首页手记 re正则表达式入门教程

re正则表达式入门教程

标签：

正则表达式

概述

本文详细介绍了re正则表达式的概念、作用及其在Python中的基本使用方法，包括文本搜索、替换、验证等功能，并提供了多个示例代码。文章还深入讲解了正则表达式的语法、量词、分组以及常用的预定义字符类，介绍了re模块的常用函数，如re.match、re.search、re.findall和re.sub，并通过实际项目中的应用案例展示了这些知识的实际应用。

正则表达式基础概念

什么是正则表达式

正则表达式是一种强大的工具，用于匹配字符串中的特定模式。它允许你定义一组字符、字符组合或模式，以便在文本中查找特定的数据。正则表达式广泛应用于编程语言中，用于文本搜索、替换、验证等任务。

正则表达式的作用

正则表达式的主要作用包括：

文本搜索：查找符合特定模式的字符串。
文本替换：将文本中符合特定模式的字符替换为其他字符。
文本验证：验证输入字符串是否符合特定的格式要求。
分词：将字符串分割成多个部分。
提取信息：从文本中提取特定的信息。

Python中re模块的基本使用

Python使用 re 模块来处理正则表达式。re 模块提供了许多函数和方法来匹配、搜索和替换文本。以下是一些常用的方法：

re.match：检查字符串是否符合正则表达式。
re.search：检查字符串中是否包含正则表达式定义的模式。
re.findall：查找字符串中所有符合正则表达式的子串。
re.split：将字符串按照正则表达式定义的模式分割。
re.sub：用替换字符串替换正则表达式匹配的内容。

以下是一个简单的例子，展示如何使用 re 模块：

import re

# 示例字符串
text = "Hello, my email is test@example.com."

# 匹配电子邮件地址
email_pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'

# 使用 re.match 检查是否匹配
match = re.match(email_pattern, text)
if match:
    print("匹配成功")
else:
    print("匹配失败")

# 使用 re.search 查找是否包含电子邮件地址
search_result = re.search(email_pattern, text)
if search_result:
    print("找到电子邮件地址:", search_result.group())
else:
    print("未找到电子邮件地址")

# 使用 re.findall 查找所有匹配的电子邮件地址
all_emails = re.findall(email_pattern, text)
print("所有找到的电子邮件地址:", all_emails)

# 使用 re.split 按照电子邮件地址分割字符串
split_result = re.split(email_pattern, text)
print("按照电子邮件地址分割后的列表:", split_result)

# 使用 re.sub 替换电子邮件地址
substituted_text = re.sub(email_pattern, "REDACTED", text)
print("替换后的文本:", substituted_text)

正则表达式基本语法

常用字符匹配

正则表达式中的特殊字符和符号可以用来匹配特定的模式。以下是一些常用的字符匹配：

.：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。
*：匹配前面的表达式零次或多次。
+：匹配前面的表达式一次或多次。
?：匹配前面的表达式零次或一次。
\d：匹配任意数字字符（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。

以下是一些示例代码，展示如何使用这些字符匹配：

import re

text = "Hello 123 World!"

# 匹配任意单个字符
pattern = r'.'
matches = re.findall(pattern, text)
print("匹配任意单个字符:", matches)

# 匹配字符串开头
pattern = r'^Hello'
match = re.match(pattern, text)
print("匹配字符串开头:", bool(match))

# 匹配字符串结尾
pattern = r'World$'
match = re.search(pattern, text)
print("匹配字符串结尾:", bool(match))

# 匹配数字
pattern = r'\d'
matches = re.findall(pattern, text)
print("匹配数字:", matches)

# 匹配非数字
pattern = r'\D'
matches = re.findall(pattern, text)
print("匹配非数字:", matches)

# 匹配字母数字字符
pattern = r'\w'
matches = re.findall(pattern, text)
print("匹配字母数字字符:", matches)

# 匹配非字母数字字符
pattern = r'\W'
matches = re.findall(pattern, text)
print("匹配非字母数字字符:", matches)

# 匹配空白字符
pattern = r'\s'
matches = re.findall(pattern, text)
print("匹配空白字符:", matches)

# 匹配非空白字符
pattern = r'\S'
matches = re.findall(pattern, text)
print("匹配非空白字符:", matches)

量词和分组

正则表达式中的量词和分组用于定义字符的匹配次数和组合方式。

量词：
- *：匹配前面的表达式零次或多次。
- +：匹配前面的表达式一次或多次。
- ?：匹配前面的表达式零次或一次。
- {n}：匹配前面的表达式恰好 n 次。
- {n,}：匹配前面的表达式至少 n 次。
- {n,m}：匹配前面的表达式 n 到 m 次。
分组：
- ()：将多个字符或表达式组合成一个分组。
- |：表示“或”，用于匹配两个或多个表达式中的一个。
- ?：非贪婪模式，尽可能少地匹配。
- *：非贪婪模式，匹配前面的表达式零次或多次。
- +：非贪婪模式，匹配前面的表达式一次或多次。

以下是一些示例代码，展示如何使用量词和分组：

import re

text = "Hello 123 456"

# 匹配数字零次或多次
pattern = r'\d*'
matches = re.findall(pattern, text)
print("匹配数字零次或多次:", matches)

# 匹配数字一次或多次
pattern = r'\d+'
matches = re.findall(pattern, text)
print("匹配数字一次或多次:", matches)

# 匹配数字零次或一次
pattern = r'\d?'
matches = re.findall(pattern, text)
print("匹配数字零次或一次:", matches)

# 匹配数字恰好2次
pattern = r'\d{2}'
matches = re.findall(pattern, text)
print("匹配数字恰好2次:", matches)

# 匹配数字至少2次
pattern = r'\d{2,}'
matches = re.findall(pattern, text)
print("匹配数字至少2次:", matches)

# 匹配数字2到3次
pattern = r'\d{2,3}'
matches = re.findall(pattern, text)
print("匹配数字2到3次:", matches)

# 分组匹配
pattern = r'(Hello|World)'
matches = re.findall(pattern, text)
print("分组匹配:", matches)

# 或操作匹配
pattern = r'Hello|World'
matches = re.findall(pattern, text)
print("或操作匹配:", matches)

预定义字符类

预定义字符类是一些常用的字符集，它们在正则表达式中直接可用，可以简化正则表达式的编写。以下是一些常用的预定义字符类：

\d：匹配任何数字字符（等价于 [0-9]）。
\D：匹配任何非数字字符（等价于 [^0-9]）。
\w：匹配任何字母数字字符（等价于 [a-zA-Z0-9_]）。
\W：匹配任何非字母数字字符（等价于 [^a-zA-Z0-9_]）。
\s：匹配任何空白字符（包括空格、制表符、换行符等）。
\S：匹配任何非空白字符。

以下是一些示例代码，展示如何使用预定义字符类：

import re

text = "Hello 123 World!"

# 匹配数字字符
pattern = r'\d'
matches = re.findall(pattern, text)
print("匹配数字字符:", matches)

# 匹配非数字字符
pattern = r'\D'
matches = re.findall(pattern, text)
print("匹配非数字字符:", matches)

# 匹配字母数字字符
pattern = r'\w'
matches = re.findall(pattern, text)
print("匹配字母数字字符:", matches)

# 匹配非字母数字字符
pattern = r'\W'
matches = re.findall(pattern, text)
print("匹配非字母数字字符:", matches)

# 匹配空白字符
pattern = r'\s'
matches = re.findall(pattern, text)
print("匹配空白字符:", matches)

# 匹配非空白字符
pattern = r'\S'
matches = re.findall(pattern, text)
print("匹配非空白字符:", matches)

re模块常用函数详解

re.match和re.search函数

re.match 和 re.search 都用于检查字符串是否匹配正则表达式，但它们的行为有所不同：

re.match：从字符串的开头开始匹配，如果字符串开头不匹配，则返回 None。
re.search：在整个字符串中查找，只要找到一个匹配的子串，就返回相应的 Match 对象，否则返回 None。

以下是一些示例代码，展示如何使用 re.match 和 re.search：

import re

text = "Hello, my email is test@example.com."

# 匹配字符串开头
pattern = r'^Hello'
match = re.match(pattern, text)
print("匹配字符串开头:", bool(match))

# 匹配整个字符串中的电子邮件地址
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
search_result = re.search(pattern, text)
print("找到电子邮件地址:", bool(search_result))

re.findall和re.split函数

re.findall 和 re.split 都用于处理匹配的子串：

re.findall：查找字符串中所有符合正则表达式的子串，并返回一个列表。
re.split：按照正则表达式的模式将字符串分割成多个部分。

以下是一些示例代码，展示如何使用 re.findall 和 re.split：

import re

text = "Hello, my email is test@example.com and another@example.com."

# 查找所有电子邮件地址
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
emails = re.findall(pattern, text)
print("所有电子邮件地址:", emails)

# 按照电子邮件地址分割字符串
split_result = re.split(pattern, text)
print("按照电子邮件地址分割后的列表:", split_result)

re.sub函数的使用

re.sub 用于将正则表达式匹配的内容替换为指定的字符串。

re.sub(pattern, replacement, string, count=0, flags=0)：将字符串中的匹配项替换为新的字符串。

以下是一些示例代码，展示如何使用 re.sub：

import re

text = "Hello, my email is test@example.com."

# 将电子邮件地址替换为 "REDACTED"
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
substituted_text = re.sub(pattern, "REDACTED", text)
print("替换后的文本:", substituted_text)

实例演练

手动编写简单的正则表达式

编写正则表达式通常需要根据具体的匹配需求来设计。以下是一些示例，展示如何手动编写简单的正则表达式：

匹配邮箱地址：

基本格式：[a-zA-Z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}

示例代码：

import re

text = "Hello, my email is test@example.com."
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
match = re.search(pattern, text)
print("找到电子邮件地址:", match.group())

匹配电话号码：

基本格式：(\d{3}|$\d{3}$)[-.\s]*\d{3}[-.\s]*\d{4}

示例代码：

import re

text = "My phone number is 123-456-7890."
pattern = r'(\d{3}|\(\d{3}\))[-.\s]*\d{3}[-.\s]*\d{4}'
match = re.search(pattern, text)
print("找到电话号码:", match.group())

匹配URL：

基本格式：https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+

示例代码：

import re

text = "Visit https://www.example.com for more information."
pattern = r'https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+'
match = re.search(pattern, text)
print("找到URL:", match.group())

使用re模块进行文本匹配和替换

以下是一些示例代码，展示如何使用 re 模块进行文本匹配和替换：

匹配所有数字并替换：

示例代码：

import re

text = "123 apples, 456 oranges, 789 bananas."
pattern = r'\d+'
replaced_text = re.sub(pattern, "XXX", text)
print("替换后的文本:", replaced_text)

按照特定模式分割字符串：

示例代码：

import re

text = "Hello, my name is John Doe."
pattern = r'\b[A-Z][a-z]*\b'
split_result = re.split(pattern, text)
print("按照首字母大写的单词分割:", split_result)

实战案例分析

假设你有一个包含多个电子邮件地址的文本，需要将所有电子邮件地址提取出来并替换为 "REDACTED"。以下是一个完整的示例：

import re

text = """
Hello, my name is John Doe. My email is john@example.com. 
Another email is jane@example.com and one more is support@example.com.
"""

# 匹配电子邮件地址
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'

# 提取所有电子邮件地址
emails = re.findall(pattern, text)
print("所有电子邮件地址:", emails)

# 替换所有电子邮件地址为 "REDACTED"
modified_text = re.sub(pattern, "REDACTED", text)
print("替换后的文本:", modified_text)

实际项目中的应用案例

验证用户输入格式

验证用户输入的电子邮件地址、电话号码等格式是否符合要求。

import re

text = "abc123@example.com"
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
is_valid = bool(re.match(pattern, text))
print("验证电子邮件地址格式:", is_valid)

从日志文件中提取错误代码

从日志文件中提取特定的信息，如错误代码。

import re

text = "Error code: 404. Details: Not Found."
pattern = r'Error code: (\d+)'
match = re.search(pattern, text)
if match:
    error_code = match.group(1)
    print("提取错误代码:", error_code)

将所有电话号码替换为 "REDACTED"

将文本中的所有电话号码替换为 "REDACTED"。

import re

text = "My phone number is 123-456-7890."
pattern = r'\d{3}-\d{3}-\d{4}'
replaced_text = re.sub(pattern, "REDACTED", text)
print("替换后的文本:", replaced_text)

以上案例展示了正则表达式在实际项目中的应用，帮助你更好地理解和使用正则表达式。

常见问题和解决方法

常见错误及解决技巧

忘记使用 r 前缀导致转义字符失效：

示例代码：

import re

text = "Hello, my email is test@example.com."
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'  # 使用 r 前缀
match = re.search(pattern, text)
print("找到电子邮件地址:", match.group())

wrong_pattern = '\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'  # 没有使用 r 前缀
match = re.search(wrong_pattern, text)
print("未使用 r 前缀的结果:", bool(match))

忽略大小写匹配：

示例代码：

import re

text = "Hello, my email is Test@example.com."
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
match = re.search(pattern, text, flags=re.IGNORECASE)
print("忽略大小写匹配:", bool(match))

无法匹配空格：

示例代码：

import re

text = "Hello, my email is test@example.com ."
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
match = re.search(pattern, text)
print("匹配包含空格的电子邮件地址:", bool(match))

pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b\s*'
match = re.search(pattern, text)
print("匹配包含空格的电子邮件地址:", bool(match))

如何调试正则表达式

调试正则表达式时，可以使用在线工具（如 regex101.com）来测试和调试正则表达式。此外，可以将正则表达式打印出来，逐步检查每个部分是否符合预期。以下是一些调试技巧：

逐步检查每个部分：

示例代码：

import re

text = "Hello, my email is test@example.com."
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'

# 检查部分匹配
partial_pattern = r'\b[A-Za-z0-9._%+-]+'
match = re.search(partial_pattern, text)
print("部分匹配:", match.group())

partial_pattern = r'@[A-Za-z0-9.-]+'
match = re.search(partial_pattern, text)
print("部分匹配:", match.group())

partial_pattern = r'\.[A-Z|a-z]{2,}\b'
match = re.search(partial_pattern, text)
print("部分匹配:", match.group())

使用 re.DEBUG 标志：

示例代码：

import re

text = "Hello, my email is test@example.com."
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'

# 使用 re.DEBUG 标志
match = re.search(pattern, text, flags=re.DEBUG)
print("调试输出:", match)

使用 re.compile 缓存正则表达式对象：

示例代码：

import re

text = "Hello, my email is test@example.com."
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
compiled_pattern = re.compile(pattern)

match = compiled_pattern.search(text)
print("匹配结果:", match.group())

进阶知识

正则表达式的性能优化

正则表达式的性能优化主要针对复杂的正则表达式和大量文本处理。以下是一些优化技巧：

减少回溯：

在正则表达式中使用非贪婪模式，尽量减少回溯次数。

示例代码：

import re

text = "abc123def456ghi789"
pattern = r'\d+?'  # 非贪婪模式
matches = re.findall(pattern, text)
print("非贪婪模式匹配结果:", matches)

使用 re.compile 缓存正则表达式对象：

频繁使用的正则表达式可以先编译为对象，提高性能。

示例代码：

import re

text = "abc123def456ghi789"
pattern = re.compile(r'\d+')
matches = pattern.findall(text)
print("缓存正则表达式对象匹配结果:", matches)

使用 re.VERBOSE 标志：

在复杂的正则表达式中使用 re.VERBOSE 标志，提高可读性。

示例代码：

import re

text = "abc123def456ghi789"
pattern = re.compile(r'''
\b           # 匹配单词边界
(\d+)        # 匹配一个或多个数字
''', re.VERBOSE)
matches = pattern.findall(text)
print("使用 re.VERBOSE 标志匹配结果:", matches)

在实际项目中的应用

正则表达式在实际项目中有着广泛的应用，以下是一些实际应用场景：

验证输入格式：

验证用户输入的电子邮件地址、电话号码等格式是否符合要求。

示例代码：

import re

text = "abc123@example.com"
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
is_valid = bool(re.match(pattern, text))
print("验证电子邮件地址格式:", is_valid)

文本提取：

从文本中提取特定的信息，如从日志文件中提取错误代码。

示例代码：

import re

text = "Error code: 404. Details: Not Found."
pattern = r'Error code: (\d+)'
match = re.search(pattern, text)
if match:
 error_code = match.group(1)
 print("提取错误代码:", error_code)

文本替换：

将文本中的特定模式替换为其他内容，如将所有电话号码替换为 "REDACTED"。

示例代码：

import re

text = "My phone number is 123-456-7890."
pattern = r'\d{3}-\d{3}-\d{4}'
replaced_text = re.sub(pattern, "REDACTED", text)
print("替换后的文本:", replaced_text)

通过这些示例，你可以看到正则表达式在实际项目中的强大功能和灵活性，它可以帮助你高效地处理各种文本处理任务。

点击查看更多内容

为 TA 点赞

若觉得本文不错，就分享一下吧！

评论

评论

共同学习，写下你的评论

评论加载中...

展开查看更多评论

作者其他优质文章

正在加载中

墨色风雨

手记
篇

粉丝

75

获赞与收藏

351

关注作者，订阅最新文章

阅读免费教程

后端通用面试教程

41个小节 30583 343

网络编程入门教程

20个小节 12561 237

Pandas 入门教程

25个小节 18488 336

推荐

评论

收藏

共同学习，写下你的评论



感谢您的支持，我会继续努力的～

扫码打赏，你说多少就多少

赞赏金额会直接到老师账户

支付方式

打开微信扫一扫，即可进行扫码打赏哦

今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与放弃机会

点击
抽奖

慕课手记新用户专享福利

恭喜你，你的运气太好了，居然抽中了 100个积分！

恭喜你，抽中了价值元的专栏！

太棒了，直接落到你账户里！

积分商城里的罗技鼠标、机械键盘、
Kindle 阅读器、小米平衡车
Apple iPad （10.2英寸）、大额优惠券
在等着你去兑换了噢

作者：

免费赠送

兑换码：1111222211 复制

优惠券可用于购买实战课、体系课
无门槛使用

先去看看，有什么好东西马上兑换我爱学习，选课去


热搜

最近搜索清空

re正则表达式入门教程

什么是正则表达式

正则表达式的作用

Python中re模块的基本使用

常用字符匹配

量词和分组

预定义字符类

re.match和re.search函数

re.findall和re.split函数

re.sub函数的使用

手动编写简单的正则表达式

使用re模块进行文本匹配和替换

实战案例分析

验证用户输入格式

从日志文件中提取错误代码

将所有电话号码替换为 "REDACTED"

常见错误及解决技巧

如何调试正则表达式

正则表达式的性能优化

在实际项目中的应用

阅读免费教程