]\d{1,2}[-/]\d{4}'

    return re.findall(pattern, text)

```

## 5. 性能优化技巧

### 5.1 编译正则表达式

```python

# 当需要多次使用同一个正则表达式时，应该编译它

pattern = re.compile(r'\d+')

# 使用编译后的正则表达式

text = "123 456 789"

matches = pattern.findall(text)

```

### 5.2 优化技巧

1. 使用非捕获组 `(?:)`：当不需要捕获结果时

```python

# 不好的写法

pattern = r'(https?://)(.*)'

# 好的写法

pattern = r'(?:https?://)(.*)'

```

2. 避免过度使用通配符

```python

# 不好的写法

pattern = r'.*foo.*'

# 好的写法

pattern = r'[^/]*foo[^/]*'

```

## 6. 常见问题和解决方案

### 6.1 贪婪vs非贪婪匹配

```python

text = "<p>First</p><p>Second</p>"

# 贪婪匹配（默认）

re.findall(r'<p>.*</p>', text)  # 匹配整个字符串

# 非贪婪匹配

re.findall(r'<p>.*?</p>', text)  # 分别匹配每个标签

```

### 6.2 处理特殊字符

```python

# 转义特殊字符

def escape_special_chars(text):

    return re.escape(text)

# 示例

pattern = re.escape('hello.world')  # 将点号转义

```

## 7. 调试技巧

```python

# 使用verbose模式使正则表达式更易读

pattern = re.compile(r"""

    \d+          # 匹配数字

    \s*          # 可选的空白字符

    [a-zA-Z]+    # 匹配字母

    """, re.VERBOSE)

# 使用re.DEBUG标志查看编译信息

pattern = re.compile(r'\d+\s*[a-zA-Z]+', re.DEBUG)

```

## 总结

Python的正则表达式功能强大且灵活，掌握它可以大大提高文本处理效率。关键点：

1. 合理使用原始字符串（r''）

2. 需要重复使用时记得编译正则表达式

3. 注意贪婪vs非贪婪匹配

4. 适当使用命名分组提高代码可读性

5. 考虑性能优化

6. 编写复杂正则表达式时使用verbose模式

记住：编写正则表达式时应该遵循"简单够用"的原则，过于复杂的正则表达式往往会带来维护困难和性能问题。