正则表达式是一种强大的文本处理工具,它允许你在文本中搜索、匹配和处理模式。Python中的re
模块提供了对正则表达式的支持,本文将深入探讨Python正则表达式的工作原理、基本用法、高级技巧以及实际应用,帮助你更好地掌握这一强大的工具。
正则表达式(Regular Expression,简称Regex或RegExp)是一种用于文本匹配和搜索的强大工具,它由字符和特殊字符组成,用于描述文本模式。正则表达式可以用于以下任务:
Python中的re
模块提供了正则表达式的支持,允许你创建、编译和使用正则表达式来完成上述任务。
正则表达式中的普通字符(如字母、数字、符号)会按照字面意义进行匹配。
import re
pattern = "apple"
text = "I like apples."
match = re.search(pattern, text)
if match:
print("匹配成功")
else:
print("匹配失败")
正则表达式中有一些特殊字符具有特殊含义,如.
、*
、+
、?
等。
.
:匹配任意字符(除了换行符)。*
:匹配前一个字符0次或多次。+
:匹配前一个字符1次或多次。?
:匹配前一个字符0次或1次。pattern = "a.*b" # 匹配以a开始,以b结束的任意字符序列
text = "aabb"
match = re.search(pattern, text)
if match:
print("匹配成功")
else:
print("匹配失败")
元字符是正则表达式中具有特殊含义的字符,它们包括:
^
:匹配字符串的开头。$
:匹配字符串的结尾。[]
:匹配括号中的任意一个字符。|
:或操作,匹配两者之一。()
:捕获分组,将匹配的内容保存到变量中。pattern = r"^[A-Za-z]+$" # 匹配由字母组成的字符串
text = "HelloWorld"
match = re.search(pattern, text)
if match:
print("匹配成功")
else:
print("匹配失败")
正则表达式提供了一些预定义字符类,用于匹配常见字符集合。
\d
:匹配数字字符。\D
:匹配非数字字符。\w
:匹配单词字符(字母、数字、下划线)。\W
:匹配非单词字符。\s
:匹配空白字符(空格、制表符、换行符等)。\S
:匹配非空白字符。pattern = r"\d{2}-\d{2}-\d{4}" # 匹配日期格式,如"09-18-2023"
text = "Today is 09-18-2023."
match = re.search(pattern, text)
if match:
print("匹配成功")
else:
print("匹配失败")
正则表达式的重复限定符用于指定一个模式的重复次数。
{n}
:匹配前一个字符恰好n次。{n,}
:匹配前一个字符至少n次。{n,m}
:匹配前一个字符至少n次,最多m次。*
:匹配前一个字符0次或多次。+
:匹配前一个字符1次或多次。?
:匹配前一个字符0次或1次。pattern = r"\d{3}-\d{2}-\d{4}" # 匹配社会安全号码,如"123-45-6789"
text = "My SSN is 123-45-6789."
match = re.search(pattern, text)
if match:
print("匹配成功")
else:
print("匹配失败")
正则表达式默认采用贪婪匹配,即尽可能匹配更多的字符。可以使用?
来实现非贪婪匹配,即尽可能匹配更少的字符。
pattern = r"<.*>" # 贪婪匹配,匹配整个字符串
text = "<div>Hello</div><p>World</p>"
match = re.search(pattern, text)
if match:
print("贪婪匹配成功")
else:
print("贪婪匹配失败")
pattern = r"<.*?>" # 非贪婪匹配,匹配最短字符串
match = re.search(pattern, text)
if match:
print("非贪婪匹配成功")
else:
print("非贪婪匹配失败")
正则表达式允许使用()
来创建分组,并捕获匹配的内容。
pattern = r"(\d{2})-(\d{2})-(\d{4})" # 匹配日期,分为年、月、日三个分组
text = "Today is 09-18-2023."
match = re.search(pattern, text)
if match:
year = match.group(3)
month = match.group(2)
day = match.group(1)
print(f"Year: {year}, Month: {month}, Day: {day}")
Python的re
模块提供了一系列函数来操作正则表达式,包括:
re.search()
:在字符串中搜索匹配项。re.match()
:在字符串的开头匹配。re.findall()
:返回字符串中所有匹配项。re.finditer()
:返回匹配项的迭代器。re.sub()
:替换匹配项。re.split()
:根据正则表达式拆分字符串。import re
pattern = r"\d+"
text = "The price of the book is $15.99."
matches = re.findall(pattern, text)
print(matches) # 输出:['15', '99']
new_text = re.sub(pattern, "XX", text)
print(new_text) # 输出:"The price of the book is $XX."
负向预查允许你在匹配之前指定一个条件,该条件必须不满足才进行匹配。
pattern = r"Windows(?=95|98|NT|2000)" # 匹配Windows后面跟随95、98、NT或2000的字符串
text = "Windows95, Windows98, WindowsXP"
matches = re.findall(pattern, text)
print(matches) # 输出:['Windows']
正向预查允许你在匹配之前指定一个条件,该条件必须满足才进行匹配。
pattern = r"(?<=@)\w+" # 匹配@符号后面的单词字符
text = "Email addresses: alice@example.com, bob@gmail.com"
matches = re.findall(pattern, text)
print(matches) # 输出:['example', 'gmail']
可以使用(?P<name>...)
语法来给捕获组命名。
pattern = r"(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})"
text = "Today is 2023-09-18."
match = re.search(pattern, text)
if match:
year = match.group("year")
month = match.group("month")
day = match.group("day")
print(f"Year: {year}, Month: {month}, Day: {day}")
可以使用(?:...)
语法来创建非捕获组,即不捕获匹配的内容。
pattern = r"(?:Mr.|Mrs.) (\w+)" # 匹配Mr.或Mrs.后面的单词字符
text = "Mr. Smith and Mrs. Johnson"
matches = re.findall(pattern, text)
print(matches) # 输出:['Smith', 'Johnson']
import re
def is_valid_email(email):
pattern = r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}$"
return re.match(pattern, email) is not None
email = "user@example.com"
if is_valid_email(email):
print("邮箱地址有效")
else:
print("邮箱地址无效")
import re
def extract_html_tags(html):
pattern = r"<[^>]+>"
return re.findall(pattern, html)
html = "<div><p>Hello, World!</p></div>"
tags = extract_html_tags(html)
print(tags) # 输出:['<div>', '<p>', '</p>', '</div>']
import re
log = """
[INFO] User Alice logged in.
[ERROR] Connection failed for user Bob.
[INFO] User Carol logged in.
"""
pattern = r"[([A-Z]+)] ([^\n]+)"
matches = re.findall(pattern, log)
for match in matches:
level, message = match
print(f"Level: {level}, Message: {message}")
正则表达式是Python中强大的文本处理工具,它允许你在文本中搜索、匹配和处理模式。本文介绍了正则表达式的基础知识、元字符、预定义字符类、重复限定符、贪婪与非贪婪匹配、分组与捕获、正则表达式操作、高级技巧以及实际应用示例。正则表达式在文本处理、数据清洗、日志分析、输入验证等各种场景中都有广泛的应用。希望本文能帮助你更好地理解和应用正则表达式,提高你的文本处理能力。