PYTHON基础技能 – Python中利用正则表达式的16个常见任务

1. 正则表达式是什么？

正则表达式是一种用于匹配字符串的语言。它由一系列字符和特殊符号组成，用来描述搜索模式。在Python中，

模块提供了支持正则表达式的功能。

2. 安装与导入

首先，确保你的Python环境中已经安装了

模块。这是Python的标准库之一，所以通常不需要额外安装。

1
import re

3. 字符匹配

• 单个字符：使用方括号

  1

  []

  表示一组字符中的任意一个。

1
<em>#&nbsp;匹配任何字母</em><br>pattern&nbsp;=&nbsp;"&#091;a-zA-Z]"<br>string&nbsp;=&nbsp;"Hello&nbsp;World!"<br>match&nbsp;=&nbsp;re.search(pattern,&nbsp;string)<br>print(match.group())&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;H</em>

• 多个字符：使用

  1

  *

  表示零次或多次出现。

1
<em>#&nbsp;匹配任意数量的空格</em><br>pattern&nbsp;=&nbsp;"\s*"<br>string&nbsp;=&nbsp;"&nbsp;&nbsp;&nbsp;&nbsp;Hello&nbsp;World!"<br>match&nbsp;=&nbsp;re.match(pattern,&nbsp;string)<br>print(match.group())&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;'&nbsp;&nbsp;&nbsp;&nbsp;'</em>

4. 范围匹配

• 使用

  1

  -

  定义一个范围内的字符。

1
<em>#&nbsp;匹配小写字母a到e</em><br>pattern&nbsp;=&nbsp;"&#091;a-e]"<br>string&nbsp;=&nbsp;"abcdeABCDE"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'a',&nbsp;'b',&nbsp;'c',&nbsp;'d',&nbsp;'e']</em>

5. 排除字符

• 使用

  1

  ^

  排除某些字符。

1
<em>#&nbsp;匹配除了a到z之外的所有字符</em><br>pattern&nbsp;=&nbsp;"&#091;^a-z]"<br>string&nbsp;=&nbsp;"123ABCdef"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'1',&nbsp;'2',&nbsp;'3',&nbsp;'A',&nbsp;'B',&nbsp;'C']</em>

6. 字符集组合

• 可以将多个字符集组合起来使用。

1
<em>#&nbsp;匹配数字或大写字母</em><br>pattern&nbsp;=&nbsp;"&#091;0-9A-Z]+"<br>string&nbsp;=&nbsp;"Hello123World"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'123']</em>

7. 位置锚定

• 1

  ^

  表示行首，

  1

  $

  表示行尾。

1
<em>#&nbsp;匹配以大写字母开头的单词</em><br>pattern&nbsp;=&nbsp;"^&#091;A-Z]&#091;a-zA-Z]*"<br>string&nbsp;=&nbsp;"Hello&nbsp;world"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'Hello']</em>

8. 分组与引用

• 使用圆括号

  1

  ()

  来创建一个捕获组。

1
<em>#&nbsp;捕获日期格式</em><br>pattern&nbsp;=&nbsp;"(\d{4})-(\d{2})-(\d{2})"<br>string&nbsp;=&nbsp;"Today&nbsp;is&nbsp;2023-04-01."<br>match&nbsp;=&nbsp;re.match(pattern,&nbsp;"2023-04-01")<br>if&nbsp;match:<br>&nbsp;&nbsp;&nbsp;&nbsp;year&nbsp;=&nbsp;match.group(1)<br>&nbsp;&nbsp;&nbsp;&nbsp;month&nbsp;=&nbsp;match.group(2)<br>&nbsp;&nbsp;&nbsp;&nbsp;day&nbsp;=&nbsp;match.group(3)<br>&nbsp;&nbsp;&nbsp;&nbsp;print(f"Year:&nbsp;{year},&nbsp;Month:&nbsp;{month},&nbsp;Day:&nbsp;{day}")

9. 非捕获组

• 如果不关心某部分的内容，可以使用

  1

  (?:)

  。

1
<em>#&nbsp;不捕获中间的冒号</em><br>pattern&nbsp;=&nbsp;r"(\d{2}):(?:\d{2}):\d{2}"<br>string&nbsp;=&nbsp;"09:30:15"<br>match&nbsp;=&nbsp;re.match(pattern,&nbsp;string)<br>if&nbsp;match:<br>&nbsp;&nbsp;&nbsp;&nbsp;hour&nbsp;=&nbsp;match.group(1)<br>&nbsp;&nbsp;&nbsp;&nbsp;print(hour)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;09</em>

10. 替换文本

• 使用

  1

  re.sub()

  方法替换字符串中的匹配项。

1
<em>#&nbsp;将所有空格替换成下划线</em><br>pattern&nbsp;=&nbsp;"\s+"<br>string&nbsp;=&nbsp;"Hello&nbsp;&nbsp;&nbsp;World"<br>new_string&nbsp;=&nbsp;re.sub(pattern,&nbsp;"_",&nbsp;string)<br>print(new_string)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;Hello_World</em>

11. 贪婪与非贪婪匹配

• 贪婪匹配：默认情况下，正则表达式会尽可能多地匹配字符。
• 非贪婪匹配：使用

  1

  ?

  使匹配变得“懒惰”，即尽可能少地匹配字符。

1
<em>#&nbsp;贪婪匹配</em><br>pattern&nbsp;=&nbsp;"&lt;.*&gt;"<br>string&nbsp;=&nbsp;"&lt;p&gt;Hello&nbsp;&lt;span&gt;World&lt;/span&gt;&lt;/p&gt;"<br>match&nbsp;=&nbsp;re.search(pattern,&nbsp;string)<br>print(match.group())&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&lt;p&gt;Hello&nbsp;&lt;span&gt;World&lt;/span&gt;&lt;/p&gt;</em><br><br><em>#&nbsp;非贪婪匹配</em><br>pattern&nbsp;=&nbsp;"&lt;.*?&gt;"<br>string&nbsp;=&nbsp;"&lt;p&gt;Hello&nbsp;&lt;span&gt;World&lt;/span&gt;&lt;/p&gt;"<br>match&nbsp;=&nbsp;re.search(pattern,&nbsp;string)<br>print(match.group())&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&lt;p&gt;</em>

12. 条件分支

• 使用

  1	(?P<name>)

  命名捕获组，并通过

  1

  (?P=name)

  引用它们。

1
<em>#&nbsp;匹配重复的单词</em><br>pattern&nbsp;=&nbsp;r"\b(\w+)\b\s+\1\b"<br>string&nbsp;=&nbsp;"hello&nbsp;hello&nbsp;world"<br>match&nbsp;=&nbsp;re.sub(pattern,&nbsp;r"\1",&nbsp;string,&nbsp;flags=re.IGNORECASE)<br>print(match)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;hello&nbsp;world</em>

13. 重复限定符

• 使用

  1

  {n}

  指定精确重复次数。

• 使用

  1

  {n,}

  指定至少重复n次。

• 使用

  1

  {n,m}

  指定重复n到m次。

1
<em>#&nbsp;匹配恰好重复三次的字符</em><br>pattern&nbsp;=&nbsp;r"a{3}"<br>string&nbsp;=&nbsp;"aaabbbccc"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;]</em><br><br><em>#&nbsp;匹配至少重复两次的字符</em><br>pattern&nbsp;=&nbsp;r"a{2,}"<br>string&nbsp;=&nbsp;"aaabbbccc"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'aaa']</em><br><br><em>#&nbsp;匹配重复两到四次的字符</em><br>pattern&nbsp;=&nbsp;r"a{2,4}"<br>string&nbsp;=&nbsp;"aaabbbccc"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'aaa']</em>

14. 特殊字符

• 点号

  1

  .

  ：匹配除换行符之外的任何字符。

• 反斜杠

  1

  \

  ：转义特殊字符。

1
<em>#&nbsp;匹配包含任何字符的单词</em><br>pattern&nbsp;=&nbsp;r"\w+"<br>string&nbsp;=&nbsp;"hello\nworld"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'hello']</em><br><br><em>#&nbsp;匹配特殊字符</em><br>pattern&nbsp;=&nbsp;r"\."<br>string&nbsp;=&nbsp;"hello.world"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'.']</em>

15. 边界限定符

• 单词边界

  1

  \b

  ：匹配单词的开始和结束。

• 非单词边界

  1

  \B

  ：匹配非单词的位置。

1
<em>#&nbsp;匹配单词边界</em><br>pattern&nbsp;=&nbsp;r"\bhello\b"<br>string&nbsp;=&nbsp;"hello&nbsp;world"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'hello']</em><br><br><em>#&nbsp;匹配非单词边界</em><br>pattern&nbsp;=&nbsp;r"\Bworld\B"<br>string&nbsp;=&nbsp;"hello&nbsp;world"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;]</em>

16. 标志位

• 忽略大小写

  1	re.IGNORECASE

  ：使匹配不区分大小写。

• 多行模式

  1	re.MULTILINE

  ：使

  1

  ^

  和

  1

  $

  分别匹配每一行的开始和结束。

• 点号匹配换行符

  1

  re.DOTALL

  ：使

  1

  .

  匹配包括换行符在内的任何字符。

1
<em>#&nbsp;忽略大小写</em><br>pattern&nbsp;=&nbsp;r"hello"<br>string&nbsp;=&nbsp;"Hello&nbsp;world"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string,&nbsp;re.IGNORECASE)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'Hello']</em><br><br><em>#&nbsp;多行模式</em><br>pattern&nbsp;=&nbsp;r"^hello"<br>string&nbsp;=&nbsp;"hello\nworld"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string,&nbsp;re.MULTILINE)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'hello']</em><br><br><em>#&nbsp;点号匹配换行符</em><br>pattern&nbsp;=&nbsp;r"hello.*world"<br>string&nbsp;=&nbsp;"hello\nworld"<br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string,&nbsp;re.DOTALL)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'hello\nworld']</em>

实战案例分析

假设我们需要从一段文本中提取所有的邮箱地址。这可以通过正则表达式轻松实现。邮箱地址的一般形式为

。下面是一个简单的示例：

1
<em>#&nbsp;提取邮箱地址</em><br>pattern&nbsp;=&nbsp;r"&#091;a-zA-Z0-9._%+-]+@&#091;a-zA-Z0-9.-]+\.&#091;a-zA-Z]{2,}"<br>string&nbsp;=&nbsp;"""<br>John&nbsp;Doe&nbsp;&lt;johndoe@example.com&gt;<br>Jane&nbsp;Smith&nbsp;&lt;janesmith@company.org&gt;<br>"""<br><br>matches&nbsp;=&nbsp;re.findall(pattern,&nbsp;string)<br>print(matches)&nbsp;&nbsp;<em>#&nbsp;输出:&nbsp;&#091;'johndoe@example.com',&nbsp;'janesmith@company.org']</em>