Python正则表达式使用指南:从基础到实战

一、正则表达式核心概念

正则表达式(Regular Expression)是用于字符串匹配的强大工具,通过特定语法描述文本模式。Python通过内置的re模块提供全面支持,以下是核心语法要素:

1.1 基础元字符

符号 含义 示例
. 匹配任意字符(除换行) r'A..-4..' 匹配 A123-456
^ 匹配字符串开头 r'^user' 验证用户名前缀
$ 匹配字符串结尾 r'呢?$' 检查问句结尾
* 0次或多次重复 r'p*izza' 匹配 pizza/pppppizza
+ 1次或多次重复 r'\w+@\w+\.\w+' 匹配邮箱
? 0次或1次重复 r'\d?-\d{4}' 匹配可选区号

1.2 字符集与量词

python 复制代码
# 字符集示例
[abc]   # 匹配a/b/c中的一个
[^0-9]  # 匹配非数字
\d{3}   # 精确匹配3位数字
\d{2,5} # 匹配2-5位数字

1.3 边界与分组

python 复制代码
# 单词边界与分组捕获
r'\bPython\b'      # 精确匹配单词"Python"
r'(\d{3})-\1+'    # 捕获分组并引用(如123-123-123)

二、re模块核心函数详解

Python的re模块提供6大核心函数,覆盖90%的文本处理场景:

2.1 基础匹配函数

python 复制代码
import re

# 精确匹配开头
if re.match(r'^user', 'user123'):
    print("用户名合法")

# 全局搜索第一个匹配
match = re.search(r'\d+', '价格是199元')
print(match.group())  # 输出:199

2.2 高级处理函数

python 复制代码
# 提取所有匹配项
emails = re.findall(r'\w+@\w+\.\w+', '联系我: a@b.com, c@d.net')

# 文本替换
text = re.sub(r'Python', 'Python编程', '我喜欢Python')

# 分割字符串
parts = re.split(r'[,;]', 'apple,orange;banana')

三、实战案例解析

3.1 邮箱验证器

python 复制代码
def validate_email(email):
    pattern = r'^[\w.%+-]+@[\w.-]+\.[a-zA-Z]{2,}$'
    return bool(re.match(pattern, email))

print(validate_email('test@example.com'))  # True
print(validate_email('invalid.email'))    # False

3.2 HTML标签提取器

python 复制代码
html = "<div>内容1</div><p>内容2</p>"
tags = re.findall(r'<([^>]+)>', html)
print(tags)  # 输出:['div', 'p']

3.3 电话号码清洗

python 复制代码
def clean_phone(number):
    # 提取11位数字并格式化
    cleaned = re.sub(r'\D', '', number)
    if len(cleaned) == 11:
        return f"{cleaned[:3]}-{cleaned[3:7]}-{cleaned[7:]}"
    return "无效号码"

print(clean_phone("138-1234-5678"))  # 138-1234-5678

四、进阶技巧

4.1 预编译提升性能

python 复制代码
# 预编译正则表达式
email_re = re.compile(r'^[\w.%+-]+@[\w.-]+\.[a-zA-Z]{2,}$')
if email_re.match('user@domain.com'):
    # 处理逻辑

4.2 命名分组

python 复制代码
# 使用命名分组提取URL组件
url_pattern = re.compile(r'^(?P<protocol>https?)://(?P<domain>[^/]+)')
match = url_pattern.match('https://www.example.com')
print(match.group('protocol'))  # https
print(match.group('domain'))     # www.example.com

4.3 反向引用

python 复制代码
# 匹配重复出现的单词
text = "hello hello world"
matches = re.findall(r'\b(\w+)\s+\1\b', text)
print(matches)  # ['hello']

五、常见错误处理

5.1 贪婪与非贪婪匹配

python 复制代码
# 非贪婪匹配解决过度匹配问题
html = "<a>链接</a><b>标题</b>"
# 使用?开启非贪婪模式
tags = re.findall(r'<.*?>(.*?)</.*?>', html)
print(tags)  # ['链接', '标题']

5.2 转义特殊字符

python 复制代码
# 匹配包含特殊字符的文本
text = "文件路径: C:\\Users\\Name"
matches = re.findall(r'C:\\\\Users\\\\\w+', text)
print(matches)  # ['C:\\Users\\Name']

六、学习资源推荐

  1. 官方文档Python re模块文档
  2. 正则表达式测试工具RegExr
  3. 进阶书籍:《精通正则表达式》(第三版)

通过掌握这些核心知识,您可以高效处理90%的文本处理需求。建议从简单案例入手,逐步尝试复杂模式,配合在线测试工具验证正则表达式,快速提升实战能力。

相关推荐
hui函数几秒前
Flask蓝图:模块化开发的利器
后端·python·flask
一枚小小程序员哈几秒前
基于php的萌宠社区网站的设计与实现、基于php的宠物社区论坛的设计与实现
开发语言·php·宠物
跟橙姐学代码1 分钟前
Python 装饰器超详细讲解:从“看不懂”到“会使用”,一篇吃透
前端·python·ipython
站大爷IP4 分钟前
Rust爬虫实战:用reqwest+select打造高效网页抓取工具
python
Chandler_Song21 分钟前
Excel 转化成JSON
python·json
山烛41 分钟前
深度学习:CUDA、PyTorch下载安装
人工智能·pytorch·python·深度学习·cuda
老赵的博客1 小时前
QT的项目pro qmake编译
开发语言·qt
枯萎穿心攻击2 小时前
从 Unity UGUI 到 Unreal UMG 的交互与高效实践:UI 事件、坐标系适配与性能优化
开发语言·ui·unity·性能优化·ue5·游戏引擎·虚幻引擎
WALL-EC2 小时前
Qt工具栏中图标槽函数没有响应的问题分析
开发语言·qt·osgearth
WCL-JAVA2 小时前
java生成带水印的pdf文件
java·python·pdf