Python re 模块

Python 的 re 模块是用于处理正则表达式的标准库模块。

正则表达式（Regular Expression，简称 regex 或 regexp）是一种强大的工具，用于匹配、搜索和操作文本。

通过 re 模块，你可以在 Python 中使用正则表达式来处理字符串。

为什么使用 re 模块？

在处理文本时，我们经常需要查找特定的模式或替换某些字符。例如，验证电子邮件地址、提取网页中的链接、或者格式化文本。手动编写代码来完成这些任务可能会非常繁琐，而正则表达式提供了一种简洁且高效的方式来解决这些问题。

---

re 模块的基本用法

1. 导入 re 模块

在使用 re 模块之前，首先需要导入它：

import re

2. 常用的 re 模块函数

2.1 re.match()

re.match() 函数用于从字符串的起始位置匹配正则表达式。如果匹配成功，返回一个匹配对象；否则返回 None。

实例

import re

pattern = r"hello"
text = "hello world"

match = re.match(pattern, text)
if match:
    print("匹配成功:", match.group())
else:
    print("匹配失败")

输出：

匹配成功: hello

2.2 re.search()

re.search() 函数用于在字符串中搜索正则表达式的第一个匹配项。与 re.match() 不同，re.search() 不要求匹配从字符串的起始位置开始。

实例

import re

pattern = r"world"
text = "hello world"

match = re.search(pattern, text)
if match:
    print("匹配成功:", match.group())
else:
    print("匹配失败")

输出：

匹配成功: world

2.3 re.findall()

re.findall() 函数用于查找字符串中所有与正则表达式匹配的子串，并返回一个列表。

实例

import re

pattern = r"\d+"
text = "There are 3 apples and 5 oranges."

matches = re.findall(pattern, text)
print("找到的数字:", matches)

输出：

找到的数字: ['3', '5']

2.4 re.sub()

re.sub() 函数用于替换字符串中与正则表达式匹配的部分。

实例

import re

pattern = r"apple"
text = "I have an apple."

new_text = re.sub(pattern, "banana", text)
print("替换后的文本:", new_text)

输出：

替换后的文本: I have an banana.

---

正则表达式的基本语法

1. 普通字符

普通字符（如字母、数字）直接匹配它们自身。

实例

import re

pattern = r"cat"
text = "The cat is on the mat."

match = re.search(pattern, text)
if match:
    print("匹配成功:", match.group())

输出：

匹配成功: cat

2. 特殊字符

正则表达式中有一些特殊字符，它们具有特殊的含义。例如：

• .：匹配任意单个字符（除了换行符）。
• *：匹配前面的字符零次或多次。
• +：匹配前面的字符一次或多次。
• ?：匹配前面的字符零次或一次。
• \d：匹配任意数字字符（等价于 [0-9]）。
• \w：匹配任意字母、数字或下划线字符（等价于 [a-zA-Z0-9_]）。

实例

import re

pattern = r"\d+"
text = "The price is 100 dollars."

match = re.search(pattern, text)
if match:
    print("匹配成功:", match.group())

输出：

匹配成功: 100

3. 字符集

字符集用于匹配一组字符中的任意一个。例如，[abc] 匹配 a、b 或 c。

实例

import re

pattern = r"[aeiou]"
text = "Hello World!"

matches = re.findall(pattern, text)
print("找到的元音字母:", matches)

输出：

找到的元音字母: ['e', 'o', 'o']

4. 分组

分组允许你将多个字符组合在一起，并对它们进行操作。例如，(abc) 匹配 abc。

实例

import re

pattern = r"(ab)+"
text = "ababab"

match = re.search(pattern, text)
if match:
    print("匹配成功:", match.group())

输出：

匹配成功: ababab

---

实践练习

练习 1：验证电子邮件地址

编写一个正则表达式，用于验证电子邮件地址的格式。

实例

import re

pattern = r"^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$"
email = "[email protected]"

if re.match(pattern, email):
    print("有效的电子邮件地址")
else:
    print("无效的电子邮件地址")

练习 2：提取电话号码

编写一个正则表达式，从文本中提取电话号码。

实例

import re

pattern = r"\d{3}-\d{3}-\d{4}"
text = "My phone number is 123-456-7890."

match = re.search(pattern, text)
if match:
    print("找到的电话号码:", match.group())

1. 核心函数

方法	说明	示例
re.compile(pattern)	预编译正则表达式（提升复用性能）	pat = re.compile(r'\d+')
re.search(pattern, string)	搜索字符串中第一个匹配项	re.search(r'\d+', 'a1b2') → 匹配 '1'
re.match(pattern, string)	从字符串起始位置匹配	re.match(r'\d+', '123a') → 匹配 '123'
re.fullmatch(pattern, string)	整个字符串完全匹配	re.fullmatch(r'\d+', '123') → 匹配 '123'
re.findall(pattern, string)	返回所有非重叠匹配的列表	re.findall(r'\d+', 'a1b22c') → ['1', '22']
re.finditer(pattern, string)	返回所有匹配的迭代器（含位置信息）	for m in re.finditer(r'\d+', 'a1b2'): print(m.group())
re.sub(pattern, repl, string)	替换匹配项	re.sub(r'\d+', 'X', 'a1b2') → 'aXbX'
re.split(pattern, string)	按匹配项分割字符串	re.split(r'\d+', 'a1b2c') → ['a', 'b', 'c']
re.escape()	转义特殊字符	re.escape("C:\\Users\\test.txt")
re.purge()	清除缓存	re.purge()

2. 匹配对象（Match）方法/属性

方法/属性	说明	示例
group()	返回整个匹配的字符串	m.group() → 'abc'
group(n)	返回第n个捕获组的内容	m = re.search(r'(\d)(\d)', '12'); m.group(1) → '1'
groups()	返回所有捕获组的元组	m.groups() → ('1', '2')
start()/end()	匹配的起始/结束位置	m.start() → 0
span()	返回匹配范围 (start, end)	m.span() → (0, 2)

3. 正则表达式元字符（部分）

元字符	说明	示例匹配
.	匹配任意字符（除换行符）	a.c → 'abc'
\d	匹配数字	\d+ → '123'
\D	匹配非数字	\D+ → 'abc'
\w	匹配单词字符（字母、数字、下划线）	\w+ → 'Ab_1'
\W	匹配非单词字符	\W+ → '!@#'
\s	匹配空白字符（空格、制表符等）	\s+ → ' \t'
\S	匹配非空白字符	\S+ → 'abc'
[]	字符集合	[A-Za-z] → 任意字母
^	匹配字符串开头	^\d+ → 开头的数字
$	匹配字符串结尾	\d+$ → 结尾的数字
*	匹配前一个字符0次或多次	a* → '', 'aaa'
+	匹配前一个字符1次或多次	a+ → 'a', 'aaa'
?	匹配前一个字符0次或1次	a? → '', 'a'
{m,n}	匹配前一个字符m到n次	a{2,3} → 'aa', 'aaa'
**`	`**	或操作
()	捕获分组	(\d+) → 提取数字

4. 编译标志（flags 参数）

标志	说明	示例
re.IGNORECASE (re.I)	忽略大小写	re.search(r'abc', 'ABC', re.I)
re.MULTILINE (re.M)	多行模式（影响 ^ 和 $）	re.findall(r'^\d+', '1\n2', re.M) → ['1', '2']
re.DOTALL (re.S)	让 . 匹配包括换行符的所有字符	re.search(r'a.*b', 'a\nb', re.S)
re.ASCII	让 \w, \W 等仅匹配ASCII字符	re.search(r'\w+', 'こん', re.ASCII) → 无匹配
re.VERBOSE (re.X)	允许正则中添加注释和空格	re.compile(r'''\d+ # 匹配数字''', re.X)

实例

1. 提取邮箱地址

实例

import re

text = "Contact: [email protected], [email protected]"
emails = re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)
print(emails)  # 输出: ['[email protected]', '[email protected]']

2. 替换日期格式

实例

date_str = "Today is 05-15-2023"
new_str = re.sub(r'(\d{2})-(\d{2})-(\d{4})', r'\3年\1月\2日', date_str)
print(new_str)  # 输出: "Today is 2023年05月15日"

3. 多条件匹配

实例

pattern = re.compile(r'''
    ^(?P<username>\w+)  # 用户名
    :(?P<password>\S+)  # 密码
    @(?P<domain>\w+\.\w+)  # 域名
$''', re.VERBOSE)

m = pattern.match("john:[email protected]")
if m:
    print(m.groupdict())  # 输出: {'username': 'john', 'password': 'pass123', 'domain': 'example.com'}

4. 分割复杂字符串

实例

text = "Apple1Banana2Cherry3Date"
parts = re.split(r'\d+', text)
print(parts)  # 输出: ['Apple', 'Banana', 'Cherry', 'Date']

注意事项

1. 原始字符串：建议正则表达式使用原始字符串（r'\d'），避免转义符冲突。

2. 贪婪匹配：默认贪婪匹配（如 .* 会匹配到最长可能），需用 .*? 实现非贪婪匹配。

3. 性能优化：频繁使用的正则应优先用 re.compile() 预编译。

4. 回溯问题：复杂正则可能导致性能问题（如嵌套量词 (a+)+）。