Python--re模块

1. Python正则表达式简介

Python是一种强大的编程语言，具有卓越的文本处理能力。其中，正则表达式是一种表达文本模式的方法，旨在匹配、查找、代替特定模式的文本。Python内置的re模块提供了正则表达式支持，是Python文本处理的重要组成部分。

1.1 re模块的主要功能

re模块支持以下主要功能：

标准匹配：基于文本模式匹配，寻找字符串中的特定模式。

搜索和替代：查找并代替字符串中的特定模式。

分割：基于特定模式分割字符串。

组：使用括号将部分模式组合成子组，并对其进行分组匹配。

反斜杠功能：反斜杠可以进行特殊字符的转义。

贪婪匹配：尽可能匹配更多字符，非贪婪匹配则尽可能匹配更少字符。

1.2 基本语法规则

Python正则表达式遵循一系列基本语法规则，包括：

普通字符（如字母、数字、符号）：根据普通字符进行匹配。

特殊字符（如反斜杠、圆括号、星号）：具有特殊含义，常用于匹配特定模式。

匹配模式（如re.I、re.M）：用于修改正则表达式的匹配方式。

2. re模块常用函数

2.1 re.match

re.match()用于从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()函数就会返回None。

import re
pattern = '^hello'
string = 'hello world'
result = re.match(pattern, string)
print(result)

该代码的输出结果为：

<re.Match object; span=(0, 5), match='hello'>

该函数返回值是一个匹配对象，包含了匹配的结果。其中，span表示匹配的起止位置，match表示匹配的字符串。

2.2 re.search

re.search()函数用于在字符串中搜索匹配正则表达式的第一个位置。如果匹配成功，函数返回一个匹配的对象；否则，返回None。

import re
pattern = 'world$'
string = 'hello world'
result = re.search(pattern, string)
print(result)

该代码的输出结果为：

<re.Match object; span=(6, 11), match='world'>

该函数返回值包含匹配的结果，与re.match()不同的是，re.search()是针对整个字符串进行匹配，而不单独匹配起始位置。

2.3 re.findall

re.findall()函数用于在字符串中查找匹配正则表达式的所有子串，并以列表形式返回结果。

import re
pattern = '\d+'
string = 'there are 3 apples and 4 pears'
result = re.findall(pattern, string)
print(result)

该代码的输出结果为：

['3', '4']

该函数返回值为一个列表，其中每个元素都是匹配的子串。

2.4 re.sub

re.sub()函数用于在字符串中查找匹配正则表达式的所有子串，并将其替换为指定的字符串。

import re
pattern = '\d+'
string = 'there are 3 apples and 4 pears'
result = re.sub(pattern, '5', string)
print(result)

该代码的输出结果为：

there are 5 apples and 5 pears

该函数返回值为替换后的字符串。

3. 一些示例

3.1 匹配邮箱

以下代码使用正则表达式匹配邮箱，其中的re.compile()函数用于预编译正则表达式。

import re
pattern = re.compile(r'\w+@\w+\.\w{3}')
string = 'my email is abc123@qq.com'
result = re.search(pattern, string)
print(result.group())

该代码的输出结果为：

abc123@qq.com

该正则表达式中，\w+表示匹配至少一个字母、数字或下划线，@表示匹配一个@符号，\w+表示匹配至少一个字母、数字或下划线，\.表示匹配一个点号，\w{3}表示匹配三个字母、数字或下划线。

3.2 匹配IP地址

以下代码使用正则表达式匹配IP地址。

import re
pattern = re.compile(r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}')
string = 'my ip address is 192.168.1.1'
result = re.search(pattern, string)
print(result.group())

该代码的输出结果为：

192.168.1.1

该正则表达式中，\d{1,3}表示匹配1到3个数字，\.表示匹配一个点号。

3.3 匹配HTML标签

以下代码使用正则表达式匹配HTML标签，其中re.S模式表示匹配包含换行符的字符串。

import re
pattern = re.compile(r'<\w+>(.*?)', re.S)
string = '
Hello World!
'

result = re.search(pattern, string)
print(result.group(1))

该代码的输出结果为：

Hello World!

该正则表达式中，<\w+>表示匹配任意一个HTML标签起始符，.*？表示匹配任意内容，？表示非贪婪匹配，表示匹配任意一个HTML标签结束符。

4. 总结

本篇文章介绍了Python re模块的基本功能和常用函数，以及使用正则表达式实现常见任务的示例。

正则表达式虽然功能强大，但也存在一些限制和注意事项。例如，正则表达式不适用于处理嵌套结构和递归结构，应尽量使用HTML解析器、XML解析器等专业工具；另外，正则表达式的匹配模式也需要根据实际情况选择。