【Python】一文带你了解 正则表达式 + 简单操作
作者主页：爱笑的男孩。的博客_CSDN博客-深度学习,活动,python领域博主爱笑的男孩。擅长深度学习,活动,python,等方面的知识,爱笑的男孩。关注算法,python,计算机视觉,图像处理,深度学习,pytorch,神经网络,opencv领域.https://blog.csdn.net/Code_and516?type=blog个人简介：打工人。
持续分享：机器学习、深度学习、python相关内容、日常BUG解决方法及Windows&Linux实践小技巧。
如发现文章有误，麻烦请指出，我会及时去纠正。有其他需要可以私信我或者发我邮箱:[email protected]
本文将为大家详细介绍 python 的正则表达式，包括简介、发展史、主要功能详解，示例代码加讲解如何使用，总结等内容，希望对大家了解和使用正则表达式有所帮助。
目录
一、简介
二、发展史
三、主要功能详解
1. re.compile()
2. re.match()
3. re.search()
4. re.findall()
5. re.sub()
四、示例代码加讲解如何使用
1. 匹配邮箱地址
2. 匹配 IP 地址
3. 匹配 HTML 标记
五、总结
一、简介
正则表达式是一种匹配文本模式的工具，广泛应用于各种编程语言中。Python 通过 re 模块提供对正则表达式的支持，可用于处理字符串、文本文件等内容。
正则表达式的原理是定义一种规则，根据这种规则去识别目标字符串中的符合规则的内容，使用规则可以进行灵活的匹配操作。正则表达式通过一些元字符和普通字符组合起来，构成一种定义规则的语言，常用于字符串匹配和操作。
在 Python 中，re 模块提供了常见的正则表达式功能，如编译正则表达式、匹配字符串、搜索目标字符串、替换字符串等操作。re 模块中几个常用的函数包括：re.compile()、re.match()、re.search()、re.findall()、re.sub()。下面我将详细介绍这些函数的使用方法和功能。
二、发展史
正则表达式的概念最早起源于20世纪50年代的计算机科学领域。在1951年，美国数学家斯蒂芬·科尔纳根据最小化有限状态自动机的数学理论，提出了可以自动识别一类语言模式的方法。后来，在20世纪60年代，正则表达式得到了普及和广泛应用。
在20世纪80年代末到90年代初，在 Unix 操作系统中引入了一种基于正则表达式的搜索工具：grep。grep 可以对文件进行正则表达式的匹配操作，并输出符合规则的行。随着互联网的普及和编程语言的发展，越来越多的编程语言提供了对正则表达式的支持，如 Perl 语言、Python 语言等。
Python 的 re 模块提供了对正则表达式的支持，可以完成字符串中的搜索、匹配、替换等功能。相比于其他编程语言来说，Python 的正则表达式语言更加简单易懂，学习门槛较低。
三、主要功能详解
1. re.compile()
compile() 函数用于将正则表达式编译成一个对象，供其他函数使用。compile() 函数可以接收两个参数：pattern（正则表达式字符串）和 flags（可选参数，表示正则表达式的匹配模式）。
语法：
re.compile(pattern, flags=0)
参数说明：
- pattern: 表示正则表达式字符串。
- flags: 可选参数，表示正则表达式的匹配模式。
flags 参数可以接收以下常量值：
- re.I：忽略大小写匹配
- re.L：用于本地（locale）匹配，如正则表达式中忽略大小写
- re.M：多行匹配模式。如果字符串中含有多行，则 ^ 匹配行的开头，$ 匹配行结尾
- re.S：使 . 匹配包括换行符在内的所有字符
- re.U：Unicode 匹配模式
- re.X：详细模式。此模式忽略正则表达式中的空白和注释，可以通过转义字符 \ 实现
下面是一个简单的示例代码，演示如何使用 compile() 函数编译正则表达式：
import re
pattern = re.compile(r'hello')
result = pattern.findall('hello world')
print(result)
输出结果为：
['hello']
2. re.match()
match() 函数尝试从字符串的起始位置匹配一个正则表达式，如果匹配成功，则返回一个匹配对象，否则返回 None。match() 函数只匹配目标字符串的第一个字符。
语法：
re.match(pattern, string, flags=0)
参数说明：
- pattern: 表示正则表达式字符串。
- string: 目标字符串。
- flags: 可选参数，表示正则表达式的匹配模式。
下面是一个简单的示例代码，演示如何使用 match() 函数匹配字符串：
import re
pattern = re.compile(r'hello')
result = pattern.match('hello world')
print(result.group())
输出结果为：
hello
3. re.search()
search() 函数在目标字符串中匹配正则表达式，一旦找到匹配的串就停止搜索。如果匹配成功，则返回一个匹配对象，否则返回 None。
语法：
re.search(pattern, string, flags=0)
参数说明：
- pattern: 表示正则表达式字符串。
- string: 目标字符串。
- flags: 可选参数，表示正则表达式的匹配模式。
下面是一个简单的示例代码，演示如何使用 search() 函数匹配字符串：
import re
pattern = re.compile(r'world')
result = pattern.search('hello world')
print(result.group())
输出结果为：
world
4. re.findall()
findall() 函数将在目标字符串中找到所有正则表达式匹配的子串，并返回一个列表。
语法：
re.findall(pattern, string, flags=0)
参数说明：
- pattern: 表示正则表达式字符串。
- string: 目标字符串。
- flags: 可选参数，表示正则表达式的匹配模式。
下面是一个简单的示例代码，演示如何使用 findall() 函数匹配字符串：
import re
pattern = re.compile(r'\d+')
result = pattern.findall('1 apple, 2 oranges, 3 bananas')
print(result)
输出结果为：
['1', '2', '3']
5. re.sub()
sub() 函数用于在目标字符串中查找正则表达式匹配的子串，并将其替换为指定字符串。可以使用反斜杠及数字指定要替换的内容。
语法：
re.sub(pattern, repl, string, count=0, flags=0)
参数说明：
- pattern: 表示正则表达式字符串。
- repl: 目标字符串，表示要替换成的内容。
- string: 目标字符串。
- count: 可选参数，表示替换的次数。默认为 0，表示替换所有匹配成功的子串。
- flags: 可选参数，表示正则表达式的匹配模式。
下面是一个简单的示例代码，演示如何使用 sub() 函数替换字符串：
import re
pattern = re.compile(r'orange[s]?')
result = pattern.sub('apple', '2 oranges and 3 orange')
print(result)
输出结果为：
2 apples and 3 apple
四、示例代码加讲解如何使用
下面是一些示例代码，演示如何在 Python 中使用正则表达式。
1. 匹配邮箱地址
以下代码演示如何使用正则表达式匹配邮箱地址：
import re
pattern = re.compile(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b')
result = pattern.findall('my email is [email protected]')
print(result)
输出结果为：
正则表达式 \b[A-Za-z0-9._%±]+@[A-Za-z0-9.-]+.[A-Z|a-z]{2,}\b 匹配了邮箱地址 [email protected]，其中的元字符解释如下：
- \b：匹配单词的起始位置。
- [A-Za-z0-9.%±]+：匹配由大小写字母、数字、.、、%、+ 和 - 组成的字符串。
- @: 匹配 @ 符号。
- [A-Za-z0-9.-]+：匹配由大小写字母、数字、. 和 - 组成的字符串。
- .: 匹配点号。注意需要使用 \ 转义。
- [A-Z|a-z]{2,}: 匹配大小写字母，长度至少为 2。
2. 匹配 IP 地址
以下代码演示如何使用正则表达式匹配 IP 地址：
import re
pattern = re.compile(r'\b(?:[0-9]{1,3}\.){3}[0-9]{1,3}\b')
result = pattern.findall('my IP is 192.168.0.1')
print(result)
输出结果为：
['192.168.0.1']
正则表达式 \b(?:[0-9]{1,3}.){3}[0-9]{1,3}\b 匹配了 IP 地址 192.168.0.1，其中的元字符解释如下：
- \b：匹配单词的起始位置。
- (?:[0-9]{1,3}.){3}：非捕获组，匹配由一个或多个数字和点号组成的子串，重复 3 次。
- [0-9]{1,3}：匹配由一个或多个数字组成的子串。
3. 匹配 HTML 标记
以下代码演示如何使用正则表达式匹配 HTML 标记：
import re
pattern = re.compile(r'<[^>]+>')
result = pattern.findall('hello
')
print(result)
输出结果为：
['
', '
']
正则表达式 <[^>]+> 匹配了 HTML 标记
和
，其中的元字符解释如下：- <：匹配 < 符号。
- [^>]+：匹配由一个或多个非 > 符号的子串。
- ：匹配 > 符号。
五、总结
正则表达式是一种强大的文本处理工具，可以用于基于模式的字符串匹配、替换、提取等多种操作中。Python正则表达式模块提供了一种规范化的表示方法，可以使用普通字符、特殊字符、元字符、修饰符等组成自己的正则表达式。使用Python正则表达式的步骤包括导入re模块、编写正则表达式、创建正则表达式验证对象、使用正则表达式进行匹配、解析匹配结果等。Python的正则表达式模块是一个非常强大的工具，在数据处理、文本处理、搜索引擎等领域得到了广泛应用。
