python中正则表达式学习

文章目录

介绍
基本语法
常用函数
- 捕获组和命名组
- 非捕获组
- 贪婪匹配和非贪婪匹配
- 多行模式和点匹配所有模式
- 示例总结

介绍

Python 中的正则表达式（regular expressions, 简称 regex）由 re 模块提供。正则表达式是一种用于匹配字符串的强大工具，常用于文本搜索和处理。以下是一些常用的正则表达式语法及其相关说明：

基本语法

普通字符: 直接匹配字符本身。
- 示例: abc 匹配字符串 “abc”。
点号 (.): 匹配除换行符以外的任意字符。
- 示例: a.c 匹配 “abc”、“a1c” 等。
字符集 ([]): 匹配方括号中的任意一个字符。
- 示例: [abc] 匹配 “a”、“b” 或 “c”。
字符范围: 在字符集内使用 - 表示范围。
- 示例: [a-z] 匹配所有小写字母。
排除字符集 ([^]): 匹配不在方括号内的任意字符。
- 示例: [^abc] 匹配除 “a”、“b”、“c” 之外的任意字符。
重复次数:
- ```
*
```
  : 匹配前面的字符0次或多次。
  - 示例: a* 匹配空字符串、“a”、“aa” 等。
- ```
+
```
  : 匹配前面的字符1次或多次。
  - 示例: a+ 匹配 “a”、“aa” 等。
- ```
?
```
  : 匹配前面的字符0次或1次。
  - 示例: a? 匹配空字符串或 “a”。
- ```
{m,n}
```
  : 匹配前面的字符至少
```
m
```
  次，至多
```
n
```
  次。
  - 示例: a{2,4} 匹配 “aa”、“aaa” 或 “aaaa”。
边界匹配:
- ```
^
```
  : 匹配字符串的开头。
  - 示例: ^abc 匹配以 “abc” 开头的字符串。
- ```
$
```
  : 匹配字符串的结尾。
  - 示例: abc$ 匹配以 “abc” 结尾的字符串。
- ```
\b
```
  : 匹配单词边界。
  - 示例: \bword\b 匹配独立的单词 “word”。
特殊字符:
- \d : 匹配任意数字，等价于 [0-9]。
- \D : 匹配任意非数字字符，等价于 [^0-9]。
- \w : 匹配任意字母数字字符，等价于 [a-zA-Z0-9_]。
- \W : 匹配任意非字母数字字符，等价于 [^a-zA-Z0-9_]。
- \s : 匹配任意空白字符，包括空格、制表符、换行符等。
- \S : 匹配任意非空白字符。

常用函数

re.match(pattern, string): 从字符串的开头尝试匹配模式。

示例:

python

Copy code

import re
result = re.match(r'\d+', '123abc')
if result:print(result.group())  # 输出: 123

re.search(pattern, string): 搜索整个字符串，返回第一个匹配的结果。
- 示例:
  
  python
  
  Copy code
```
result = re.search(r'\d+', 'abc123def')
if result:print(result.group())  # 输出: 123
```
re.findall(pattern, string): 搜索整个字符串，返回所有匹配的结果列表。
- 示例:
  
  python
  
  Copy code
```
results = re.findall(r'\d+', 'abc123def456')
print(results)  # 输出: ['123', '456']
```
re.sub(pattern, repl, string): 替换字符串中所有匹配的子串。
- 示例:
  
  python
  
  Copy code
```
result = re.sub(r'\d+', '#', 'abc123def456')
print(result)  # 输出: abc#def#
```

re.split(pattern, string): 根据模式分割字符串，返回一个列表。

示例:

python

Copy code

import re
result = re.split(r'\d+', 'abc123def456ghi')
print(result)  # 输出: ['abc', 'def', 'ghi']

re.compile(pattern): 编译正则表达式模式，返回一个正则表达式对象，后续可以使用该对象调用匹配方法。
- 示例:
  
  python
  
  Copy code
```
pattern = re.compile(r'\d+')
result = pattern.match('123abc')
if result:print(result.group())  # 输出: 123
```

捕获组和命名组

捕获组: 使用圆括号 () 将部分模式括起来，匹配的子串会被捕获到一个组中。

示例:

python

Copy code

match = re.search(r'(\d+)-(\d+)', '123-456')
if match:print(match.group(1))  # 输出: 123print(match.group(2))  # 输出: 456

命名组: 使用 (?P<name>...) 语法给捕获组命名，便于后续引用。

示例:

python

Copy code

match = re.search(r'(?P<area_code>\d+)-(?P<number>\d+)', '123-456')
if match:print(match.group('area_code'))  # 输出: 123print(match.group('number'))  # 输出: 456

非捕获组

有时你可能只想对一部分模式进行分组，但不希望捕获匹配结果。此时可以使用非捕获组 (?:...)。

示例:

python

Copy code

match = re.search(r'(?:\d+)-(\d+)', '123-456')
if match:print(match.group(1))  # 输出: 456

贪婪匹配和非贪婪匹配

贪婪匹配: 默认情况下，量词 (*, +, {m,n}) 是贪婪的，会尽可能多地匹配字符。
- 示例:
  
  python
  
  Copy code
```
match = re.search(r'<.*>', '<tag>content</tag>')
if match:print(match.group())  # 输出: <tag>content</tag>
```
非贪婪匹配: 在量词后面加 ? 可以使其变为非贪婪匹配，尽可能少地匹配字符。
- 示例:
  
  python
  
  Copy code
```
match = re.search(r'<.*?>', '<tag>content</tag>')
if match:print(match.group())  # 输出: <tag>
```

多行模式和点匹配所有模式

多行模式 (re.MULTILINE): 使 ^ 和 $ 匹配每一行的开头和结尾，而不仅仅是整个字符串的开头和结尾。
- 示例:
  
  python
  
  Copy code
```
text = """first line
second line"""
matches = re.findall(r'^\w+', text, re.MULTILINE)
print(matches)  # 输出: ['first', 'second']
```

点匹配所有模式 (re.DOTALL): 使 . 匹配所有字符，包括换行符。

示例:

python

Copy code

text = "line one\nline two"
match = re.search(r'line.*', text, re.DOTALL)
if match:print(match.group())  # 输出: line one\nline two

示例总结

综合应用上述语法和函数，下面是一个更复杂的示例：

python

Copy code

import retext = """
John Doe, email: john.doe@example.com, phone: (123) 456-7890
Jane Smith, email: jane.smith@example.com, phone: (987) 654-3210
"""# 提取所有的 email 地址
emails = re.findall(r'\b[\w.-]+?@\w+?\.\w+?\b', text)
print("Emails:", emails)# 提取所有的电话号码
phones = re.findall(r'\(\d{3}\) \d{3}-\d{4}', text)
print("Phones:", phones)# 提取姓名