正则表达式

正则表达式是一个强大且灵活的工具。它允许你根据模式匹配字符串，并进行搜索、替换和分割操作。在Python中，re模块提供了对正则表达式的支持。

1. 导入模块

要使用正则表达式，首先需要导入Python的re模块：

import re

2. 基本模式匹配

使用re模块的search()函数可以在字符串中搜索匹配的模式。

pattern = r"apple"
text = "I have an apple"
match = re.search(pattern, text)
if match:
    print("找到匹配的字符串:", match.group())
else:
    print("没有找到匹配的字符串")

• r"apple"：原始字符串，表示我们要匹配的模式是apple。
• re.search(pattern, text)：在text中搜索符合pattern的内容。
• match.group()：返回匹配的字符串。
  

3. 匹配任意字符

.可以匹配任意单个字符（除了换行符\n）。

pattern = r"gr.y"
text1 = "grey"
text2 = "gray"
match1 = re.search(pattern, text1)
match2 = re.search(pattern, text2)

4. 匹配多个字符

• *：匹配前一个字符0次或多次。
• +：匹配前一个字符1次或多次。
• ?：匹配前一个字符0次或1次。

pattern = r"ab*c"
text1 = "ac"
text2 = "abc"
text3 = "abbc"
match1 = re.search(pattern, text1)
match2 = re.search(pattern, text2)
match3 = re.search(pattern, text3)

5. 字符集

使用[]指定一个字符集合。

pattern = r"[aeiou]"
text = "Hello"
match = re.search(pattern, text)

6. 匹配数字和非数字

• \d：匹配任何十进制数字。
• \D：匹配任何非数字字符。

pattern = r"\d+"
text = "Age: 25"
match = re.search(pattern, text)

7. 边界匹配

• ^：匹配字符串的开头。
• $：匹配字符串的结尾。

pattern = r"^start"
pattern2 = r"end$"
text = "start and end"
match1 = re.search(pattern, text)
match2 = re.search(pattern2, text)

8. 分组

使用括号()进行分组，以便捕获匹配的子字符串。

pattern = r"(\w+), (\w+)"
text = "Doe, John"
match = re.search(pattern, text)
if match:
    print("Last name:", match.group(1))
    print("First name:", match.group(2))

9. findall() 方法

re.findall()方法可以找到所有匹配的字符串，返回一个列表。

pattern = r"\b\w{5}\b"
text = "Hello world, this is a test"
matches = re.findall(pattern, text)

10. 替换文本

使用re.sub()进行文本替换。

pattern = r"apple"
text = "I have an apple"
new_text = re.sub(pattern, "orange", text)
print(new_text)

11.使用

1. 匹配邮箱地址

import re

pattern = r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b"
text = "我的邮箱是abc123@example.com，你的是xyz456@gmail.com。"
matches = re.findall(pattern, text)
print(matches)

解释：

• \b：表示单词边界，确保我们匹配的是整个邮箱地址而不是它的一部分。
• [A-Za-z0-9._%+-]+：匹配邮件地址中的用户名部分，允许包含字母、数字、以及一些特定的字符
• @：邮箱地址中的分隔符。
• [A-Za-z0-9.-]+：匹配域名部分，允许包含字母、数字、.和-。
• \.：匹配域名和顶级域名之间的点号。
• [A-Z|a-z]{2,}：匹配顶级域名，至少两个字母长，可以是大写或小写字母。
  

2. 匹配日期格式

import re

pattern = r"\d{4}-\d{2}-\d{2}"
text = "今天是2023-01-15，明天是2023-01-16。"
matches = re.findall(pattern, text)
print(matches)

解释：

• \d{4}：匹配四个数字，表示年份。
• -：日期中的分隔符。
• \d{2}：匹配两个数字，表示月份和日期。

这个正则表达式可以有效地提取出字符串中所有的日期格式。

3. 匹配HTML标签中的文本内容

import re

html = "<p>This is <b>bold</b> and <i>italic</i> text</p>"
pattern = r"<.*?>"
text = re.sub(pattern, "", html)
print(text)

解释：

• <.*?>：这是一个非贪婪匹配，匹配任意字符（.*），直到遇到第一个>（?>表示非贪婪模式），用来匹配HTML标签。
• re.sub(pattern, "", html)：使用re.sub()函数将匹配到的HTML标签替换为空字符串，从而得到纯文本内容。
  

4. 匹配手机号码

import re

pattern = r"1[3456789]\d{9}"
text = "我的电话号码是13912345678，他的是15678901234。"
matches = re.findall(pattern, text)
print(matches)

解释：

• 1[3456789]：手机号码的开头必须是1，并且后面的数字可以是3、4、5、6、7、8、9中的任意一个。
• \d{9}：后面跟着9个数字，共计11位，符合中国大陆手机号码的规范。