Python-正则表达式 一次搞懂

概念解释

正则表达式（Regular Expressions，简称regex或regexp）是一种用于匹配字符串的模式。它是一种强大的文本处理工具，可以用来查找、替换和验证字符串。正则表达式由特定的字符和符号组成，这些字符和符号定义了匹配规则。

在Python中，正则表达式通过内置的 re 模块来实现。

基本语法

1. 字符匹配：

   • .：匹配任意单个字符（除换行符外）。
   • \d：匹配任意一个数字（0-9）。
   • \D：匹配任意一个非数字字符。
   • \w：匹配任意一个字母、数字或下划线。
   • \W：匹配任意一个非字母、数字或下划线字符。
   • \s：匹配任意一个空白字符（空格、制表符、换行符等）。
   • \S：匹配任意一个非空白字符。

2. 量词：

   • *：匹配前面的字符0次或多次。
   • +：匹配前面的字符1次或多次。
   • ?：匹配前面的字符0次或1次。
   • {n}：匹配前面的字符恰好n次。
   • {n,}：匹配前面的字符至少n次。
   • {n,m}：匹配前面的字符至少n次，最多m次。

3. 边界匹配：

   • ^：匹配字符串的开头。
   • $：匹配字符串的结尾。
   • \b：匹配单词边界。
   • \B：匹配非单词边界。

4. 分组和捕获：

   • (...)：捕获匹配的子字符串。
   • (?:...)：非捕获分组。
   • (?P<name>...)：命名捕获分组。

5. 特殊字符：

   • []：字符集，匹配方括号内的任意一个字符。
   • [^]：否定字符集，匹配不在方括号内的任意一个字符。
   • |：或，匹配两个或多个表达式中的一个。

常用方法

1. re.search(pattern, string)：在字符串中搜索匹配正则表达式的第一个位置，并返回一个匹配对象。
2. re.match(pattern, string)：从字符串的开头开始匹配正则表达式，如果匹配成功，返回一个匹配对象。
3. re.findall(pattern, string)：返回字符串中所有匹配正则表达式的子字符串，返回一个列表。
4. re.finditer(pattern, string)：返回一个迭代器，包含所有匹配的匹配对象。
5. re.sub(pattern, repl, string)：在字符串中替换所有匹配正则表达式的子字符串。
6. re.split(pattern, string)：根据正则表达式分割字符串，返回一个列表。

编程示例

示例1：基本匹配

import re

text = "Hello, World!"
pattern = r"Hello"

match = re.search(pattern, text)
if match:
    print("匹配成功:", match.group())
else:
    print("匹配失败")

示例2：匹配数字

import re

text = "There are 123 apples and 456 oranges."
pattern = r"\d+"

matches = re.findall(pattern, text)
print("匹配的数字:", matches)

示例3：替换字符串

import re

text = "Hello, World!"
pattern = r"World"
repl = "Python"

new_text = re.sub(pattern, repl, text)
print("替换后的字符串:", new_text)

示例4：分组和捕获

import re

text = "Name: Alice, Age: 30"
pattern = r"Name: (\w+), Age: (\d+)"

match = re.search(pattern, text)
if match:
    name = match.group(1)
    age = match.group(2)
    print("名字:", name)
    print("年龄:", age)

示例5：命名捕获分组

import re

text = "Name: Alice, Age: 30"
pattern = r"Name: (?P<name>\w+), Age: (?P<age>\d+)"

match = re.search(pattern, text)
if match:
    name = match.group("name")
    age = match.group("age")
    print("名字:", name)
    print("年龄:", age)

原始字符串（r-string）

在Python中，原始字符串（raw string）是一种特殊的字符串，用前缀 r 或 R 表示。原始字符串中的反斜杠 \ 不会被转义，而是被视为普通字符。这在处理正则表达式时非常有用，因为正则表达式中经常使用反斜杠。

pattern = r"\d+"  # 原始字符串，\d 不会被转义

正则表达式的应用场景

1. 数据验证：验证用户输入的格式是否正确，如电子邮件地址、电话号码等。
2. 文本处理：从大段文本中提取特定信息，如从网页中提取链接、从日志文件中提取错误信息等。
3. 字符串替换：根据特定模式替换字符串中的内容。
4. 数据清洗：清洗和标准化数据，去除不必要的字符或格式化数据。

总结

正则表达式是一种强大的文本处理工具，通过 re 模块，Python提供了丰富的正则表达式功能。通过上述示例，我们可以看到正则表达式在字符串匹配、查找、替换等方面的应用。