掌握Python正则表达式

正则表达式（regex或regexp）是用于字符串中模式匹配的强大工具。Python的re模块提供了一个全面的接口来处理它们，能够实现复杂的文本处理和数据提取。本教程将指导你学习必要的函数和概念，使你能够有效地利用正则表达式在你的Python项目中的强大功能。

目录

1. re.match()：从开头匹配
2. re.search()：查找第一个匹配项
3. re.compile()：优化性能
4. 标志：修改匹配行为
5. 字符集：定义允许的字符
6. 使用re.sub()进行搜索和替换
7. re.findall()：提取所有匹配项
8. re.finditer()：迭代匹配项
9. re.split()：按模式分割字符串
10. 基本模式：锚点、字符类
11. 重复：量词和贪婪匹配与非贪婪匹配
12. 特殊序列：数字、空格、单词字符
13. re.escape()：处理特殊字符
14. 捕获组和group()方法

1. re.match()：从开头匹配

re.match()函数尝试仅匹配字符串开头的模式。如果成功，则返回一个匹配对象，否则返回None。

import re

text = "Hello World"
pattern = "Hello"
match = re.match(pattern, text)

if match:
    print("匹配成功：", match.group(0))
else:
    print("未找到匹配项")

2. re.search()：查找第一个匹配项

re.search()扫描整个字符串以查找模式的第一次出现。与re.match()不同，它不需要匹配项出现在开头。

import re

text = "Hello World"
pattern = "World"
match = re.search(pattern, text)

if match:
    print("匹配成功：", match.group(0))
else:
    print("未找到匹配项")

3. re.compile()：优化性能

为了提高性能，尤其是在重复使用相同模式的情况下，可以使用re.compile()对其进行编译。这将创建一个可重用的模式对象。

import re

compiled_pattern = re.compile(r"d+")  # 编译模式
text1 = "There are 123 apples"
text2 = "And 456 oranges"

match1 = compiled_pattern.search(text1)
match2 = compiled_pattern.search(text2)

print(match1.group(0))  # 输出：123
print(match2.group(0))  # 输出：456

4. 标志：修改匹配行为

标志修改匹配过程。re.IGNORECASE执行不区分大小写的匹配，re.MULTILINE将每一行视为^和$锚点的单独字符串。

import re

text = "Hello world"
pattern = re.compile("hello", re.IGNORECASE)
match = pattern.search(text)
print(match.group(0))  # 输出：Hello

5. 字符集：定义允许的字符

字符集（[]）指定允许的字符。例如，[a-z]匹配小写字母。

import re

text = "abc123XYZ"
pattern = re.compile("[a-z]+")
match = pattern.search(text)
print(match.group(0))  # 输出：abc

6. 使用re.sub()进行搜索和替换

re.sub()将模式的出现替换为替换字符串。

import re

text = "Hello World"
new_text = re.sub("World", "Python", text)
print(new_text)  # 输出：Hello Python

7. re.findall()：提取所有匹配项

re.findall()返回所有不重叠匹配项的列表。

import re

text = "123 abc 456 def"
numbers = re.findall(r"d+", text)
print(numbers)  # 输出：['123', '456']

8. re.finditer()：迭代匹配项

re.finditer()返回一个迭代器，生成匹配对象。对于大型字符串中的许多匹配项，它更节省内存。

import re

text = "123 abc 456 def"
for match in re.finditer(r"d+", text):
    print(match.group(0))  # 输出：123, 456 （分别在不同的行上）

9. re.split()：按模式分割字符串

re.split()根据模式分割字符串。

import re

text = "apple,banana,cherry"
fruits = re.split(r",", text)
print(fruits)  # 输出：['apple', 'banana', 'cherry']

10. 基本模式：锚点、字符类

• .：匹配除换行符以外的任何字符。
• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• []：匹配一组字符（例如，[abc]，[a-z]）。
• [^...]：匹配不在集合中的任何字符（否定字符集）。

11. 重复：量词和贪婪匹配与非贪婪匹配

• *：零个或多个出现。
• +：一个或多个出现。
• ?：零个或一个出现。
• {m}：正好m个出现。
• {m,n}：从m到n个出现。
• *?，+?，??，{m,n}?：非贪婪版本（匹配最短可能的字符串）。

12. 特殊序列：数字、空格、单词字符

• d：匹配任何数字（0-9）。
• D：匹配任何非数字字符。
• s：匹配任何空格字符（空格、制表符、换行符）。
• S：匹配任何非空格字符。
• w：匹配任何字母数字字符（字母、数字、下划线）。
• W：匹配任何非字母数字字符。

13. re.escape()：处理特殊字符

re.escape()转义字符串中的特殊字符，允许你将其用作字面模式，而不会产生意外的正则表达式解释。

14. 捕获组和group()方法

括号()创建捕获组。group()方法访问捕获的子字符串。

import re

text = "My phone number is 123-456-7890"
match = re.search(r"(d{3})-(d{3})-(d{4})", text)
if match:
    区号 = match.group(1)
    前缀 = match.group(2)
    号码 = match.group(3)
    print(f"区号：{区号}，前缀：{前缀}，号码：{号码}")

本教程提供了Python re模块的坚实基础。进一步探索高级技术将显著增强你的字符串处理能力。请记住查阅官方Python文档以获取完整的参考。