Python 正则表达式使用指南

Python 正则表达式使用指南

正则表达式（Regular Expression, 简称 regex）是处理字符串和文本的强大工具。它使用特定的语法定义一组规则，通过这些规则可以对文本进行匹配、查找、替换等操作。Python 提供了 re 模块，使得正则表达式的功能易于使用。本文将详细介绍 Python 中如何使用正则表达式，并通过代码示例帮助新手理解正则表达式的基本概念和应用。

1. 正则表达式基础知识

正则表达式的核心是用一种特殊的语法来定义文本模式，这种模式可以用来匹配或查找字符串。通过正则表达式，可以快速完成复杂的字符串查找和处理任务。理解正则表达式最基本的规则是使用它的关键。

1.1 常用的正则表达式符号

以下是一些常见的正则表达式符号：

• .：匹配任意单个字符（除了换行符）。
• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• *：匹配前面的字符零次或多次。
• +：匹配前面的字符一次或多次。
• ?：匹配前面的字符零次或一次（非贪婪模式）。
• {n}：匹配前面的字符 n 次。
• {n, m}：匹配前面的字符 n 到 m 次。
• [abc]：匹配 a、b 或 c 中的任意一个字符。
• [^abc]：匹配除了 a、b、c 之外的任意字符。
• |：表示“或”操作。
• \d：匹配任意数字，相当于 [0-9]。
• \D：匹配任意非数字字符。
• \w：匹配字母、数字或下划线，相当于 [A-Za-z0-9_]。
• \W：匹配非字母、数字、下划线的字符。
• \s：匹配空白字符，如空格、制表符等。
• \S：匹配非空白字符。

1.2 正则表达式的基本语法

要使用正则表达式首先需要理解其语法。例如，表达式 \d{3}-\d{4} 可以用来匹配一个 3 位数字加一个连字符再加 4 位数字的格式（如电话号码“123-4567”）。在 Python 中，正则表达式必须使用原始字符串（即在字符串前面加上 r），否则会引起转义字符错误。

pattern = r"\d{3}-\d{4}"

2. Python 正则表达式 re 模块简介

Python 的 re 模块提供了多种正则表达式的功能，主要包括匹配、搜索、替换等操作。re 模块的核心函数包括：

• re.match()：从字符串开头匹配正则表达式。
• re.search()：在整个字符串中查找第一个匹配的子串。
• re.findall()：找到所有匹配的子串，并返回一个列表。
• re.finditer()：找到所有匹配的子串，并返回一个迭代器。
• re.sub()：替换所有匹配的子串。
• re.compile()：预编译正则表达式，提高性能。

下面将详细讲解这些函数的使用方法。

3. re.match()：从字符串开头匹配

re.match() 用于检查字符串是否以某个模式开头。如果匹配成功，它会返回一个 Match 对象，否则返回 None。

示例

import re

text = "Hello World"
pattern = r"Hello"

# 从字符串开头匹配
match = re.match(pattern, text)
if match:
    print("匹配成功:", match.group())
else:
    print("匹配失败")

输出：

匹配成功: Hello

在上面的示例中，re.match() 从字符串的开头开始匹配 Hello，成功匹配后返回 Match 对象。

4. re.search()：在字符串中查找匹配

re.search() 用于在整个字符串中查找第一个匹配的子串，而不仅仅是开头部分。

示例

import re

text = "Say Hello World"
pattern = r"Hello"

# 在整个字符串中查找
search = re.search(pattern, text)
if search:
    print("找到匹配:", search.group())
else:
    print("没有找到匹配")

输出：

找到匹配: Hello

re.search() 在字符串中找到 Hello，即使它不在开头。

5. re.findall()：查找所有匹配

re.findall() 会返回所有匹配的子串组成的列表，适用于查找多个匹配项的情况。

示例

import re

text = "123-4567, 234-5678, 345-6789"
pattern = r"\d{3}-\d{4}"

# 查找所有匹配项
matches = re.findall(pattern, text)
print("找到的匹配项:", matches)

输出：

找到的匹配项: ['123-4567', '234-5678', '345-6789']

在这里，re.findall() 找到了字符串中所有符合 \d{3}-\d{4} 格式的内容。

6. re.finditer()：返回匹配迭代器

re.finditer() 和 re.findall() 类似，但是返回一个迭代器，每个元素是一个 Match 对象，适合需要逐个处理每个匹配结果的情况。

示例

import re

text = "abc123def456ghi789"
pattern = r"\d+"

# 查找所有匹配项并迭代
matches = re.finditer(pattern, text)
for match in matches:
    print("找到的匹配项:", match.group())

输出：

找到的匹配项: 123
找到的匹配项: 456
找到的匹配项: 789

7. re.sub()：替换匹配项

re.sub() 可以将匹配的部分替换为指定的内容，非常适合对字符串进行清理和格式化。

示例

import re

text = "Call me at 123-4567 or 987-6543."
pattern = r"\d{3}-\d{4}"

# 替换电话号码为 [REDACTED]
new_text = re.sub(pattern, "[REDACTED]", text)
print("替换结果:", new_text)

输出：

替换结果: Call me at [REDACTED] or [REDACTED].

在这个示例中，re.sub() 用 [REDACTED] 替换了所有电话号码。

8. re.compile()：预编译正则表达式

对于需要多次使用的正则表达式，使用 re.compile() 可以提高效率。re.compile() 会预编译正则表达式并返回一个 Pattern 对象，可以使用该对象执行各种正则操作。

示例

import re

text = "Email: abc@example.com and xyz@test.com"
pattern = re.compile(r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}")

# 使用预编译对象进行匹配
matches = pattern.findall(text)
print("找到的邮箱地址:", matches)

输出：

找到的邮箱地址: ['abc@example.com', 'xyz@test.com']

在这里，我们使用 re.compile() 编译了一个邮箱匹配的正则表达式，之后可以通过 Pattern 对象多次使用该正则表达式。

9. 正则表达式的常见应用示例

9.1 验证电子邮件地址

import re

email = "test@example.com"
pattern = r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$"
if re.match(pattern, email):
    print("这是一个有效的邮箱地址")
else:
    print("无效的邮箱地址")

9.2 提取电话号码

import re

text = "Please call 123-4567 or 987-6543 for more information."
pattern = r"\d{3}-\d{4}"
matches = re.findall(pattern, text)
print("提取到的电话号码:", matches)

9.3 替换敏感词

import re

text = "This is a bad

 example of a bad word."
pattern = r"bad"
clean_text = re.sub(pattern, "[censored]", text)
print("替换敏感词后:", clean_text)

10. 总结

正则表达式是处理文本的强大工具，能够简洁高效地完成复杂的字符串匹配和处理任务。在 Python 中使用 re 模块的 match、search、findall、finditer、sub 等方法可以方便地操作字符串。掌握正则表达式的基本语法和常用方法，新手也能灵活运用正则表达式来处理实际应用中的各种字符串匹配问题。