【新人系列】Python 入门（十六）：正则表达式

✍ 个人博客：https://blog.csdn.net/Newin2020?type=blog

📝 专栏地址：https://blog.csdn.net/newin2020/category_12801353.html

📣 专栏定位：为 0 基础刚入门 Python 的小伙伴提供详细的讲解，也欢迎大佬们一起交流~

📚 专栏简介：在这个专栏，我将带着大家从 0 开始入门 Python 的学习。在这个 Python 的新人系列专栏下，将会总结 Python 入门基础的一些知识点，方便大家快速入门学习~

❤️ 如果有收获的话，欢迎点赞 👍 收藏 📁 关注，您的支持就是我创作的最大动力 💪
在线正则表达式测试：https://tool.oschina.net/regex/#

1. 正则表达式详解

介绍

正则表达式是一种用于匹配和操作文本的规则或语法：

• 正则表达式拥有强大的文本处理能力，支持匹配、查找、替换等操作
• 广泛的应用领域，例如编程、数据处理、文本处理等领域
• 通用性强，跨语言跨场景

语法

2. 正则表达式实战

案例一

现在有这样一串字符，我需要根据需求查找出相应的字符信息。

hello world 12345 is book 123

1. 匹配出 hello 字符串
   1. 方法一：hello
   2. 方法二：^hello
2. 匹配出所有数字
   1. 方法：\d+
3. 匹配出所有字符串
   1. 方法：[a-zA-Z]+

案例二

要求写一个正则表达式，用来匹配邮箱，而邮箱规则如下：

• 结构：前缀@后缀
• 前缀：由大小写字母、数字、下划线、中划线等构成
• 后缀：由小写字母或数字构成，并以 .com 结尾

123@qq.com
test@email.com
xxx@123.com

匹配邮箱的正则表达式：

1. 匹配单个邮箱
   1. 方法：^[a-zA-Z0-9_-]+@[a-z0-9]+.com$
2. 匹配多个邮箱
   1. 方法：[a-zA-Z0-9_-]+@[a-z0-9]+.com

3. Python 正则表达式用法 - re 模块

3.1 re.search( )

在字符串中搜索匹配正则表达式的第一个位置。

import re

text = "Hello, World!"
result = re.search('World', text)

# 找到匹配
if result:
    print("找到匹配")
    print(result)    # <re.Match object; span=(7, 12), match='World'>
    print(result.span())     # (7, 12)
    print(result.group())    # World
else:
    print("未找到匹配")

3.2 re.match( )

用于从字符串的起始位置匹配正则表达式，如果起始位置匹配成功，则返回一个匹配对象；否则返回 None。

import re

text = "Hello World"
result = re.match('Hello', text)

# 匹配成功
if result:
    print("匹配成功")
    print(result)    # <re.Match object; span=(0, 5), match='Hello'>
    print(result.span())     # (0, 5)
    print(result.group())    # Hello
else:
    print("匹配失败")

Tips：

re.match() 只从字符串的起始位置进行匹配，而 re.search() 则会在字符串中搜索匹配的部分，不限于起始位置。

再看个复杂点的正则表达式，进一步理解一下 match 和 search 函数的区别。

# !/usr/bin/python3
# -*- coding: utf-8 -*-
# @Author：gdx
# @File：test.py.py
# @Project：test_python

import re

# 匹配1
text1 = "@#@！￥123_23134@qq.com"
result = re.match('[a-zA-Z0-9_-]+@[a-z0-9]+.com', text1)
# 匹配失败
if result:
    print("匹配成功")
    print(result)
    print(result.group())
else:
    print("匹配失败")

# 匹配2
result = re.search('[a-zA-Z0-9_-]+@[a-z0-9]+.com', text1)
# 匹配成功
if result:
    print("匹配成功")
    print(result)  # <re.Match object; span=(5, 21), match='123_23134@qq.com'>
    print(result.group())  # 123_23134@qq.com
else:
    print("匹配失败")

# 匹配3
text2 = "123_23134@qq.com"
result = re.match('[a-zA-Z0-9_-]+@[a-z0-9]+.com', text2)
# 匹配成功
if result:
    print("匹配成功")
    print(result)    # <re.Match object; span=(0, 16), match='123_23134@qq.com'>
    print(result.group())    # 123_23134@qq.com
else:
    print("匹配失败")

3.3 re.findall( )

返回字符串中所有匹配正则表达式的子串。

import re

text = "apple, banana, cherry"
matches = re.findall('a[a-z]+', text)   # ['apple', 'anana']
print(matches) 

3.4 re.compile( )

re.complile() 用于编译正则表达式模式，生成一个正则表达式对象。这个对象可以被多次使用，从而提高效率。它接受一个字符串形式的正则表达式作为参数，并返回一个编译后的正则表达式对象。

除了前面提到的可以直接使用编译后的对象调用 findall 等方法之外，还可以设置一些标志参数来影响正则表达式的匹配行为。

常见的标志参数有：

• re.IGNORECASE 或 re.I ：使匹配对大小写不敏感。
• re.MULTILINE 或 re.M ：多行模式，影响 ^ 和 $ 的匹配行为。
• re.DOTALL 或 re.S ：使 . 匹配包括换行符在内的所有字符。

import re

pattern = re.compile('hello', re.IGNORECASE)
text = "Hello World"
result = pattern.search(text)
if result:
    print("找到匹配")
    print(result)    # <re.Match object; span=(0, 5), match='Hello'>
    print(result.group())    # Hello
else:
    print("未找到匹配")

可以再来看一个分割字符串的例子。

import re

data_list=[
    '2小时10分20秒',
    '3小时20分30秒',
    '1小时10分5秒'
]
pattern = re.compile('小时|分|秒')
for i in data_list:
    res = pattern.split(i)
    print(res)
    """
    ['2', '10', '20', '']
    ['3', '20', '30', '']
    ['1', '10', '5', '']
    """

3.5 ( ) 分组

使用括号 () 进行分组，可以提取匹配的子串。

import re

pattern = re.compile(r"(\d{3})-(\d{3})-(\d{4})")
text = "My phone number is 123-456-7890"
result = pattern.search(text)
if result:
    print(result.group(1))   # 123
    print(result.group(2))   # 456
    print(result.group(3))   # 7890

Tips：

这里的 r 表示原始字符串，避免一些字符需要额外的转义。

3.6 re.sub( )

使用 re.sub() 函数可以进行替换操作。

import re

text = "Hello, World!"
new_text = re.sub('World', 'Python', text)
print(new_text)  # Hello, Python!

我们再结合前面的分组方法看一个更复杂点的例子，我想要将一串手机号的中间 4 个数字进行加密处理，我们

import re

# 方法一：分两组
pattern = re.compile(r"(\d{3})\d{4}(\d{3})")
text = "我有几个手机号分别是：1361234567，1331234567，1797654321"
new_text = pattern.sub(r"\1****\2", text)
print(new_text)  # 我有几个手机号分别是：136****567，133****567，179****321

# 方法二：分三组
pattern = re.compile(r"(\d{3})(\d{4})(\d{3})")
text = "我有几个手机号分别是：1361234567，1331234567，1797654321"
new_text = pattern.sub(r"\1****\3", text)
print(new_text)  # 我有几个手机号分别是：136****567，133****567，179****321