Python 正则表达式（Regular Expressions，简称 RegEx）是用于模式匹配和字符串操作的强大工具。通过预定义的模式，Python 正则表达式可以快速地搜索、匹配和操作文本。无论你是验证用户输入、解析数据还是从大量文本文件中提取信息，Python 正则表达式都能显著提升你的编程能力。
本文将帮助你熟练掌握 Python 正则表达式，介绍其基础知识、工作原理，并提供实际应用示例。通过本文的学习，你将具备在各种实际应用中使用正则表达式的技能，提高编程的有效性和效率。
Python 中的正则表达式模块 (re)
Python 的 re 模块提供了一组用于处理正则表达式的函数。它使你能够使用特定的模式来搜索、匹配和操作文本。以下是 re 模块的主要概念和功能：
1. 导入模块
在使用正则表达式函数之前，需要导入 re 模块：
python
import re2. 基本函数
-
search()：在字符串中搜索匹配项，并返回一个匹配对象（如果找到）。pythonmatch = re.search(r'\d+', 'There are 123 apples') print(match.group()) # 输出: 123 -
match()：检查字符串的开头是否与模式匹配。pythonmatch = re.match(r'Hello', 'Hello, world!') print(match.group()) # 输出: Hello -
findall()：查找字符串中所有匹配项，并返回一个匹配项列表。pythonmatches = re.findall(r'\d+', '123 apples and 456 oranges') print(matches) # 输出: ['123', '456'] -
sub()：将匹配项替换为指定的字符串。pythonresult = re.sub(r'apples', 'bananas', 'I like apples') print(result) # 输出: I like bananas
3. 特殊字符
.（点号）：匹配除换行符以外的任何单个字符。^（脱字符）：匹配字符串的开始。$（美元符号）：匹配字符串的结束。[]（方括号）：匹配方括号内的任何一个字符。\（反斜杠）：转义特殊字符或表示特定序列。
4. 特殊序列
\d：匹配任何数字。\D：匹配任何非数字字符。\s：匹配任何空白字符（如空格、制表符、换行符）。\S：匹配任何非空白字符。\w：匹配任何字母数字字符（包括下划线）。\W：匹配任何非字母数字字符。
5. 量词
*：匹配前面的模式零次或多次。+：匹配前面的模式一次或多次。?：匹配前面的模式零次或一次。{n}：精确匹配前面的模式 n 次。{n,}：匹配前面的模式至少 n 次。{n,m}：匹配前面的模式至少 n 次，最多 m 次。
6. 编译模式
为了提高性能，特别是对于多次使用的模式，可以使用 re.compile() 编译正则表达式模式。
python
pattern = re.compile(r'\d+')
matches = pattern.findall('123 apples and 456 oranges')
print(matches) # 输出: ['123', '456']实际应用示例
验证用户输入
python
def validate_email(email):
pattern = re.compile(r'^[\w\.-]+@[\w\.-]+\.\w+$')
return bool(pattern.match(email))
print(validate_email('test@example.com')) # 输出: True
print(validate_email('invalid-email')) # 输出: False解析日志文件
python
log_line = '2023-10-01 12:34:56 INFO User logged in'
pattern = re.compile(r'(\d{4}-\d{2}-\d{2}) (\d{2}:\d{2}:\d{2}) (.+)')
match = pattern.search(log_line)
if match:
date, time, message = match.groups()
print(f'Date: {date}, Time: {time}, Message: {message}')
# 输出: Date: 2023-10-01, Time: 12:34:56, Message: INFO User logged in替换敏感信息
python
text = 'My credit card number is 1234-5678-9012-3456'
pattern = re.compile(r'\d{4}-\d{4}-\d{4}-\d{4}')
redacted_text = pattern.sub('XXXX-XXXX-XXXX-XXXX', text)
print(redacted_text) # 输出: My credit card number is XXXX-XXXX-XXXX-XXXX如何在 Python 中使用正则表达式（RegEx）
要在 Python 中搜索、匹配和编辑字符串，你需要导入 re 模块并使用其提供的函数来创建正则表达式（RegEx）。以下是一些使用正则表达式的指令和示例。
1. 导入 re 模块
首先，需要导入 re 模块：
python
import re2. 使用 search() 函数
search() 函数在字符串中搜索匹配项，并返回一个匹配对象（如果找到）。
python
import re
text = "The price is 123 dollars"
match = re.search(r'\d+', text)
if match:
print("Found a match:", match.group()) # 输出: Found a match: 1233. 使用 match() 函数
match() 函数检查字符串的开头是否与模式匹配。
python
import re
text = "Hello, world!"
match = re.match(r'Hello', text)
if match:
print("Found a match:", match.group()) # 输出: Found a match: Hello4. 使用 findall() 函数
findall() 函数查找字符串中所有匹配项，并返回一个匹配项列表。
python
import re
text = "123 apples and 456 oranges"
matches = re.findall(r'\d+', text)
print("All matches:", matches) # 输出: All matches: ['123', '456']5. 使用 sub() 函数
sub() 函数将匹配项替换为指定的字符串。
python
import re
text = "I like apples"
result = re.sub(r'apples', 'bananas', text)
print("Replaced text:", result) # 输出: Replaced text: I like bananas6. 使用 compile() 函数
compile() 函数将正则表达式模式编译为正则表达式对象，以便重复使用。
python
import re
pattern = re.compile(r'\d+')
text = "123 apples and 456 oranges"
matches = pattern.findall(text)
print("All matches:", matches) # 输出: All matches: ['123', '456']实际应用示例
以下是一个使用正则表达式从文本中提取电子邮件地址的实用示例。
python
import re
text = """
Contact us at support@example.com for more information.
You can also reach out to sales@example.com or marketing@example.net.
"""
# 定义电子邮件地址的正则表达式模式
email_pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'
# 使用 findall() 提取所有电子邮件地址
email_addresses = re.findall(email_pattern, text)
# 打印提取的电子邮件地址
print("Extracted email addresses:", email_addresses)
# 输出: Extracted email addresses: ['support@example.com', 'sales@example.com', 'marketing@example.net']正则表达式函数（RegEx Functions）
1. findall()
-
解释：返回字符串中所有匹配模式的列表。
-
用途：用于从文本中提取所有匹配项。
-
示例 ：
pythonimport re text = "123 apples, 456 oranges, and 789 bananas" matches = re.findall(r'\d+', text) print(matches) # 输出: ['123', '456', '789']
2. search()
-
解释：在字符串中搜索匹配模式，并返回一个匹配对象（如果找到）。
-
用途：用于检查字符串中是否存在匹配项。
-
示例 ：
pythonimport re text = "Hello, world!" match = re.search(r'world', text) if match: print("Found:", match.group()) # 输出: Found: world
3. split()
-
解释：按照模式出现的位置拆分字符串，并返回子字符串的列表。
-
用途：用于根据模式将字符串拆分为多个子字符串。
-
示例 ：
pythonimport re text = "one, two, three; four" parts = re.split(r'[,;]', text) print(parts) # 输出: ['one', ' two', ' three', ' four']
4. sub()
-
解释：将字符串中匹配模式的部分替换为指定的替换字符串。
-
用途：用于根据模式替换字符串中的部分。
-
示例 ：
pythonimport re text = "I like apples" result = re.sub(r'apples', 'bananas', text) print(result) # 输出: I like bananas
5. compile()
-
解释：将正则表达式模式编译为正则表达式对象，以便重复使用。
-
用途：用于编译正则表达式模式，提高性能。
-
示例 ：
pythonimport re pattern = re.compile(r'\d+') text = "123 apples and 456 oranges" matches = pattern.findall(text) print(matches) # 输出: ['123', '456']
6. escape()
-
解释：转义字符串中的所有非字母数字字符。
-
用途：用于将特殊字符视为普通字符。
-
示例 ：
pythonimport re text = "example.com?query=value" escaped_text = re.escape(text) print(escaped_text) # 输出: example\.com\?query\=value
7. fullmatch()
-
解释：检查整个字符串是否与模式完全匹配。
-
用途：用于验证字符串是否完全符合模式。
-
示例 ：
pythonimport re pattern = r'Hello, world!' text = 'Hello, world!' match = re.fullmatch(pattern, text) if match: print("Exact match!") # 输出: Exact match!
元字符（MetaCharacters）
元字符是正则表达式中具有特殊意义的字符。以下是一些常见的元字符及其解释和示例：
1. []
-
解释：用于指定一组字符，匹配其中的任何一个字符。
-
示例 ：
pythonimport re text = "bat, cat, hat" matches = re.findall(r'[bch]at', text) print(matches) # 输出: ['bat', 'cat', 'hat']
2. \
-
解释 ：转义特殊字符，使其被视为普通字符。也可以用于特殊序列（例如，
\d表示数字）。 -
示例 ：
pythonimport re text = "This is a test. 123." matches = re.findall(r'\d+', text) print(matches) # 输出: ['123']
3. .
-
解释：匹配除换行符外的任何单个字符。常用于通配符搜索。
-
示例 ：
pythonimport re text = "cat, cot, cut" matches = re.findall(r'c.t', text) print(matches) # 输出: ['cat', 'cot', 'cut']
4. ^
-
解释：匹配字符串的开始。确保模式出现在字符串的开头。
-
示例 ：
pythonimport re text = "Hello, world!" match = re.search(r'^Hello', text) if match: print("Found:", match.group()) # 输出: Found: Hello
5. $
-
解释：匹配字符串的结束。确保模式出现在字符串的结尾。
-
示例 ：
pythonimport re text = "Welcome to Python" match = re.search(r'Python$', text) if match: print("Found:", match.group()) # 输出: Found: Python
6. *
-
解释：匹配前面的模式零次或多次。适用于匹配可选和重复的字符。
-
示例 ：
pythonimport re text = "ac, abc, abbc" matches = re.findall(r'ab*c', text) print(matches) # 输出: ['ac', 'abc', 'abbc']
7. +
-
解释：匹配前面的模式一次或多次。适用于匹配至少一次出现的字符。
-
示例 ：
pythonimport re text = "ac, abc, abbc" matches = re.findall(r'ab+c', text) print(matches) # 输出: ['abc', 'abbc']
8. ?
-
解释：匹配前面的模式零次或一次。适用于使前面的字符可选。
-
示例 ：
pythonimport re text = "color, colour" matches = re.findall(r'colou?r', text) print(matches) # 输出: ['color', 'colour']
9. |
-
解释：逻辑或，匹配两边的任意模式。适用于匹配多个模式。
-
示例 ：
pythonimport re text = "cat, bat, rat" matches = re.findall(r'cat|rat', text) print(matches) # 输出: ['cat', 'rat']
特殊序列（Special Sequences）
特殊序列是正则表达式中具有特定含义的转义序列。以下是一些常见的特殊序列及其解释和示例：
1. \A
-
解释 ：匹配指定的字符是否在字符串的开头。类似于
^，但更严格（仅在字符串开头有效）。 -
示例 ：
pythonimport re text = "Hello world" match = re.search(r'\AHello', text) if match: print("Found:", match.group()) # 输出: Found: Hello
2. \b
-
解释：匹配单词边界处的空字符串。适用于单词的开始或结束。
-
示例 ：
pythonimport re text = "Hello, world!" matches = re.findall(r'\bworld\b', text) print(matches) # 输出: ['world']
3. \B
-
解释：匹配不在单词边界处的空字符串。适用于非单词边界。
-
示例 ：
pythonimport re text = "Hello, world!" matches = re.findall(r'\Bworld\B', text) print(matches) # 输出: []
4. \d
-
解释 ：匹配任何数字（0-9）。等同于
[0-9]。 -
示例 ：
pythonimport re text = "There are 123 apples" matches = re.findall(r'\d+', text) print(matches) # 输出: ['123']
5. \D
-
解释 ：匹配任何非数字字符。等同于
[^0-9]。 -
示例 ：
pythonimport re text = "There are 123 apples" matches = re.findall(r'\D+', text) print(matches) # 输出: ['There are ', ' apples']
6. \s
-
解释 ：匹配任何空白字符（包括空格、制表符、换行符等）。等同于
[ \t\n\r\f\v]。 -
示例 ：
pythonimport re text = "Hello world!" matches = re.findall(r'\s', text) print(matches) # 输出: [' ']
7. \S
-
解释 ：匹配任何非空白字符。等同于
[^ \t\n\r\f\v]。 -
示例 ：
pythonimport re text = "Hello world!" matches = re.findall(r'\S+', text) print(matches) # 输出: ['Hello', 'world!']
8. \w
-
解释 ：匹配任何字母数字字符（包括字母、数字和下划线）。等同于
[a-zA-Z0-9_]。 -
示例 ：
pythonimport re text = "Hello_world 123" matches = re.findall(r'\w+', text) print(matches) # 输出: ['Hello_world', '123']
9. \W
-
解释 ：匹配任何非字母数字字符。等同于
[^a-zA-Z0-9_]。 -
示例 ：
pythonimport re text = "Hello world!" matches = re.findall(r'\W+', text) print(matches) # 输出: [' ', '!']
10. \Z
-
解释 ：匹配指定的字符是否在字符串的末尾。类似于
$，但更严格（仅在字符串末尾有效）。 -
示例 ：
pythonimport re text = "Hello world" match = re.search(r'world\Z', text) if match: print("Found:", match.group()) # 输出: Found: world
集合（Sets）
集合是正则表达式中用于指定一组字符的工具。以下是一些常见的集合及其解释和示例：
1. [arn]
-
解释：匹配集合中的任意一个字符（'a'、'r' 或 'n'）。
-
用途：用于匹配特定的一组字符。
-
示例 ：
pythonimport re text = "apple, banana, orange" matches = re.findall(r'[arn]', text) print(matches) # 输出: ['a', 'a', 'a', 'n', 'a', 'a', 'a']
2. [a-n]
-
解释：匹配范围内的任意一个字符（'a' 到 'n'）。
-
用途：用于匹配一个范围内的字符。
-
示例 ：
pythonimport re text = "apple, banana, orange" matches = re.findall(r'[a-n]', text) print(matches) # 输出: ['a', 'l', 'e', 'a', 'a', 'n', 'a', 'a', 'e']
3. [^arn]
-
解释：匹配集合之外的任意一个字符（不包括 'a'、'r' 或 'n'）。
-
用途：用于排除特定的字符。
-
示例 ：
pythonimport re text = "apple, banana, orange" matches = re.findall(r'[^arn]', text) print(matches) # 输出: ['p', 'p', 'l', 'e', 'b', ' ', 'g', 'e']
4. [0123]
-
解释：匹配集合中的任意一个数字（'0'、'1'、'2' 或 '3'）。
-
用途：用于匹配特定的一组数字。
-
示例 ：
pythonimport re text = "1024, 123, 456" matches = re.findall(r'[0123]', text) print(matches) # 输出: ['1', '0', '2', '1', '2', '3']
5. [0-9]
-
解释 ：匹配任何数字（0 到 9）。等同于
\d。 -
用途：用于匹配任何数字。
-
示例 ：
pythonimport re text = "1024, 123, 456" matches = re.findall(r'[0-9]', text) print(matches) # 输出: ['1', '0', '2', '4', '1', '2', '3', '4', '5', '6']
6. [0-5][0-9]
-
解释：匹配任何两位数（00 到 59）。适用于匹配分钟或秒等时间单位。
-
用途：用于匹配特定范围内的两位数。
-
示例 ：
pythonimport re text = "The time is 12:45 and 08:30." matches = re.findall(r'[0-5][0-9]', text) print(matches) # 输出: ['12', '45', '08', '30']
7. [a-zA-Z]
-
解释：匹配任何字母（小写或大写）。
-
用途：用于大小写不敏感的字母匹配。
-
示例 ：
pythonimport re text = "Hello, World!" matches = re.findall(r'[a-zA-Z]', text) print(matches) # 输出: ['H', 'e', 'l', 'l', 'o', 'W', 'o', 'r', 'l', 'd']
8. [+]
-
解释 ：匹配字面意义上的加号
+。 -
用途：用于匹配特殊字符，通过将其放在方括号内来避免其特殊意义。
-
示例 ：
pythonimport re text = "Use + for addition" matches = re.findall(r'[+]', text) print(matches) # 输出: ['+']
常见问题解答
1. 如何检查字符串是否匹配正则表达式？
要检查字符串是否匹配正则表达式模式，可以使用 re 模块的 match()、search() 或 fullmatch() 函数。
re.match()：检查字符串的开头是否匹配正则表达式模式。re.search()：扫描整个字符串，查找任何匹配模式的部分。re.fullmatch()：确保整个字符串匹配正则表达式模式。
每个函数在找到匹配项时返回一个匹配对象，如果没有找到匹配项则返回 None。
示例：
python
import re
text = "Hello 123"
# 使用 re.search 查找数字
match = re.search(r'\d+', text)
if match:
print("Found:", match.group()) # 输出: Found: 123
else:
print("No match found")2. 如何在 Python 中使用正则表达式搜索短语？
要在字符串中使用正则表达式搜索短语，可以使用 re 模块的 search() 函数。首先导入 re 模块，然后定义包含你要搜索的确切短语的正则表达式模式。re.search() 函数会扫描整个字符串，查找匹配模式的部分，如果找到短语，则返回一个匹配对象；否则返回 None。
示例：
python
import re
text = "This is a sample text with hello world in it."
# 使用 re.search 搜索短语 "hello world"
match = re.search(r'hello world', text)
if match:
print("Found:", match.group()) # 输出: Found: hello world
else:
print("No match found")3. 如何在 Python 中使用正则表达式替换文本文件中的内容？
要在文件中使用正则表达式替换文本，可以使用 re 模块的 sub() 函数。首先读取文件内容到一个字符串中，然后使用 re.sub() 定义要替换的模式和替换文本。执行替换后，将修改后的内容写回文件。
示例：
python
import re
# 读取文件内容
with open('example.txt', 'r') as file:
content = file.read()
# 使用正则表达式替换文本
updated_content = re.sub(r'foo', 'bar', content)
# 将修改后的内容写回文件
with open('example.txt', 'w') as file:
file.write(updated_content)4. 如何在 Python 中使用正则表达式查找全名？
要在 Python 中使用正则表达式查找全名，可以创建一个匹配典型名字格式的模式。常见的全名模式由两个单词组成，每个单词以大写字母开头，后面跟着小写字母，并且可能包括中间名或首字母。可以使用 re 模块的 findall() 或 search() 函数来定位文本中的名字。
示例：
python
import re
text = "Contact John Doe or Jane Smith for more information."
# 定义全名的正则表达式模式
pattern = r'\b[A-Z][a-z]+\s[A-Z][a-z]+\b'
# 查找文本中的所有全名
full_names = re.findall(pattern, text)
print(full_names) # 输出: ['John Doe', 'Jane Smith']总结
Python 正则表达式（RegEx）是一种强大且灵活的工具，用于模式匹配和字符串操作，广泛应用于从文本处理到数据验证的各种场景。熟练掌握 re 模块及其函数，如 match()、sub()、findall() 和 search()，可以有效地处理复杂的文本处理任务。Python 正则表达式提供了足够的灵活性和效率，使得诸如文本替换、信息提取和模式识别等任务变得简单易行。
主要内容回顾
-
模式匹配：
match()：检查字符串的开头是否匹配正则表达式模式。search()：扫描整个字符串，查找任何匹配模式的部分。fullmatch()：确保整个字符串匹配正则表达式模式。
-
字符串操作：
findall()：返回字符串中所有匹配模式的列表。sub()：将字符串中匹配模式的部分替换为指定的替换字符串。split()：按照模式出现的位置拆分字符串，并返回子字符串的列表。
-
特殊序列和集合：
- 特殊序列 ：如
\d（匹配数字）、\s（匹配空白字符）、\w（匹配字母数字字符）等，提供了一种方便的方式来匹配特定类型的字符。 - 集合 ：如
[arn]（匹配 'a'、'r' 或 'n'）、[a-n]（匹配 'a' 到 'n' 范围内的字符）、[^arn]（匹配不在 'a'、'r' 或 'n' 中的字符）等，允许你定义更复杂的匹配规则。
- 特殊序列 ：如
实际应用
- 文本替换 ：使用
re.sub()函数可以轻松地替换文本中的特定模式。 - 信息提取 ：使用
re.findall()或re.search()可以从文本中提取所需的信息。 - 模式识别 ：使用
re.match()或re.fullmatch()可以验证字符串是否符合特定的模式。