正则表达式（Regular Expressions，简称regex）是用于在文本中搜索和替换模式的强大工具。在Python中，正则表达式的功能由内置的re模块提供，它能帮助开发者有效地处理字符串。本文旨在详细介绍Python中正则表达式的使用方法，包括基本匹配、模式语法、常用函数以及实际应用示例。
基本概念和语法
| 类别 | 字符 | 描述 |
|---|---|---|
| 字面字符 | abc |
直接匹配字符a、b、c等 |
| 通配符 | . |
匹配除换行符外的任意单个字符 |
| 锚点 | ^ |
匹配字符串的开头 |
$ |
匹配字符串的结尾 | |
| 数量词 | * |
匹配前面的子表达式零次或多次 |
+ |
匹配前面的子表达式一次或多次 | |
? |
匹配前面的子表达式零次或一次 | |
{n} |
匹配前面的子表达式恰好n次 |
|
{n,} |
匹配前面的子表达式至少n次 |
|
{n,m} |
匹配前面的子表达式至少n次，最多m次 |
|
| 字符类 | [abc] |
匹配任何一个位于括号内的字符 |
[^abc] |
匹配任何不在括号内的字符 | |
| 特殊字符 | \d |
匹配任何数字，等同于[0-9] |
\D |
匹配任何非数字字符，等同于[^0-9] |
|
\s |
匹配任何空白字符，包括空格、制表符、换行符等 | |
\S |
匹配任何非空白字符 | |
\w |
匹配任何字母数字字符，等同于[a-zA-Z0-9_] |
|
\W |
匹配任何非字母数字字符 | |
| 转义符 | \\ |
用于转义特殊字符 |
常用函数
re.match()
检查字符串的开头是否与正则表达式匹配。
import re
pattern = r'\d+'
text = "123abc"
match = re.match(pattern, text)
if match:
print(match.group()) # 输出: 123
re.search()
在整个字符串中搜索与正则表达式匹配的部分。
text = "Hello 123 world"
match = re.search(r'\d+', text)
if match:
print(match.group()) # 输出: 123
re.findall()
返回字符串中所有与正则表达式匹配的部分。
text = "Hello 123 world 456"
matches = re.findall(r'\d+', text)
print(matches) # 输出: ['123', '456']
re.sub()
替换字符串中的正则表达式匹配项。
text = "Hello 123 world 456"
replaced_text = re.sub(r'\d+', 'number', text)
print(replaced_text) # 输出: Hello number
world number
实践应用
1. 数据验证
正则表达式常用于验证输入数据的格式，比如电子邮件、电话号码、URL等。
示例：验证电子邮件地址
import re
email_pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
email = "example@email.com"
if re.match(email_pattern, email):
print(f"{email} 是有效的电子邮件地址")
else:
print(f"{email} 不是有效的电子邮件地址")
2. 日志文件分析
正则表达式能够帮助从日志文件中提取有用信息，如日期、时间、日志级别等。
示例：提取日志文件中的日期和时间
import re
log_entry = "2023-03-29 10:00:00, ERROR, Something went wrong!"
date_time_pattern = r'^(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})'
match = re.search(date_time_pattern, log_entry)
if match:
print(f"日志时间：{match.group(1)}")
3. 文本解析和数据抽取
在大量文本中抽取特定格式的数据，如代码、标签或特定格式的字符串。
示例：从文本中提取所有URL
import re
text = "Visit our website at https://example.com or follow us on http://twitter.com/example."
urls_pattern = r'https?://[^\s<>"]+|www\.[^\s<>"]+'
urls = re.findall(urls_pattern, text)
print("找到的URL：")
for url in urls:
print(url)
4. 文本替换和修改
正则表达式也可以用于替换或修改字符串中的文本。
示例：替换文本中的敏感词
import re
text = "This is a secret document. The secret should not be shared."
modified_text = re.sub(r'secret', '*****', text)
print(modified_text)
5. 批量文件重命名
正则表达式可以用于批量处理文件名，例如，重命名文件以符合特定的命名约定。
示例：批量重命名文件
假设有一系列的图片文件，名称如img1.png, img2.png, …, img10.png，想要将它们重命名为image_01.png, image_02.png, …, image_10.png，可以使用正则表达式来实现这个批量重命名过程。
import re
import os
files = ['img1.png', 'img2.png', 'img10.png']
pattern = r'img(\d+)\.png'
for filename in files:
match = re.search(pattern, filename)
if match:
new_name = f'image_{int(match.group(1)):02d}.png'
os.rename(filename, new_name)
print(f'Renamed "{filename}" to "{new_name}"')
6. 文本数据清洗
在数据分析和预处理中，正则表达式常用于清洗和格式化文本数据。
示例：从文本中移除HTML标签
在抓取网页内容时，经常需要从文本中移除HTML标签。
import re
html_text = "<h1>This is a Heading</h1><p>This is a paragraph.</p>"
clean_text = re.sub(r'<.*?>', '', html_text)
print(clean_text)
7. 分割复杂字符串
正则表达式的分割功能允许根据复杂的分隔符来分割字符串。
示例：使用多个分隔符分割字符串
有时候需要根据多个不同的字符或模式来分割文本。
import re
text = "Words, separated. by different; punctuations?"
words = re.split(r'[;,\.\s?]+', text)
print(words)
在处理文本数据时，经常需要查找复杂模式或特定的字符序列。例如，在日志分析、数据验证或文本挖掘时，正则表达式是不可或缺的工具。Python的re模块提供了一系列函数，使得执行这些复杂的文本匹配和替换变得简单。