正则表达式是一种用于匹配字符串的语言。它由一系列字符和特殊符号组成，用来描述搜索模式。在Python中，re模块提供了支持正则表达式的功能。
安装与导入
首先，确保你的Python环境中已经安装了re模块。这是Python的标准库之一，所以通常不需要额外安装。
import re字符匹配
单个字符：使用方括号[]表示一组字符中的任意一个。
# 匹配任何字母
pattern = "[a-zA-Z]"
string = "Hello World!"
match = re.search(pattern, string)
print(match.group()) # 输出: H多个字符：使用*表示零次或多次出现。
# 匹配任意数量的空格
pattern = "\s*"
string = " Hello World!"
match = re.match(pattern, string)
print(match.group()) # 输出: ' '范围匹配
使用-定义一个范围内的字符。
# 匹配小写字母a到e
pattern = "[a-e]"
string = "abcdeABCDE"
matches = re.findall(pattern, string)
print(matches) # 输出: ['a', 'b', 'c', 'd', 'e']排除字符
使用^排除某些字符。
# 匹配除了a到z之外的所有字符
pattern = "[^a-z]"
string = "123ABCdef"
matches = re.findall(pattern, string)
print(matches) # 输出: ['1', '2', '3', 'A', 'B', 'C']字符集组合
可以将多个字符集组合起来使用。
# 匹配数字或大写字母
pattern = "[0-9A-Z]+"
string = "Hello123World"
matches = re.findall(pattern, string)
print(matches) # 输出: ['123']位置锚定
^表示行首，$表示行尾。
# 匹配以大写字母开头的单词
pattern = "^[A-Z][a-zA-Z]*"
string = "Hello world"
matches = re.findall(pattern, string)
print(matches) # 输出: ['Hello']分组与引用
使用圆括号()来创建一个捕获组。
# 捕获日期格式
pattern = "(\d{4})-(\d{2})-(\d{2})"
string = "Today is 2023-04-01."
match = re.match(pattern, "2023-04-01")
if match:
year = match.group(1)
month = match.group(2)
day = match.group(3)
print(f"Year: {year}, Month: {month}, Day: {day}")非捕获组
如果不关心某部分的内容，可以使用(?:)。
# 不捕获中间的冒号
pattern = r"(\d{2}):(?:\d{2}):\d{2}"
string = "09:30:15"
match = re.match(pattern, string)
if match:
hour = match.group(1)
print(hour) # 输出: 09替换文本
使用re.sub()方法替换字符串中的匹配项。
# 将所有空格替换成下划线
pattern = "\s+"
string = "Hello World"
new_string = re.sub(pattern, "_", string)
print(new_string) # 输出: Hello_World贪婪与非贪婪匹配
- 贪婪匹配：默认情况下，正则表达式会尽可能多地匹配字符。
- 非贪婪匹配：使用?使匹配变得“懒惰”，即尽可能少地匹配字符。
# 贪婪匹配
pattern = "<.*>"
string = "<p>Hello <span>World</span></p>"
match = re.search(pattern, string)
print(match.group()) # 输出: <p>Hello <span>World</span></p>
# 非贪婪匹配
pattern = "<.*?>"
string = "<p>Hello <span>World</span></p>"
match = re.search(pattern, string)
print(match.group()) # 输出: <p>条件分支
使用(?P<name>)命名捕获组，并通过(?P=name)引用它们。
# 匹配重复的单词
pattern = r"\b(\w+)\b\s+\1\b"
string = "hello hello world"
match = re.sub(pattern, r"\1", string, flags=re.IGNORECASE)
print(match) # 输出: hello world重复限定符
- 使用{n}指定精确重复次数。
- 使用{n,}指定至少重复n次。
- 使用{n,m}指定重复n到m次。
# 匹配恰好重复三次的字符
pattern = r"a{3}"
string = "aaabbbccc"
matches = re.findall(pattern, string)
print(matches) # 输出: []
# 匹配至少重复两次的字符
pattern = r"a{2,}"
string = "aaabbbccc"
matches = re.findall(pattern, string)
print(matches) # 输出: ['aaa']
# 匹配重复两到四次的字符
pattern = r"a{2,4}"
string = "aaabbbccc"
matches = re.findall(pattern, string)
print(matches) # 输出: ['aaa']特殊字符
- 点号 .：匹配除换行符之外的任何字符。
- 反斜杠 \：转义特殊字符。
# 匹配包含任何字符的单词
pattern = r"\w+"
string = "hello\nworld"
matches = re.findall(pattern, string)
print(matches) # 输出: ['hello']
# 匹配特殊字符
pattern = r"\."
string = "hello.world"
matches = re.findall(pattern, string)
print(matches) # 输出: ['.']边界限定符
- 单词边界 \b：匹配单词的开始和结束。
- 非单词边界 \B：匹配非单词的位置。
# 匹配单词边界
pattern = r"\bhello\b"
string = "hello world"
matches = re.findall(pattern, string)
print(matches) # 输出: ['hello']
# 匹配非单词边界
pattern = r"\Bworld\B"
string = "hello world"
matches = re.findall(pattern, string)
print(matches) # 输出: []标志位
- 忽略大小写 re.IGNORECASE：使匹配不区分大小写。
- 多行模式 re.MULTILINE：使^和$分别匹配每一行的开始和结束。
- 点号匹配换行符 re.DOTALL：使.匹配包括换行符在内的任何字符。
# 忽略大小写
pattern = r"hello"
string = "Hello world"
matches = re.findall(pattern, string, re.IGNORECASE)
print(matches) # 输出: ['Hello']
# 多行模式
pattern = r"^hello"
string = "hello\nworld"
matches = re.findall(pattern, string, re.MULTILINE)
print(matches) # 输出: ['hello']
# 点号匹配换行符
pattern = r"hello.*world"
string = "hello\nworld"
matches = re.findall(pattern, string, re.DOTALL)
print(matches) # 输出: ['hello\nworld']实战案例分析
假设我们需要从一段文本中提取所有的邮箱地址。这可以通过正则表达式轻松实现。邮箱地址的一般形式为 username@domain.com。下面是一个简单的示例：
