Python正则表达式详解

Python正则表达式详解

随着信息化时代的发展，越来越多的信息从各个领域涌现出来，其中大量的信息需要通过程序进行处理。而很多情况下我们需要从这些信息中提取出我们需要的部分，这就需要使用到正则表达式。正则表达式是一种能够匹配文本片段的方法，它的出现极大地方便了我们信息处理的工作。本文将详细介绍Python中的正则表达式。

正则表达式的基本语法

正则表达式是一种特殊的字符序列，它可以用来描述一类字符串的集合。正则表达式是由普通字符（例如字符a到z）以及特殊字符（称为元字符）构成的文字模式。下面是一些基本的正则表达式元字符：

• .：匹配任意单个字符，除了换行符。
• []：匹配一个字符集合，集合中的字符可以被匹配。例如，[abc]可以匹配字符a、b和c。也可以使用[0-9]匹配任意数字。
• ^：匹配字符串的开始。
• $：匹配字符串的结束。

下面是一些量词元字符：

• ：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。
• {m}：匹配前一个字符m次。
• {m,}：匹配前一个字符至少m次。
• {m,n}：匹配前一个字符至少m次，但不超过n次。

除了上面的元字符之外，还有一些特殊的元字符，例如：

• \d：匹配任意数字。
• \s：匹配任意空格字符。
• \w：匹配任意字母数字字符。
• \b：匹配单词边界。

下面是一些常见的正则表达式示例：

• 匹配一个手机号：^1[3-9]\d{9}$
• 匹配一个座机号：^0\d{2,3}-\d{7,8}$
• 匹配一个电子邮件地址：^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*$

Python中的正则表达式模块

Python中内置了re模块，该模块提供了一系列正则表达式操作函数。下面是一些常用的re模块函数：

• compile(pattern, flags=0)：编译正则表达式并返回正则表达式对象。
• search(pattern, string, flags=0)：在字符串中搜索匹配正则表达式的第一个位置，返回匹配对象。
• match(pattern, string, flags=0)：从字符串开始处匹配正则表达式，返回匹配对象。
• findall(pattern, string, flags=0)：返回字符串中所有匹配正则表达式的子串组成的列表。
• sub(pattern, repl, string, count=0, flags=0)：将字符串中所有匹配正则表达式的子串替换为指定的字符串。
• split(pattern, string, maxsplit=0, flags=0)：用正则表达式指定的模式分隔字符串，返回列表。

下面是一些正则表达式操作的示例：

import re

# 匹配一个手机号
phone_pattern = re.compile(r'^1[3-9]\\d{9}$')
phone_number = '13812345678'
if phone_pattern.match(phone_number):
    print('It is a valid phone number.')
else:
    print('It is not a valid phone number.')

# 匹配一个电子邮件地址
email_pattern = re.compile(r'^\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\\.\\w+([-.]\\w+)*$')
email_address = 'test@example.com'
if email_pattern.match(email_address):
    print('It is a valid email address.')
else:
    print('It is not a valid email address.')

# 替换一个字符串中的所有数字
number_pattern = re.compile(r'\\d+')
string = 'abc123def456'
new_string = number_pattern.sub('', string)
print(new_string)

输出结果为：

It is a valid phone number.
It is a valid email address.
abcdef

正则表达式的高级应用

正则表达式除了可以进行基本的匹配之外，还可以进行更加复杂的操作。下面是一些正则表达式的高级应用：

• 分组：可以使用小括号()来将一部分正则表达式分组，以便对该部分进行操作。例如，可以使用(A|B)来匹配A或者B。
• 零宽断言：可以使用零宽断言来匹配某个位置，而不是匹配一个字符。例如，可以使用(?<=…)来匹配某个位置之前的内容，或者使用(?=…)来匹配某个位置之后的内容。
• 贪婪与非贪婪：默认情况下，正则表达式是贪婪的，也就是说，它会尽可能多地匹配字符。如果想匹配尽可能少的字符，可以在量词元字符后面加上?。例如，.会匹配尽可能多的字符，而.?会匹配尽可能少的字符。

下面是一些正则表达式的高级应用示例：

import re

# 分组
pattern = re.compile(r'(\\b\\w+\\b) \\1')  # 匹配重复的单词
string = 'hello hello world'
found = pattern.search(string)
if found:
    print(found.group())

# 零宽断言
pattern = re.compile(r'(?<=<a href=")[^"]+(?=">)')  # 匹配a标签中的链接
string = '<a href="<http://example.com>">example</a>'
found = pattern.search(string)
if found:

练习题

练习1：验证输入用户名和QQ号是否有效并给出对应的提示信息。

练习2：从一段文字中提取出国内手机号码。

练习3：替换字符串中的不良内容。

练习4：拆分长字符串。

免费下载练习答案源码