python中的正则表达式

Python中的正则表达式（Regular Expressions，简称regex）是一种强大的字符串处理工具，它通过定义搜索模式来匹配、查找、替换或拆分字符串。正则表达式在文本处理、数据清洗和验证等领域非常有用。Python通过内置的re模块提供了对正则表达式的支持。

基本使用

要使用正则表达式，首先需要导入re模块：

import re

常用函数

• re.match(pattern, string): 从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回None。
• re.search(pattern, string): 扫描整个字符串并返回第一个成功的匹配。
• re.findall(pattern, string): 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。
• re.sub(pattern, repl, string): 替换字符串中的匹配项。

编写正则表达式

正则表达式使用特殊字符构造搜索模式。下面是一些基本的元字符和它们的含义：

• .: 匹配除了换行符以外的任意字符。
• ^: 匹配字符串的开头。
• $: 匹配字符串的末尾。
• *: 匹配0个或多个表达式。
• +: 匹配1个或多个表达式。
• ?: 匹配0个或1个前面的正则表达式定义的片段，非贪婪方式。
• {m}: 精确匹配m个前面表达式。
• {m,n}: 匹配m到n次所前面的表达式。
• []: 用于表示一组字符，单独列出：[amk]匹配 ‘a’，‘m’ 或 ‘k’。
• |: A|B，匹配A或B。
• (...): 匹配括号内的表达式，也表示一个组。

特殊序列

• \d: 匹配任何十进制数；相当于类 [0-9]。
• \D: 匹配任何非数字字符；相当于类 [^0-9]。
• \s: 匹配任何空白字符；相当于类 [ \t\n\r\f\v]。
• \S: 匹配任何非空白字符；相当于类 [^ \t\n\r\f\v]。
• \w: 匹配任何字母数字字符；相当于类 [a-zA-Z0-9_]。
• \W: 匹配任何非字母数字字符；相当于类 [^a-zA-Z0-9_]。

编译正则表达式

为了提高效率，可以预编译正则表达式：

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

然后使用编译后的模式对象进行搜索、匹配等操作。

示例

import re

text = "Example with number 1234 and another number 5678."
number_pattern = r'\d+'

# 查找所有匹配项
numbers = re.findall(number_pattern, text)
print(numbers)  # ['1234', '5678']

# 搜索并返回第一个匹配项
match = re.search(number_pattern, text)
if match:
    print(match.group())  # 1234