正则表达式的含义

正则表达式（Regular Expression, 简称 RegEx） 是一种用来匹配和操作字符串的强大工具。它通过一种特殊的语法规则来描述文本模式，可以用于查找、替换、提取特定格式的字符串。

正则表达式广泛应用于文本处理任务，如：

• 验证输入（如检查电子邮件地址是否合法）。
• 搜索和替换（如替换敏感信息）。
• 数据提取（如从 HTML 中提取 URL）。

---

1. 正则表达式的核心概念

正则表达式的规则由 普通字符 和 特殊字符（元字符） 组成。

(1) 普通字符

普通字符会直接匹配其字面含义。

例如：

• 正则表达式 hello 匹配字符串 "hello"。

(2) 特殊字符（元字符）

元字符有特殊意义，可以用来描述更复杂的匹配模式。以下是一些常见元字符及其功能：

元字符	含义	示例
.	匹配任意单个字符（除换行符）	a.b 匹配 "acb" 或 "a1b"
*	匹配前面的字符 0 次或多次	ab* 匹配 "a", "ab", "abb"
+	匹配前面的字符 1 次或多次	ab+ 匹配 "ab", "abb"
?	匹配前面的字符 0 次或 1 次	ab? 匹配 "a", "ab"
^	匹配字符串的开始	^hello 匹配 "hello world" 的开头
$	匹配字符串的结束	world$ 匹配 "hello world" 的结尾
[]	匹配方括号内的任意一个字符	[abc] 匹配 "a", "b", "c"
`	`	或运算符，匹配左右任意一个表达式
()	用于分组，提取子表达式	(abc) 匹配 "abc" 并分组
\	转义字符，用于匹配元字符的字面意义	\. 匹配 "."
{}	匹配指定次数	a{2} 匹配 "aa"，a{2,4} 匹配 2 到 4 个 "a"

---

2. 实用示例

(1) 匹配特定模式

• 匹配数字： \d+

  • \d 表示任意数字（相当于 [0-9]），+ 表示匹配 1 次或多次。
  • 可匹配 "12345" 或 "42"。

• 匹配电子邮件地址： \w+@\w+\.\w+

  • \w 表示字母、数字或下划线（相当于 [A-Za-z0-9_]）。
  • @ 和 . 是固定字符，表示邮件格式。

(2) 替换字符串

用正则表达式替换电话号码中的破折号为空格：

import re

text = "My phone number is 123-456-7890."
result = re.sub(r"\d{3}-\d{3}-\d{4}", "XXX-XXX-XXXX", text)
print(result)
# 输出: My phone number is XXX-XXX-XXXX.

(3) 检查字符串格式

验证一个字符串是否是合法的邮政编码（如 6 位数字）：

import re

zipcode = "123456"
pattern = r"^\d{6}$"  # 表示开头到结尾正好是 6 位数字
if re.match(pattern, zipcode):
    print("合法邮政编码")
else:
    print("非法邮政编码")

---

3. 常用正则表达式模式

功能	正则表达式	示例
匹配 4 位数字	^\d{4}$	"2024" 匹配成功
匹配手机号（简单版）	^1[3-9]\d{9}$	"13812345678" 匹配成功
匹配网址	https?://\S+	"http://example.com" 匹配成功
匹配日期（yyyy-mm-dd）	\d{4}-\d{2}-\d{2}	"2024-12-19" 匹配成功

---

4. 应用场景

1. 数据清洗：提取符合格式的文本（如提取所有日期）。
2. 表单验证：验证输入格式，如身份证号、邮箱、手机号。
3. 文本分析：如日志文件的分析，提取错误信息。
4. 文件操作：批量重命名文件或搜索内容。

---