Python3 正则表达式

正则表达式是一种强大的文本处理工具，它允许用户通过定义模式来匹配、查找、替换字符串中的特定内容。Python 内置了对正则表达式的支持，主要通过 re 模块实现。

正则表达式的用途

正则表达式广泛应用于文本处理领域，例如：

• 搜索和替换：在大量文本中查找并替换特定模式的文本。
• 数据验证：确保输入的数据符合预期格式。
• 解析文本：从复杂的文本中提取有用的信息。
• 数据清洗：清理文本数据，使其更适合分析或处理。

re 模块的基本用法

导入模块

使用正则表达式前，需要先导入 Python 的 re 模块：

import re

常见函数

re.search()

re.search() 函数用于在整个字符串中搜索一个匹配项，并返回一个匹配对象。如果未找到匹配项，则返回 None。

-- -------------------- ---- -------
------- - ------
------ - -----------

----- - ------------------ -------

-- ------
    ---------------
-----
    ----------------

re.match()

re.match() 函数用于从字符串的起始位置开始匹配，如果起始位置不符合正则表达式，则匹配失败。

-- -------------------- ---- -------
------- - -------
------ - --------

----- - ----------------- -------

-- ------
    ---------------
-----
    ----------------

re.findall()

re.findall() 函数用于查找字符串中所有匹配的子串，并将它们作为一个列表返回。

pattern = r'\d+'
string = 'abc123ghi456jkl'

matches = re.findall(pattern, string)
print(matches)  # 输出: ['123', '456']

re.sub()

re.sub() 函数用于替换字符串中所有匹配正则表达式的子串。

pattern = r'\d+'
replacement = '数字'
string = 'abc123ghi456jkl'

new_string = re.sub(pattern, replacement, string)
print(new_string)  # 输出: abc数字ghi数字jkl

正则表达式元字符

正则表达式由普通字符和特殊字符（也称为元字符）组成。元字符具有特殊的含义，用于定义匹配规则。

普通字符

普通字符直接匹配它们自身。

pattern = r'abc'
string = 'abcghi'

match = re.search(pattern, string)
print(match.group())  # 输出: abc

特殊字符

特殊字符具有特殊含义，需要转义才能匹配其本身。

• . 匹配除换行符以外的任何单个字符。
• * 匹配前面的子表达式零次或多次。
• + 匹配前面的子表达式一次或多次。
• ? 匹配前面的子表达式零次或一次。
• {} 定义重复次数。
• [] 定义一个字符类。
• () 定义一个分组。
• | 用于分隔两个子表达式，表示“或”的关系。
• ^ 表示行的开头。
• $ 表示行的结束。
• \w 匹配字母数字及下划线。
• \W 匹配非字母数字及下划线。
• \s 匹配任何空白字符。
• \S 匹配任何非空白字符。

pattern = r'a.c'
string = 'abcghi'

match = re.search(pattern, string)
print(match.group())  # 输出: abc

分组与捕获

通过圆括号 () 可以将匹配的子表达式分组，分组后的表达式可以被单独访问。

pattern = r'(abc)(def)'
string = 'abcdefghi'

match = re.search(pattern, string)
if match:
    print(match.group(0))  # 输出: abcdef
    print(match.group(1))  # 输出: abc
    print(match.group(2))  # 输出: def

预编译正则表达式

为了提高效率，可以使用 re.compile() 方法预编译正则表达式。

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

string = 'abc123ghi456jkl'

matches = pattern.findall(string)
print(matches)  # 输出: ['123', '456']

正则表达式的应用实例

验证邮箱地址

import re

def is_valid_email(email):
    pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
    return re.match(pattern, email) is not None

email = 'example@example.com'
print(is_valid_email(email))  # 输出: True

提取网页链接

-- -------------------- ---- -------
------ --

------------ - --- -------------------------------------------

------- - -----------------------
----- - ------------------ -------------

-- ------
    --- - --------------
    ----------  - --- -----------------------

通过以上介绍，我们可以看到正则表达式是处理文本的强大工具。理解并掌握这些基本概念和方法，能够帮助我们更高效地处理各种文本相关的任务。