史上最全正则详解
涉及到处理文本数据时，Python的正则表达式（Regular Expression）提供了一种强大而灵活的工具。下面详细讲解一些常见的正则表达式语法，并提供实例来说明它们的用法。
- 正则表达式语法
- 正则表达式由一系列字符和特殊字符组成，用于定义匹配模式。以下是一些常用的正则表达式语法：
- 普通字符：表示匹配该字符本身，如a匹配字符"a"。
- 元字符：具有特殊意义的字符，如^、.、*等。
- 字符类：用[]表示，匹配方括号中的任意字符，如[abc]匹配"a"、"b"或"c"。
- 转义字符：用\表示，用于取消元字符的特殊含义，如\.匹配字符"."。
- 重复限定符：用于指定前面的元素重复出现的次数，如*表示零次或多次，+表示一次或多次，{n}表示恰好出现n次。
- 边界匹配：用于匹配字符串的边界位置，如^表示字符串的开头，$表示字符串的结尾。
- 分组和捕获：用()表示，可以将匹配的内容分组并进行后续操作。
- 使用re模块进行匹配
- re模块提供了多个函数用于进行正则表达式的匹配操作，以下是一些常用的函数：
- re.match(pattern, string)：从字符串的开头开始匹配，如果匹配成功返回一个匹配对象，否则返回None。
- re.search(pattern, string)：在字符串中搜索匹配项，如果找到第一个匹配项就返回一个匹配对象，否则返回None。
- re.findall(pattern, string)：在字符串中搜索所有匹配项，并以列表的形式返回所有匹配项。
- re.finditer(pattern, string)：在字符串中搜索所有匹配项，并以迭代器的形式返回所有匹配对象。
- 匹配对象的操作方法与属性
- 当使用匹配函数成功匹配后，返回的是一个匹配对象，可以通过该对象进行操作和获取相关信息。以下是一些常用的操作方法和属性：
- group()：返回匹配到的字符串。
- start()：返回匹配的起始位置。
- end()：返回匹配的结束位置。
- span()：返回匹配的起始和结束位置（元组形式）。
4、详细实例及使用技巧讲解
首先，导入Python中的re模块：
import re
- 匹配字符和元字符：
- 普通字符：表示匹配字符本身。
- pythonCopy Code
- pattern = r'cat' # 匹配字符串 "cat"
- 元字符：
- .: 匹配除换行符外的任意字符。
- pythonCopy Code
- pattern = r'c.t' # 匹配"c"和"t"之间的任意字符，如"cat"、"cut"等
- ^: 匹配字符串的开头。
- pythonCopy Code
- pattern = r'^cat' # 匹配以"cat"开头的字符串
- $: 匹配字符串的结尾。
- pythonCopy Code
- pattern = r'cat#39; # 匹配以"cat"结尾的字符串
- \: 转义字符，用于去除元字符的特殊含义。
- pattern = r't\.k' # 匹配"t.k"的字符串，转义了元字符 "."
- 字符类：
字符类用于匹配方括号内的任意字符。
- [abc]: 匹配字符"a"、"b"或"c"。
- pattern = r'[abc]' # 匹配字符"a"、"b"或"c"
- [a-z]: 匹配任意小写字母。
- pattern = r'[a-z]' # 匹配任意小写字母
- [^0-9]: 匹配除数字外的任意字符。
- pattern = r'[^0-9]' # 匹配除数字外的任意字符
- 重复限定符：
用于指定前面元素重复出现的次数。
- *: 匹配零次或多次。
- pattern = r'ab*' # 匹配"a"后跟零个或多个"b"的字符串，如"a", "ab", "abb", "abbb"等
- +: 匹配一次或多次。
- pattern = r'ab+' # 匹配"a"后跟至少一个"b"的字符串，如"ab", "abb", "abbb"等
- ?: 匹配零次或一次。
- pattern = r'ab?' # 匹配"a"后跟零个或一个"b"的字符串，如"a", "ab"等
- {n}: 匹配恰好出现n次。
- pattern = r'a{3}' # 匹配连续出现三次的字符"a"，如"aaa"
- {n, m}: 匹配至少出现n次、最多出现m次。
- pattern = r'a{2,4}' # 匹配连续出现2~4次的字符"a"，如"aa", "aaa", "aaaa"
- 边界匹配：
用于匹配字符串的边界位置。
- ^: 匹配字符串的开头。
- pattern = r'^cat' # 匹配以"cat"开头的字符串
- $: 匹配字符串的结尾。
- pattern = r'cat#39; # 匹配以"cat"结尾的字符串
- 分组和捕获：
使用括号 () 进行分组并进行后续操作。
- (): 将括号内的表达式作为一个分组。
- pattern = r'(ab)+' # 匹配由连续的"ab"组成的字符串，如"ab", "abab", "ababab"等
- (?:): 只分组不捕获，不创建捕获组。
- pattern = r'(?:ab){2}' # 匹配由连续的"ab"组成且出现两次的字符串，如"abab"
下面是一个实例代码，演示如何使用正则表达式进行匹配：
import re
# 匹配日期格式（YYYY-MM-DD）
pattern = r'\d{4}-\d{2}-\d{2}'
string = 'Today is 2023-01-01, and tomorrow is 2023-01-02.'
result = re.findall(pattern, string)
print(result) # 输出：['2023-01-01', '2023-01-02']
# 匹配邮箱地址
pattern = r'\w+@\w+\.\w+'
string = 'My email is abc@example.com'
match = re.search(pattern, string)
if match:
email = match.group()
print(email) # 输出：abc@example.com
else:
print("未找到匹配的邮箱地址")
# 提取正文中的所有链接
pattern = r'http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\\(\\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+'
string = 'Here are some links: http://example.com, https://www.google.com'
links = re.findall(pattern, string)
print(links) # 输出：['http://example.com', 'https://www.google.com']