十分钟让你彻底明白正则表达式

当然要明白正则表达式一时半会肯定是不能完全记住的，需要有不断地训练以及记忆，今天先初步学习一下

1. 什么是正则表达式？

正则表达式是一种用于描述字符串搜索模式的特殊语法。它由普通字符（如a到z的字母）和特殊字符（元字符）组成，能够匹配符合特定规则的字符串集合。

2. 元字符初探

• .：匹配除换行符以外的任意单个字符。
• ^：匹配输入字符串的开始位置。
• $：匹配输入字符串的结束位置。
• *：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。

3. 字符集与特殊字符

• [ ]：字符集合，匹配集合中的任意字符。例如，[abc] 匹配 "a"、"b" 或 "c"。
• [^ ]：否定字符集合，匹配不在集合中的任意字符。
• \d：匹配数字字符，等价于 [0-9]。
• \s：匹配任何空白字符，如空格、制表符等。

4. 分组与捕获

圆括号 () 用于将多个字符组合成一个子表达式，并可以捕获匹配的文本供后续引用。例如，(abc)+ 匹配一个或多个连续的 "abc"。

实战演练

示例1：验证电子邮件地址

电子邮件地址的正则表达式可以非常复杂，但我们可以简化版本来演示：

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

这个表达式大致匹配了“用户名@域名.后缀”的结构。

示例2：提取电话号码

假设我们要从一个文本中提取所有格式为 (xxx) xxx-xxxx 的电话号码：

\(\d{3}\) \d{3}-\d{4}

示例3：替换日期格式

将日期从 YYYY-MM-DD 格式转换为 DD/MM/YYYY：

import re  
  
text = "今天是2023-04-01，一个特别的日子。"  
# 查找并替换  
new_text = re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\3/\2/\1', text)  
print(new_text)  # 输出：今天是01/04/2023，一个特别的日子。

进阶技巧

懒惰匹配与贪婪匹配

正则表达式默认采用贪婪匹配模式，即尽可能多地匹配字符。懒惰匹配（非贪婪匹配）则相反，尽可能少地匹配字符。通过在量词后添加 ? 来实现懒惰匹配，如 *?、+?、??。

前瞻与后顾断言

前瞻断言用于判断某个位置之后（或之前）的字符是否符合特定模式，但不包括这些字符在内。

• 正向前瞻 (?=...)
• 负向前瞻 (?!...)
• 正向后顾 (?<=...)（注意：并非所有正则引擎都支持）
• 负向后顾 (?<!...)（同样，并非所有正则引擎都支持）