正则表达式入门教程

正则表达式 (Regular Expressions, 简称re) 入门

正则表达式是一种用于匹配字符串模式的工具，被广泛应用于文本处理和数据提取。它通过一种紧凑的语法表达字符串的特定模式，用于搜索、替换、分割等操作。Python中的 re 模块提供了对正则表达式的支持，是文本处理的强大工具。

1. 基本概念

正则表达式由字符和元字符组成。字符代表它们自身，而元字符则具有特殊意义，用于构建复杂的模式。

• 普通字符：匹配自身，如 a匹配字符 a。
• 元字符：具有特殊功能的字符，如 .、*、+、?、^、$ 等。

2. 常用元字符及其含义

• .：匹配任意单个字符（除换行符）。
• ^：匹配字符串的开始位置。
• $：匹配字符串的结束位置。
• *：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。
• {n}：精确匹配n次。
• {n,m}：匹配n到m次。
• []：匹配括号内的任意字符，如 [abc]匹配 a、b或 c。
• |：表示或，如 a|b表示匹配 a或 b。
• ()：分组，捕获子表达式。

3. 常见用法

以下是 Python 中使用 re 模块的常见操作：

1. 匹配字符串

   import re
   pattern = r"\d+"  # 匹配一个或多个数字
   text = "The year is 2023."
   match = re.search(pattern, text)
   if match:
       print(match.group())  # 输出 2023

   re.search() 函数用于在字符串中查找匹配的第一个位置。

2. 替换字符串

   text = "The price is 100 dollars."
   new_text = re.sub(r"\d+", "200", text)
   print(new_text)  # 输出 "The price is 200 dollars."

   re.sub() 用于替换匹配到的子字符串。

3. 分割字符串

   text = "apple, orange; banana"
   fruits = re.split(r"[;,\s]+", text)
   print(fruits)  # 输出 ['apple', 'orange', 'banana']

   re.split() 根据正则表达式分割字符串。

4. 查找所有匹配

   text = "Call 911 or 112 in emergency."
   numbers = re.findall(r"\d+", text)
   print(numbers)  # 输出 ['911', '112']

   re.findall() 返回字符串中所有与正则表达式匹配的部分。

4. 贪婪与懒惰匹配

正则表达式中的量词（如 *, +, ?）默认是贪婪的，即它们会尽可能多地匹配字符。如果希望它们变为懒惰匹配，可以在量词后加上 ?。

• 贪婪匹配：.* 会尽可能多地匹配字符。
• 懒惰匹配：.*? 会尽可能少地匹配字符。

总结

正则表达式是一种强大的文本处理工具，通过学习基本的元字符、常用方法和匹配规则，开发者可以高效处理各种字符串操作需求。掌握正则表达式的基础，将为数据处理、日志分析、Web开发等领域提供极大的帮助。