python-正则表达快速掌握

1.内置库 re

正则表达式（Regular Expression，简称Regex或RegExp）是一种用于描述字符串模式的强大工具。它可以用来匹配、搜索、替换字符串，具有灵活性和强大的表达能力。在Python中，我们可以使用re模块来使用正则表达式。

2.使用场景

（1）正则表达式是记录文本规则的代码

（2）正则表达式用于操作某些复杂的字符串、日志

（3）原生字符串需要在原生字符串上加上r' string'

3.基本的正则表达式元字符和它们的含义

1. .：匹配任意字符（除了换行符 \n）。
2. ^：匹配字符串的开头。
3. $：匹配字符串的结尾。
4. *：匹配前面的字符零次或多次。
5. +：匹配前面的字符一次或多次。
6. ?：匹配前面的字符零次或一次。
7. []：定义一个字符集，匹配其中的任意一个字符。
8. ()：标记一个子表达式，用于分组操作

4.举例及详细说明

import re

# 示例 1: 匹配邮箱地址
email_pattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'

#这个email_pattern是一个正则表达式，用于匹配邮箱地址的模式，

"""

1. ^：匹配字符串的开头。
2. [a-zA-Z0-9_.+-]+：匹配一个或多个大小写字母、数字、下划线、点、加号或减号。
3. @：匹配邮箱地址中的@符号。
4. [a-zA-Z0-9-]+：匹配一个或多个大小写字母、数字或减号。
5. \.：匹配点号（因为点号在正则表达式中有特殊含义，所以需要使用反斜杠转义）。
6. [a-zA-Z0-9-.]+：匹配一个或多个大小写字母、数字、减号或点号。
7. $：匹配字符串的结尾。

综合起来，这个正则表达式的模式可以匹配形如user@example.com的邮箱地址。下面是一些匹配和不匹配的示例：

• 匹配: user@example.com, john.doe123@example.co.uk
• 不匹配: user@.com, user@com, user@.123

"""

email = 'user@example.com'
if re.match(email_pattern, email):
    print(f'{email} 是一个有效的邮箱地址')
else:
    print(f'{email} 不是一个有效的邮箱地址')

# 示例 2: 查找字符串中的数字
text = 'Hello 123 World 456'
numbers = re.findall(r'\d+', text)

print('字符串中的数字:', numbers)

"""

re.findall(r'\d+', text) 是使用正则表达式在文本中查找所有连续的数字的匹配项。下面是对这个表达式的解释：

• re.findall: findall 是 re 模块提供的一个函数，用于在文本中查找所有匹配的子字符串，并以列表形式返回。

• r'\d+': 这是一个正则表达式，具体含义如下：

  • \d: 匹配任意数字（0-9）。
  • +: 匹配前面的字符（\d）一次或多次

综合起来，re.findall(r'\d+', text) 的作用是在字符串 text 中找到所有连续的数字，并以列表的形式返回这些数字。

在上面的那个例子中，将会输出['123', '456']

"""

# 示例 3: 替换字符串中的空格为下划线
sentence = 'This is a sample sentence.'
modified_sentence = re.sub(r'\s', '_', sentence)
print('替换后的句子:', modified_sentence)

"""

re.sub(r'\s', '_', sentence) 是使用正则表达式替换字符串中所有空格为下划线的操作。下面是对这个表达式的解释：

• re.sub: sub 是 re 模块提供的一个函数，用于在字符串中查找匹配的子字符串并进行替换。

• r'\s': 这是一个正则表达式，具体含义如下：

  • \s: 匹配任意空白字符，包括空格、制表符、换行符等。

• '_': 这是替换匹配到的空白字符的字符串，即将空格替换为下划线

综上所述，上面的例子将会输出 This_is_a_sample_sentence.

"""

# 示例 4: 提取文本中的日期
text_with_dates = 'Today is 2024-01-03, and tomorrow is 2024-01-04.'
dates = re.findall(r'\d{4}-\d{2}-\d{2}', text_with_dates)
print('提取的日期:', dates)

"""

re.findall(r'\d{4}-\d{2}-\d{2}', text_with_dates) 是使用正则表达式在文本中查找所有符合特定日期格式的匹配项。下面是对这个表达式的解释：

• re.findall: findall 是 re 模块提供的一个函数，用于在字符串中查找所有匹配的子字符串，并以列表形式返回。

• r'\d{4}-\d{2}-\d{2}': 这是一个正则表达式，具体含义如下：

  • \d{4}: 匹配包含四个数字的子字符串。
  • -: 匹配短横线。
  • \d{2}: 匹配包含两个数字的子字符串。
  • -: 匹配短横线。
  • \d{2}: 匹配包含两个数字的子字符串

综合起来，re.findall(r'\d{4}-\d{2}-\d{2}', text_with_dates) 的作用是在字符串 text_with_dates 中找到所有符合"YYYY-MM-DD"日期格式的子字符串，并以列表的形式返回这些日期字符串

所以上面的例子将会输出：['2024-01-03', '2024-01-04']

"""

5.总结

快速理解一个 Python 正则表达式需要注意以下几个方面：

元字符和字符类： 正则表达式中有一些特殊字符和字符类，如 .、*、+、[] 等，它们具有特定的含义。

（1）特殊字符：

1. .：匹配任意字符（除了换行符 \n）。
2. ^：匹配字符串的开头。
3. $：匹配字符串的结尾。
4. *：匹配前面的字符零次或多次。
5. +：匹配前面的字符一次或多次。
6. ?：匹配前面的字符零次或一次。
7. |：表示逻辑“或”，用于分隔多个模式，匹配其中任意一个。
8. ()：标记一个子表达式，用于分组操作，影响限定符的作用范围。

（2）字符类：

1. \d：匹配任意数字（0-9）。
2. \D：匹配任意非数字字符。
3. \w：匹配任意字母数字字符（包括下划线）。
4. \W：匹配任意非字母数字字符。
5. \s：匹配任意空白字符（包括空格、制表符、换行符等）。
6. \S：匹配任意非空白字符。

（4）字符范围：

1. [ ]：定义一个字符类，匹配其中的任意一个字符。例如，[aeiou] 匹配任意一个元音字母。
2. [^ ]：在字符类内使用 ^ 表示取反，匹配除了指定字符之外的任意字符。例如，[^0-9] 匹配任意非数字字符。

1. 重复和限定符： 正则表达式中的 *、+、?、{} 等符号用于表示模式中字符的重复或出现次数的限定。了解它们如何影响匹配是很重要的。

2. 分组： 使用小括号 () 可以创建子表达式，这对于对模式进行分组和应用限定符、操作符等非常有用。

3. 转义字符： 有些字符在正则表达式中有特殊含义，如果要匹配这些字符本身，需要使用反斜杠 \ 进行转义。例如，. 在正则表达式中匹配任意字符，但 \. 匹配实际的点号。

4. 字符类： 使用方括号 [] 可以定义一个字符类，它匹配方括号中列举的任何一个字符。例如，[a-z] 表示匹配任何小写字母。

5. 锚点： ^ 和 $ 分别表示字符串的开头和结尾。它们用于确保模式匹配整个字符串而不是部分字符串。

6. 预定义字符类： 如 \d 表示匹配任何数字字符，\w 表示匹配任何字母数字字符（包括下划线），\s 表示匹配任何空白字符等。

7. 选择和分支： 使用 | 表示选择，可以匹配两个或多个模式之一。

8. 修饰符： 正则表达式还可以包含修饰符，例如 re.IGNORECASE，用于忽略大小写。

9. 注释： 在正则表达式中使用 # 可以添加注释，提高可读性。

阅读正则表达式时，可以将其拆分成小块，逐个理解每个部分的含义。可以使用在线的正则表达式测试工具，将正则表达式和待匹配的文本输入，查看匹配结果，帮助理解正则表达式的行为。

最终，通过实际的例子和测试，逐步熟悉和理解正则表达式的使用。