垦荒学园
  • 中文

      • Python 正则表达式

      正则表达式（Regular Expression, 或简称 regex）是一个强大的工具，它使用一种专门的语法来搜索、匹配和操作字符串中的特定模式。Python 通过内置的 re 模块来支持正则表达式。

      什么是正则表达式？

      想象一下，你想在一个长文本中查找所有电话号码或电子邮件地址。这些模式很难用简单的字符串方法（如 find() 或 startswith()）来描述。正则表达式允许你定义一个“模式”，然后用这个模式去匹配你想要的任何复杂字符串。

      re 模块的核心函数

      re.search(pattern, string)

      扫描整个字符串，查找模式第一次出现的位置，如果找到则返回一个匹配对象（Match Object），否则返回 None。

      import re

text = "The rain in Spain falls mainly in the plain."

# 查找 'ai' 模式
match = re.search(r"ai", text)

if match:
    print("Match found!")
    print(f"Span: {match.span()}")   # 匹配的起止位置: (5, 7)
    print(f"String: {match.string}") # 原始字符串
    print(f"Group: {match.group()}")   # 匹配到的字符串: 'ai'
else:
    print("No match found.")

      r"..." 是什么? r 前缀表示这是一个“原始字符串 (raw string)”。在正则表达式中，反斜杠 \ 有特殊含义（如 \d 表示数字）。使用原始字符串可以防止 Python 解释器对反斜杠进行转义，从而简化正则表达式的书写。

      re.findall(pattern, string)

      查找字符串中所有与模式匹配的非重叠子串，并以列表形式返回。

      import re

text = "The rain in Spain falls mainly in the plain."

# 查找所有 'ai' 的实例
all_matches = re.findall(r"ai", text)

print(all_matches) # 输出: ['ai', 'ai', 'ai', 'ai']

      re.sub(pattern, repl, string)

      查找与模式匹配的子串，并用 repl 替换它们。返回替换后的新字符串。

      import re

text = "My phone number is 123-456-7890."

# 将电话号码替换为 [REDACTED]
redacted_text = re.sub(r"\d{3}-\d{3}-\d{4}", "[REDACTED]", text)

print(redacted_text) # 输出: My phone number is [REDACTED].

      常用的元字符 (Metacharacters)

      元字符是正则表达式中有特殊含义的字符。

      元字符描述示例匹配
      .匹配除换行符外的任意单个字符a.bacb, a_b
      ^匹配字符串的开头^HelloHello World
      $匹配字符串的结尾World$Hello World
      *匹配前一个字符 0 次或多次ab*cac, abc, abbbc
      +匹配前一个字符 1 次或多次ab+cabc, abbbc (不匹配 ac)
      ?匹配前一个字符 0 次或 1 次ab?cac, abc
      {m,n}匹配前一个字符 m 到 n 次a{2,4}aa, aaa, aaaa
      []字符集，匹配方括号中的任意一个字符[aeiou]a, e, i, o, u
      \转义特殊字符，或引入特殊序列\.. (字符本身)
      \d匹配任意数字 (等同于 [0-9])\d+123, 45
      \D匹配任意非数字字符
      \s匹配任意空白字符 (空格, tab, 换行)
      \S匹配任意非空白字符
      \w匹配任意字母、数字、下划线 (等同于 [a-zA-Z0-9_])
      \W匹配任意非字母、数字、下划线字符

      分组 (Grouping)

      使用圆括号 () 可以对模式进行分组。这有两个主要作用：

      1. 将多个字符作为一个整体来应用量词（如 *, +, ?）。
      2. 捕获匹配的内容，以便后续引用。
      import re

text = "Email: john.doe@example.com, User: jane_doe"

# 模式匹配一个完整的电子邮件地址
# (\w+\.\w+) 捕获用户名部分
# (\w+\.\w+) 捕获域名部分
match = re.search(r"(\w+\.\w+)@(\w+\.\w+)", text)

if match:
    print(f"Full match: {match.group(0)}") # group(0) 或 group() 是整个匹配
    print(f"Username: {match.group(1)}")   # group(1) 是第一个括号捕获的内容
    print(f"Domain: {match.group(2)}")     # group(2) 是第二个括号捕获的内容

      正则表达式是一个非常广阔和强大的领域，掌握它需要不断的练习。建议使用在线工具（如 regex101.com）来测试和学习模式。