python正则表达式详解

Python正则表达式详解

1. 什么是正则表达式

正则表达式（Regular Expression）是一种用来匹配字符串的强大工具。它基于字符串模式的描述，可以用来查找、替换、提取字符串中的特定部分。Python内置了re模块，提供了对正则表达式的支持。

1.1 正则表达式的基本语法

正则表达式使用一系列的字符和特殊字符组成的模式来描述一个字符串。下面是一些常用的正则表达式的语法元字符：

.：匹配任意一个字符

^：匹配字符串的开始

$：匹配字符串的结束

*：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}：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

|：匹配两个或多个表达式中的任意一个

2. re模块的使用

2.1 re模块中的常用函数

re模块中内置了一些常用的函数，用于处理正则表达式相关的任务：

match(pattern, string)：从字符串的开始位置开始匹配模式，如果匹配成功返回匹配对象。示例代码如下：

import re
pattern = r'hello'
string = 'hello world'
result = re.match(pattern, string)
if result:
    print('匹配成功')
else:
    print('匹配失败')
  

search(pattern, string)：在字符串中搜索匹配模式，如果匹配成功返回匹配对象。示例代码如下：

import re
pattern = r'hello'
string = 'world hello'
result = re.search(pattern, string)
if result:
    print('匹配成功')
else:
    print('匹配失败')
  

findall(pattern, string)：以列表的形式返回匹配模式的所有子串。示例代码如下：

import re
pattern = r'\d+'
string = 'Hello 123 World 456'
result = re.findall(pattern, string)
print(result)
  

2.2 正则表达式的模式修饰符

修饰符可以修改正则表达式的匹配行为。下面是一些常用的修饰符：

re.I：忽略大小写

re.M：多行模式。^匹配字符串的开始，$匹配字符串的结束，都将可以匹配每一行的行首和行尾

re.S：单行模式。.匹配任意字符，包括换行符

在使用修饰符时，可以在正则表达式的开头加上"?"加修饰符的名称。示例代码如下：

import re
pattern = r'hello'
string = 'HeLLO World'
result = re.match(pattern, string, re.I)
if result:
    print('匹配成功')
else:
    print('匹配失败')

3. 实例应用

正则表达式在实际应用中非常广泛，可以用来处理字符串、验证用户输入、抓取网页等等。下面是几个实际应用场景的示例：

3.1 验证邮箱格式是否合法

使用正则表达式可以方便地验证邮箱的格式是否合法。示例代码如下：

import re
pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
email = 'example@example.com'
result = re.match(pattern, email)
if result:
    print('邮箱格式合法')
else:
    print('邮箱格式不合法')

3.2 抓取网页中的链接

使用正则表达式可以快速地抓取网页中的链接。示例代码如下：

import re
import requests
url = 'https://www.example.com/'
response = requests.get(url)
html = response.text
pattern = r''

links = re.findall(pattern, html)
for link in links:
    print(link)