正则表达式从入门到精通教程
这个教程会通过三个阶段（入门、进阶、精通）带你逐步学习正则表达式，附带实战练习和如何逐步编写符合需求的正则表达式。
阶段 1：入门
1. 什么是正则表达式？
正则表达式（Regular Expression, regex）是一种用于字符串匹配和处理的模式描述语言，可以用来搜索、替换和验证字符串。
2. 必备基础概念
特殊符号
.: 匹配任意单个字符（除换行符）。- 示例：
a.c匹配abc,a1c等。
- 示例：
[]: 匹配字符集中的任意一个字符。- 示例：
[abc]匹配a,b,c。
- 示例：
-: 表示字符范围。- 示例：
[a-z]匹配所有小写字母。
- 示例：
\: 转义符，用于匹配特殊字符本身。- 示例：
\.匹配点号.。
- 示例：
量词
*: 匹配前面的内容 0 次或多次。- 示例：
a*匹配"",a,aaa。
- 示例：
+: 匹配前面的内容 1 次或多次。- 示例：
a+匹配a,aa。
- 示例：
?: 匹配前面的内容 0 次或 1 次。- 示例：
a?匹配"",a。
- 示例：
{n}: 匹配前面的内容正好 n 次。- 示例：
a{3}匹配aaa。
- 示例：
3. 入门实战：用正则匹配简单的格式
任务：匹配一个简单的电话号码格式
- 示例号码：
123-456-7890 - 步骤：
- 分析结构：由数字、短横线组成，格式是
三位数字-三位数字-四位数字。 - 转换为正则：
\d{3}-\d{3}-\d{4}。
- 分析结构：由数字、短横线组成，格式是
python
import re
pattern = r"\d{3}-\d{3}-\d{4}"
text = "我的电话是 123-456-7890，请联系我。"
match = re.search(pattern, text)
if match:
print("找到电话号码:", match.group())阶段 2：进阶
1. 边界匹配
^: 匹配字符串的开头。- 示例：
^hello匹配以hello开头的字符串。
- 示例：
$: 匹配字符串的结尾。- 示例：
world$匹配以world结尾的字符串。
- 示例：
任务：验证字符串是否是邮箱格式
- 示例邮箱：
example@mail.com - 分析结构：
- 开头是字母或数字，可能包含下划线、点号。
- 接着是
@，后面是域名。 - 域名部分由字母数字组成，最后是点加后缀。
- 转换为正则：
^\w+@\w+\.\w+$
python
pattern = r"^\w+@\w+\.\w+$"
email = "example@mail.com"
if re.match(pattern, email):
print("合法邮箱")
else:
print("非法邮箱")2. 分组与引用
分组用 () 表示，引用用 \数字 指代之前的分组。
任务：匹配重复的单词
- 示例文本：
hello hello world - 分析需求：
- 匹配相邻两个完全相同的单词。
- 转换为正则：
\b(\w+)\s+\1\b
python
pattern = r"\b(\w+)\s+\1\b"
text = "hello hello world"
match = re.search(pattern, text)
if match:
print("找到重复单词:", match.group())3. 实战练习：提取日期
- 示例日期：
2024-11-17 - 分析需求：
- 格式是
年-月-日。 - 年是四位数字，月和日是两位数字。
- 转换为正则：
(\d{4})-(\d{2})-(\d{2})
- 格式是
python
pattern = r"(\d{4})-(\d{2})-(\d{2})"
date = "今天是 2024-11-17。"
match = re.search(pattern, date)
if match:
year, month, day = match.groups()
print(f"提取日期: 年={year}, 月={month}, 日={day}")阶段 3：精通
1. 贪婪与懒惰模式
- 默认是贪婪模式：尽可能多地匹配。
- 加
?转为懒惰模式：尽可能少地匹配。
任务：匹配 HTML 标签内容
- 示例文本：
<div>Hello</div><div>World</div> - 贪婪模式：
<.*>会匹配整个<div>Hello</div><div>World</div>。 - 懒惰模式：
<.*?>会分别匹配<div>和</div>。
python
pattern = r"<.*?>"
text = "<div>Hello</div><div>World</div>"
matches = re.findall(pattern, text)
print("匹配结果:", matches)2. 高级应用：嵌套匹配
任务：匹配嵌套结构（如数学表达式）
正则表达式不能直接处理嵌套结构，但可以通过多步操作实现。
- 示例文本：
(a + (b - c)) - 分析需求：
- 提取匹配外层和内层括号。
- 转换为正则：
\([^()]*\)
python
pattern = r"\([^()]*\)"
text = "(a + (b - c)) + (d / e)"
matches = re.findall(pattern, text)
print("匹配括号内容:", matches)3. 动态构造正则表达式
使用 re.compile 动态创建正则表达式，支持多种标志。
python
import re
flags = re.IGNORECASE | re.MULTILINE
pattern = re.compile(r"hello", flags)
text = "Hello world\nhello again"
matches = pattern.findall(text)
print("匹配结果:", matches)总结：如何编写正则表达式？
- 分析目标结构：
- 定位模式中的固定部分和可变部分。
- 确定字符类型（数字、字母、特殊字符）。
- 逐步分解编写：
- 从简单匹配入手，逐步增加复杂逻辑。
- 测试表达式：
- 使用在线工具（如 Regex101）。
- 优化与调试：
- 使用非贪婪模式或分组引用优化结果。
附：正则表达式一览表
1. 元字符（Metacharacters）
元字符是正则表达式的核心，用于匹配特定类型的字符或定义模式。
基本元字符：
| 元字符 | 作用 | 示例 | 匹配结果 |
|---|---|---|---|
. |
匹配任意单个字符（除了换行符） | a.c |
匹配 abc, a1c 等 |
\ |
转义符，用于匹配特殊字符本身 | a\.c |
匹配 a.c |
^ |
匹配字符串的开头 | ^abc |
匹配以 abc 开头的字符串 |
$ |
匹配字符串的结尾 | xyz$ |
匹配以 xyz 结尾的字符串 |
* |
匹配前一个字符 0 次或多次 | a* |
匹配 "", a, aaa 等 |
+ |
匹配前一个字符 1 次或多次 | a+ |
匹配 a, aa 等，但不匹配 "" |
? |
匹配前一个字符 0 次或 1 次 | a? |
匹配 "", a |
{n} |
匹配前一个字符正好 n 次 | a{3} |
匹配 aaa |
{n,} |
匹配前一个字符至少 n 次 | a{2,} |
匹配 aa, aaa 等 |
{n,m} |
匹配前一个字符至少 n 次，至多 m 次 | a{2,4} |
匹配 aa, aaa, aaaa |
字符集和范围：
| 元字符 | 作用 | 示例 | 匹配结果 |
|---|---|---|---|
[] |
匹配括号内任意字符 | [abc] |
匹配 a, b, c |
[^] |
匹配不在括号内的字符 | [^abc] |
匹配除 a, b, c 以外的字符 |
- |
指定字符范围 | [a-z] |
匹配 a 到 z 的任意小写字母 |
预定义字符集：
| 表达式 | 作用 | 示例 | 匹配结果 |
|---|---|---|---|
\d |
匹配任意数字（0-9） | \d+ |
匹配 123, 4 等 |
\D |
匹配任意非数字 | \D+ |
匹配 abc, !@# 等 |
\w |
匹配任意单词字符（字母、数字或下划线） | \w+ |
匹配 abc, a1_ 等 |
\W |
匹配任意非单词字符 | \W+ |
匹配 @#$ 等 |
\s |
匹配任意空白字符（空格、制表符等） | \s+ |
匹配空格、换行符等 |
\S |
匹配任意非空白字符 | \S+ |
匹配 abc, 123 等 |
2. 匹配模式（Greedy vs Lazy）
正则表达式默认是贪婪模式（尽可能多地匹配），但可以通过 ? 使其变为非贪婪模式（尽可能少地匹配）。
| 表达式 | 作用 | 示例 | 匹配结果 |
|---|---|---|---|
.* |
贪婪：匹配尽可能多的字符 | <.*> |
匹配整个 <html><body> |
.*? |
非贪婪：匹配尽可能少的字符 | <.*?> |
分别匹配 <html> 和 <body> |
3. 分组与引用
| 表达式 | 作用 | 示例 | 匹配结果 |
|---|---|---|---|
() |
定义一个组 | (abc)+ |
匹配 abc, abcabc 等 |
(?:...) |
非捕获组，不保存匹配结果 | (?:abc)+ |
匹配但不保存组 |
\n |
引用第 n 个捕获组 | (a)(b)\1\2 |
匹配 abab |
4. 边界匹配
| 表达式 | 作用 | 示例 | 匹配结果 |
|---|---|---|---|
\b |
匹配单词边界 | \bword\b |
匹配 word ，但不匹配 sword |
\B |
匹配非单词边界 | \Bword\B |
匹配 sworded 中的 word |
5. 标志（Flags）
标志修改正则表达式的行为：
| 标志 | 作用 | 示例 |
|---|---|---|
re.IGNORECASE / re.I |
忽略大小写 | re.match("abc", "ABC", re.I) |
re.DOTALL / re.S |
让 . 匹配换行符 |
re.match("a.b", "a\nb", re.S) |
re.MULTILINE / re.M |
多行模式，^ 和 $ 匹配每一行 |
re.match("^abc$", "abc\ndef", re.M) |
6. 常见正则表达式例子
| 表达式 | 匹配内容 |
|---|---|
^\d{4}-\d{2}-\d{2}$ |
日期格式：YYYY-MM-DD |
\w+@\w+\.\w+ |
电子邮件地址 |
https?://\S+ |
匹配 URL |
\d{3}-\d{3}-\d{4} |
电话号码：123-456-7890 |