Python高级技巧(六):正则表达式

文章目录

• 前言
• [1. 正则表达式的定义](#1. 正则表达式的定义)
• [2. 正则表达式的语法规则](#2. 正则表达式的语法规则)
• • [2.1 匹配什么字符](#2.1 匹配什么字符)
  • [2.2 匹配多少次](#2.2 匹配多少次)
  • [2.3 在哪里匹配](#2.3 在哪里匹配)
  • [2.4 匹配指定格式的字符](#2.4 匹配指定格式的字符)
• 3.单行模式与多行模式
• [4. 贪婪模式和懒惰模式](#4. 贪婪模式和懒惰模式)
• [5. match函数和search函数](#5. match函数和search函数)
• • [5.1 match函数](#5.1 match函数)
  • [5.2 re.search函数](#5.2 re.search函数)
• [6. findall函数 和 sub函数](#6. findall函数 和 sub函数)
• • [6.1 findall 函数](#6.1 findall 函数)
  • • [6.2 sub 函数](#6.2 sub 函数)
• [7. split 函数 和 compile 函数](#7. split 函数 和 compile 函数)
• • [7.1 split函数](#7.1 split函数)
  • [7.2 compile函数](#7.2 compile函数)
• 总结

前言

正则表达式是每一位开发者必须掌握的文本处理利器，它能以简洁语法高效完成复杂匹配任务。本文系统介绍正则表达式的核心语法与实战应用，涵盖基础匹配规则、单多行模式、贪婪懒惰模式等关键概念，并结合Python re模块的常用方法进行代码演示。通过在线工具regex101.com可以边学边练，助你快速掌握这一实用技能

1. 正则表达式的定义

正则表达式，又称规则表达式,（Regular Expression，在代码中常简写为regex、

regexp或RE），是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特

殊字符（称为"元字符"）。正则表达式使用单个字符串来描述、匹配一系列符合某个

句法规则的字符串，通常被用来检索、替换那些符合某个模式（规则）的文本。通俗

的说，正则表达式就是一种语法规则，用来匹配文本中的文本。

正则表达式非常强大，不仅在UNIX系统中应用广泛，近二十年来，在Windows系统

中也得到极大的发展，现如今主流的操作系统包括Linux、Unix、Windows和主流的

开发语言包括C/C++、Java、JavaScript、C#、Python、Go、PHP等。
这里有一个可以测试正则表达式的小工具,可以实操一下
https://regex101.com/
基本功能如下

2. 正则表达式的语法规则

2.1 匹配什么字符

1. .：匹配任意的字符（换行符除外）
2. \d：匹配数字字符
3. \D：匹配非数字字符
4. \w：匹配单词字符（英文、数字、下划线）
5. \W：匹配非单词字符
6. \s：匹配空白符（包括换行符、Tab键、空格）
7. \S：匹配非空白字符

2.2 匹配多少次

1. *: 出现0次或多次（贪婪）
2. +：出现1次或多次（贪婪）
3. ？：出现0次或1次（懒惰）
4. {n}：出现n次
5. {n, m}：出现n~m次
6. {n，}：出现n次以上

2.3 在哪里匹配

1. ^：在行首的位置匹配
2. $：在行尾的位置匹配
3. \b：表示匹配单词边界。（比如\bword，可以匹配word、words，但不会匹配
sword）

2.4 匹配指定格式的字符

---

使用（）匹配指定格式的字符，比如：

(ab)：表示在文本中只匹配ab这两个字符，且必须相邻
(a|b)：表示在文本中匹配a或者b这两个字符，不一定相邻

---

使用[]匹配指定类别的字符串,比如

[abcd]：表示匹配a或匹配b或匹配c或匹配d
[a-d]：表示匹配a或匹配b或匹配c或匹配d
[a-zA-Z0-9]：表示匹配所有的大小写英文和数字
[^0-9]：表示匹配除了数字之外的所有字符

3.单行模式与多行模式

概念定义

单行模式：
在单行模式下，.(小数点)可以匹配任何的字符，包括换行符，并且整个文本会被认为是一个完整的文本，使用^和$只能匹配到文本的开头和结尾。

多行模式：
在多行模式下，.就不可以匹配换行符了，使用^和$可以匹配到每一行的开始和结束。

4. 贪婪模式和懒惰模式

概念定义

在正则表达式中，
贪婪匹配和懒惰匹配是两种不同的数量匹配策略。它们决定了量词
（比如*、+、？、{n，m}等）如何匹配尽可能多的或尽可能少的字符。
1.贪婪模式：指在正则表达式中的量词会尽可能多地匹配字符。
2.懒惰模式：指在正则表达式中的量词会尽可能少地匹配字符。(需要手动设置)

** ? 的作用**

1.
？作为限定符，表示其修饰对象只能出现0次或1次。
2.
？放在量词前，表示将匹配模式改为懒惰匹配模式。
3.
（?=pattern）：表示匹配位置后面必须跟着pattern模式的字符，匹配结果并不包括这个模式的字符串。
4.
（?!pattern）：表示匹配位置后面不能跟着pattern模式的字符，匹配结果并不包括这个模式的字符串。
5.
（?<=pattern）：表示匹配位置前面必须跟着pattern模式的字符,匹配结果并不包括这个模式的字符串。
6.
（?<!pattern）：表示匹配位置前面不能跟着pattern模式的字符，匹配结果并不包括这个模式的字符串。
7.
（?:pattern）：表示将pattern包含在一个分组中，但不把这个分组的匹配结果保存到分组编号中。

5. match函数和search函数

5.1 match函数

re.match 是 Python 标准库 re 模块中的一个函数，用于从字符串的起始位置匹配正则表达式。如果匹配成功，返回一个匹配对象；否则返回 None。

函数原型为:

re.match(pattern,string,flags)

pattern:正则表达式的格式

string:被匹配的文本

flags:标志位，用于控制正则表达式的匹配方式，如：是否区分大小写、设置多行匹配模式等
适用场景

1. 验证输入格式：检查用户输入是否符合特定的格式，例如电子邮件、电话号码、
日期等。
2. 提取信息：从字符串的开始位置提取符合正则表达式模式的字串，如提取文件名
等。
3. 数据解析：在处理日志文件或配置文件时，可以用来解析每行的开始部分，获取
关键信息。

使用match函数校检邮箱格式是否正确

import re#首先要用import导入这个re
while True:#定义一个死循环
    email = input('请输入有效的邮箱：')
    pattern = r'[0-9a-zA-Z+-_.]+@[0-9a-zA-Z.-]+\.[a-zA-Z]{2,}'#用正则表达式定义一个正确的邮箱格式
    res = re.match(pattern, email)
    if res:
        print('您的邮箱格式正确')
        break
    else:
        print('您的邮箱格式有误，请重新输入')

输出结果:

#当我输入一个正确的邮箱格式
请输入有效邮箱:1234567891@ww.cn
这是正确的邮箱
#当我输出一个错误的邮箱格式,它会输出报错,并且程序不会停止,会让你再输入,
#直到输入格式正确,然后输出这是正确的邮箱
请输入有效邮箱:132
你输入的邮箱格式有误,请重新输入
请输入有效邮箱:

5.2 re.search函数

定义概念

re.search是Python标准库re模块中的一个函数，用于在字符串中搜索正则表达式匹配的第一个位置。与re.match不同，re.search会扫描整个字符串，而不仅限于从字符串开头匹配。

函数原型：

re.search(pattern，string，flags=0)

pattern：正则表达式的模式。

string：要搜索的字符串。

flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写、

设置多行匹配模式等.
适用场景

1. 验证字符串包含特定模式：检查一个字符串是否包含某个特定的文本。
2. 提取字符串中的特定部分：从字符串中的任意位置提取信息，例如从一个文本段落中提取所有提
到的日期。
3. 搜索替换操作：在某文件中查找特定的消息或事件。

用re.search函数获取一个符合表达式的字符的位置

import re
text = '''
dkjsahdkasd
15780742078
25752577555
24522425323
faffdasfasd
'''
pattern = r'^[1]{1}[3589]{1}[0-9]{9}$'
res = re.search(pattern,text,re.M)
if res:
    print(res.group())
    print(res.start())#返回匹配开始的位置,因为11个字母后还有换行符所以为13

输出结果为:

15780742078
13

6. findall函数 和 sub函数

6.1 findall 函数

概念定义

findall 是 Python re 模块中的函数，用于在字符串中匹配所有符合正则表达式模式的子串，并以列表形式返回结果。
语法:

re.findall(pattern, string, flags=0)

参数作用:

pattern：正则表达式字符串。
string：待匹配的原始字符串。
flags（可选）：控制匹配方式的标志（如 re.IGNORECASE 忽略大小写）。

返回值：

返回所有非重叠匹配的子串列表。若正则包含分组，则返回分组元组的列表；若无匹配则返回空列表。
findall函数的使用

import re  
text = "a1b2c3"  
matches = re.findall(r'\d', text)  # 匹配所有数字  
print(matches)  

输出结果为:

['1','2','3']

6.2 sub 函数

概念定义

sub 是 re 模块中用于替换字符串中匹配正则表达式部分的内容的函数。
语法:

re.sub(pattern, repl, string, count=0, flags=0)

参数作用

pattern：正则表达式字符串。
repl：替换的字符串或函数（若为函数，需接收匹配对象并返回替换字符串）。
string：待处理的原始字符串。
count（可选）：最大替换次数（默认为0，表示全部替换）。
flags（可选）：匹配标志

用sub函数进行替换

import re
#原始字符串
text = "Hello 123 World 456"
#定义一个正则表达式,匹配数字
pattern = r'\d+'

#定义一个替换函数
def replace(match):
   #将匹配到的数字乘以2
   number = int(match.group())
   return str(number*2)#使用re.sub和替换函数
new_text = re.sub(pattern, replace, text)
print(new_text)

输出结果为:

Hello 246 World 912

7. split 函数 和 compile 函数

7.1 split函数

定义概念

re.split 用于根据正则表达式模式分割字符串,分割后结果放在列表中返回
语法

re.split(pattern, string, maxsplit=0, flags=0)

参数说明

 pattern：正则表达式模式。
string：需要分割的字符串。
maxsplit：最大分割次数，默认为 0（表示不限制）。
flags：正则表达式标志（如 re.IGNORECASE）

代码示例

import re
text = "apple,banana,orange,watermelon"
fruits = re.split(r',\s',text)
print(fruits)

输出结果为:

['apple,banana,orange,watermelon']

7.2 compile函数

定义概念

re.compile 用于将正则表达式模式编译为一个正则表达式对象，以便重复使用。
语法

re.compile(pattern, flags=0)

参数说明

pattern：正则表达式模式。
flags：正则表达式标志（如 re.IGNORECASE）

代码示例

import re
email_pattern = re.compile(r'apple(?= banana)')
#使用编译后的模式进行多次匹配
text ='''
apple
apple banana
apple orange

'''

emails = email_pattern.findall(text)
print(emails)

输出结果为:

['apple']

总结

本文系统讲解了正则表达式的核心知识体系：从基础字符匹配（如\d, \w, \s）到量词使用（*, +, ?, {n,m}），从位置匹配（^, $, \b）到高级模式选择。通过Python re模块的match、search、findall、sub等函数实战演示，展现了正则表达式在文本处理中的强大能力。掌握正则表达式需要多多练习，建议读者在实际项目中灵活运用，必将大幅提升开发效率。