Python 正则表达式

正则表达式看似复杂，实则很简单，如果大家在学习的过程中有疑惑的，可以使用作者开发的正则表达式可使用工具，它能实时可视化你写的正则是匹配到哪些字符了

基础语法和元字符

普通字符

普通字符就是字面意思，直接匹配对应的字符。

import re

text = "Hello World"
pattern = "Hello"
result = re.search(pattern, text)
print(result.group())  # 输出: Hello

常用元字符

import re

# 点号匹配任意字符
text = "cat bat rat"
pattern = r".at"
matches = re.findall(pattern, text)
print(matches)  # 输出: ['cat', 'bat', 'rat']

# 开头和结尾匹配
text = "Hello World"
print(re.search(r"^Hello", text) is not None)  # True
print(re.search(r"World$", text) is not None)  # True

# 量词使用
text = "a ab abb abbb"
print(re.findall(r"ab*", text))   # ['a', 'ab', 'abb', 'abbb']
print(re.findall(r"ab+", text))   # ['ab', 'abb', 'abbb']
print(re.findall(r"ab?", text))   # ['a', 'ab', 'ab', 'ab']

字符类

import re

text = "Hello123 World456"

# \d 匹配数字
numbers = re.findall(r"\d", text)
print(numbers)  # ['1', '2', '3', '4', '5', '6']

# \w 匹配字母、数字、下划线
words = re.findall(r"\w+", text)
print(words)  # ['Hello123', 'World456']

# \s 匹配空白字符
spaces = re.findall(r"\s", text)
print(spaces)  # [' ']

# 自定义字符类
vowels = re.findall(r"[aeiou]", "Hello World")
print(vowels)  # ['e', 'o', 'o']

# 字符范围
letters = re.findall(r"[a-z]+", "Hello World 123")
print(letters)  # ['ello', 'orld']

Python中的re模块

导入和基本使用

import re

# 基本匹配
text = "Python是一门编程语言"
pattern = r"Python"
if re.search(pattern, text):
    print("找到匹配")
else:
    print("未找到匹配")

re模块的主要函数

re.search() - 查找第一个匹配

import re

text = "联系电话：138-1234-5678，备用电话：139-8765-4321"
pattern = r"\d{3}-\d{4}-\d{4}"
match = re.search(pattern, text)
if match:
    print(f"找到电话号码: {match.group()}")  # 138-1234-5678
    print(f"位置: {match.start()}-{match.end()}")  # 位置: 4-16

re.match() - 从字符串开头匹配

import re

text = "Python编程"
# match只从字符串开头匹配
result1 = re.match(r"Python", text)
print(result1.group() if result1 else "未匹配")  # Python

result2 = re.match(r"编程", text)
print(result2.group() if result2 else "未匹配")  # 未匹配

re.findall() - 查找所有匹配

import re

text = "今天是2024年1月15日，明天是2024年1月16日"
dates = re.findall(r"\d{4}年\d{1,2}月\d{1,2}日", text)
print(dates)  # ['2024年1月15日', '2024年1月16日']

# 返回元组（有分组时）
emails = "联系邮箱：user1@example.com，备用邮箱：user2@gmail.com"
email_parts = re.findall(r"(\w+)@(\w+\.\w+)", emails)
print(email_parts)  # [('user1', 'example.com'), ('user2', 'gmail.com')]

re.finditer() - 返回匹配对象的迭代器

import re

text = "价格：¥100，折扣价：¥80，VIP价：¥60"
pattern = r"¥(\d+)"
for match in re.finditer(pattern, text):
    print(f"价格: {match.group(1)}, 位置: {match.start()}-{match.end()}")
# 输出:
# 价格: 100, 位置: 2-6
# 价格: 80, 位置: 11-14
# 价格: 60, 位置: 20-23

re.sub() - 替换匹配的内容

import re

# 基本替换
text = "今天天气很好，明天天气也不错"
new_text = re.sub(r"天气", "心情", text)
print(new_text)  # 今天心情很好，明天心情也不错

# 使用函数进行替换
def price_converter(match):
    price = int(match.group(1))
    return f"${price * 0.15:.2f}"

text = "商品价格：¥100，特价：¥80"
converted = re.sub(r"¥(\d+)", price_converter, text)
print(converted)  # 商品价格：$15.00，特价：$12.00

re.split() - 按模式分割字符串

import re

# 基本分割
text = "苹果,香蕉;橙子|葡萄"
fruits = re.split(r"[,;|]", text)
print(fruits)  # ['苹果', '香蕉', '橙子', '葡萄']

# 保留分隔符
text = "第一章。第二章！第三章？"
chapters = re.split(r"([。！？])", text)
print(chapters)  # ['第一章', '。', '第二章', '！', '第三章', '？', '']

分组和捕获

基本分组

import re

# 使用圆括号创建分组
text = "我的生日是1990年5月20日"
pattern = r"(\d{4})年(\d{1,2})月(\d{1,2})日"
match = re.search(pattern, text)

if match:
    print(f"完整匹配: {match.group(0)}")  # 1990年5月20日
    print(f"年份: {match.group(1)}")      # 1990
    print(f"月份: {match.group(2)}")      # 5
    print(f"日期: {match.group(3)}")      # 20
    print(f"所有分组: {match.groups()}")   # ('1990', '5', '20')

命名分组

import re

text = "张三的邮箱是zhangsan@example.com"
pattern = r"(?P<name>\w+)的邮箱是(?P<email>\w+@\w+\.\w+)"
match = re.search(pattern, text)

if match:
    print(f"姓名: {match.group('name')}")    # 张三
    print(f"邮箱: {match.group('email')}")   # zhangsan@example.com
    print(f"字典形式: {match.groupdict()}")   # {'name': '张三', 'email': 'zhangsan@example.com'}

非捕获分组

import re

# (?:...) 表示非捕获分组，不会被保存
text = "http://www.example.com 和 https://www.google.com"
pattern = r"(?:http|https)://(\w+\.\w+\.\w+)"
matches = re.findall(pattern, text)
print(matches)  # ['www.example.com', 'www.google.com']

# 对比：使用捕获分组
pattern_with_capture = r"(http|https)://(\w+\.\w+\.\w+)"
matches_with_capture = re.findall(pattern_with_capture, text)
print(matches_with_capture)  # [('http', 'www.example.com'), ('https', 'www.google.com')]

贪婪匹配与非贪婪匹配

贪婪匹配（默认行为）

import re

text = '<div>内容1</div><div>内容2</div>'

# 贪婪匹配：尽可能多地匹配
greedy_pattern = r"<div>.*</div>"
greedy_match = re.search(greedy_pattern, text)
print(f"贪婪匹配: {greedy_match.group()}")
# 输出: <div>内容1</div><div>内容2</div>

非贪婪匹配

import re

text = '<div>内容1</div><div>内容2</div>'

# 非贪婪匹配：尽可能少地匹配
non_greedy_pattern = r"<div>.*?</div>"
non_greedy_matches = re.findall(non_greedy_pattern, text)
print(f"非贪婪匹配: {non_greedy_matches}")
# 输出: ['<div>内容1</div>', '<div>内容2</div>']

量词的贪婪与非贪婪形式

import re

text = "aaaa"

print("贪婪量词:")
print(re.findall(r"a+", text))    # ['aaaa']
print(re.findall(r"a*", text))    # ['aaaa', '']
print(re.findall(r"a{2,4}", text))  # ['aaaa']

print("\n非贪婪量词:")
print(re.findall(r"a+?", text))   # ['a', 'a', 'a', 'a']
print(re.findall(r"a*?", text))   # ['', '', '', '', '']
print(re.findall(r"a{2,4}?", text))  # ['aa']

编译正则表达式

为什么要编译

当需要多次使用同一个正则表达式时，预先编译可以提高性能。

import re

# 编译正则表达式
phone_pattern = re.compile(r"(\d{3})-(\d{4})-(\d{4})")

text1 = "我的电话是138-1234-5678"
text2 = "他的电话是139-8765-4321"

# 使用编译后的模式
match1 = phone_pattern.search(text1)
match2 = phone_pattern.search(text2)

print(f"电话1: {match1.group()}")  # 138-1234-5678
print(f"电话2: {match2.group()}")  # 139-8765-4321

编译标志

import re

text = "Hello WORLD"

# 忽略大小写
pattern = re.compile(r"hello", re.IGNORECASE)
print(pattern.search(text).group())  # Hello

# 多行模式
multiline_text = """第一行
第二行
第三行"""

# 使用MULTILINE标志
pattern1 = re.compile(r"^第二行", re.MULTILINE)
print(pattern1.search(multiline_text).group())  # 第二行

# 点号匹配所有字符（包括换行符）
pattern2 = re.compile(r"第一行.*第三行", re.DOTALL)
print(pattern2.search(multiline_text).group())  # 第一行\n第二行\n第三行