本文提供了关于re正则表达式教程的全面指南，涵盖了正则表达式的概念、作用以及在Python中的应用。通过详细介绍re模块的基本语法和常用符号，文章帮助读者理解和掌握正则表达式的使用方法。此外，文章还提供了实战示例，包括简单的文本匹配和进阶的复杂模式构建技巧。
什么是正则表达式
正则表达式是一种描述字符串模式的工具，它使用特殊的字符和符号来定义一个或多个字符串的模式。正则表达式可以用来匹配、查找、替换和分割文本，广泛应用于文本处理、数据清洗、网页爬虫等领域。在编程语言中，通常使用特定的库或模块来支持正则表达式的功能。
正则表达式的作用
正则表达式的主要作用包括：
- 匹配文本：检查一个字符串是否符合某个模式，例如验证电子邮件地址的格式。
- 查找和替换：搜索文本中的特定模式，并将其替换为其他文本，例如将文档中的所有日期格式统一。
- 提取信息：从一大段文本中提取符合特定模式的子字符串，例如从一个网页中提取所有链接地址。
Python中的re模块简介
Python 提供了一个内置的 re 模块，用于实现正则表达式的功能。re 模块提供了多种方法来处理正则表达式，包括匹配、搜索、查找、替换等。以下是 re 模块中一些常用的函数：
re.match：从字符串的起始位置开始匹配。re.search：在整个字符串中搜索第一个匹配的子串。re.findall：查找所有匹配的子串，并返回一个列表。re.sub：将字符串中的匹配项进行替换。re.split：按正则表达式切分字符串。
下面是一个简单的示例，展示如何使用 re 模块进行基本的匹配操作：
import re
# 匹配一个字符串中的数字
pattern = r'\d+' # 匹配一个或多个数字
text = "There are 2 cats and 10 dogs."
# 使用 re.search 查找第一个匹配项
match = re.search(pattern, text)
print("First match:", match.group()) # 输出: First match: 2
# 使用 re.findall 查找所有匹配项
matches = re.findall(pattern, text)
print("All matches:", matches) # 输出: All matches: ['2', '10']字符匹配
正则表达式中的字符匹配可以使用普通字符和特殊字符来表示。例如，要匹配一个单词 cat，可以使用直接写出 cat，而要匹配任何单个字符可以使用 .。
# 检查是否包含单词 'cat'
pattern = r'cat'
text = "I have a cat."
match = re.search(pattern, text)
print("Match:", match.group()) # 输出: Match: cat量词
量词用于指定其前一个字符或字符序列的重复次数。常见的量词有：
*：匹配前一个字符零次或多次。+：匹配前一个字符一次或多次。?：匹配前一个字符零次或一次。{n}：匹配前一个字符恰好n次。{n,}：匹配前一个字符至少n次。{n,m}：匹配前一个字符至少n次，但不超过m次。
# 匹配一个或多个数字
pattern = r'\d+' # 匹配一个或多个数字
text = "There are 2 cats and 10 dogs."
matches = re.findall(pattern, text)
print("Matches:", matches) # 输出: Matches: ['2', '10']分组与引用
分组可以将若干个字符作为一个整体进行匹配和操作。分组通常使用小括号 () 来实现。引用允许在正则表达式中引用先前定义的分组。使用 \n 来引用第 n 个分组。
# 匹配IP地址，分组
pattern = r'(\d{1,3}\.){3}\d{1,3}' # 匹配一个IPv4地址
text = "192.168.1.1 and 10.0.0.1 are valid IP addresses."
matches = re.findall(pattern, text)
print("Matches:", matches) # 输出: Matches: ['192.168.1.1', '10.0.0.1']转义字符
转义字符 \ 用于转义正则表达式中的特殊字符，使其按照普通字符处理。例如，要匹配一个实际的 . 字符，需要使用 \.。
# 匹配句号
pattern = r'\.'
text = "This is a sentence with a period."
matches = re.findall(pattern, text)
print("Matches:", matches) # 输出: Matches: ['.', '.']边界匹配符
边界匹配符用于在字符串的特定位置进行匹配，常见的有：
^：匹配字符串的开始位置。$：匹配字符串的结束位置。\b：匹配单词边界。\B：匹配非单词边界。
# 匹配以特定字符开头的字符串
pattern = r'^The'
text = "The quick brown fox jumps over the lazy dog."
if re.match(pattern, text):
print("Match found") # 输出: Match found
else:
print("Match not found")如何使用re.search与re.match
re.search 和 re.match 是两个常用的函数，它们用于在字符串中搜索匹配的子串。
re.search从字符串的任意位置开始查找第一个匹配的子串。re.match从字符串的开头开始匹配，如果开头不符合指定模式则不匹配。
# 使用 re.search 查找第一个匹配项
pattern = r'\d+' # 匹配一个或多个数字
text = "There are 2 cats and 10 dogs."
match = re.search(pattern, text)
print("First match:", match.group()) # 输出: First match: 2
# 使用 re.match 进行匹配
pattern = r'^The' # 匹配以 "The" 开头的字符串
text = "The quick brown fox jumps over the lazy dog."
if re.match(pattern, text):
print("Match found") # 输出: Match found
else:
print("Match not found")使用re.findall提取信息
re.findall 函数用于查找所有匹配的子串，并返回一个列表。
# 使用 re.findall 查找所有匹配项
pattern = r'\d+' # 匹配一个或多个数字
text = "There are 2 cats and 10 dogs."
matches = re.findall(pattern, text)
print("All matches:", matches) # 输出: All matches: ['2', '10']使用re.sub进行字符串替换
re.sub 函数用于将字符串中的匹配项进行替换。
# 使用 re.sub 进行替换
pattern = r'\d+' # 匹配一个或多个数字
text = "There are 2 cats and 10 dogs."
new_text = re.sub(pattern, "NUM", text)
print("New text:", new_text) # 输出: New text: There are NUM cats and NUM dogs.非贪婪匹配
非贪婪匹配使用最小量词 .*?、.+? 等，使得匹配尽量少地匹配。这在匹配嵌套结构时特别有用。
# 非贪婪匹配
pattern = r'<.*?>' # 匹配最小数量的字符，直到遇到下一个标签
text = "<html><body><h1>Hello <i>world</i></h1></body></html>"
matches = re.findall(pattern, text)
print("Matches:", matches) # 输出: Matches: ['<html>', '<body>', '<h1>', '<i>']负向前瞻与后瞻
负向前瞻 (?!) 和负向后瞻 (?<!) 用于匹配某个位置上不包含特定模式的字符串。
# 负向前瞻
pattern = r'(?<![0-9])[0-9]' # 匹配不在数字序列中的单个数字
text = "123 321 456"
matches = re.findall(pattern, text)
print("Matches:", matches) # 输出: Matches: [' ', ' ']分支条件
分支条件 | 用于在多个可能的模式之间进行选择。
# 分支条件
pattern = r'\b(?:cat|dog)\b' # 匹配 "cat" 或 "dog"
text = "I have a cat and a dog."
matches = re.findall(pattern, text)
print("Matches:", matches) # 输出: Matches: ['cat', 'dog']可选匹配
可选匹配使用 ? 选项，表示前面的字符或字符序列是可选的。
# 可选匹配
pattern = r'\d{1,3}(?:,\d{3})*' # 匹配带逗号的数字
text = "1,234,567"
match = re.match(pattern, text)
print("Match:", match.group()) # 输出: Match: 1234567常见问题与解决方案
- 忘记转义特殊字符：某些字符如
()[].*需要进行转义。 - 匹配不成功：确保模式正确且不遗漏特殊情况。
- 性能问题：复杂的正则表达式可能会导致效率低下的问题。
# 忘记转义特殊字符
pattern = r'.*'
text = "abc*def"
match = re.match(pattern, text)
print("Match:", match.group()) # 输出: Match: abc*def
# 匹配不成功
pattern = r'^\d{3}-\d{3}-\d{4}$' # 匹配电话号码格式
text = "123-456-7890"
match = re.match(pattern, text)
print("Match:", match.group()) # 输出: Match: 123-456-7890性能优化技巧
- 避免使用过多的分支条件：分支条件会增加匹配的复杂度。
- 减少使用非贪婪匹配：非贪婪匹配虽然灵活但可能导致性能下降。
- 使用缓存和预编译：对于频繁使用的正则表达式，可以将其预先编译后使用。
# 使用缓存和预编译
import re
pattern = re.compile(r'\d{1,3}(?:,\d{3})*') # 预编译模式
text = "1,234,567"
match = pattern.match(text)
print("Match:", match.group()) # 输出: Match: 1234567使用在线工具调试
在线工具如 Regex101 提供了可视化调试功能，可以帮助你理解正则表达式的匹配过程。
# 使用在线工具调试
# 在线工具示例：https://regex101.com/
# 输入正则表达式和测试文本
# 使用工具提供的功能进行调试以上是正则表达式的初学者指南，包括基础语法、实战应用以及进阶话题。希望这些知识和示例能帮助你更好地理解和使用正则表达式。如果你需要进一步学习，可以参考 慕课网 上的相关课程或教程。
随时随地看视频
