Python正则表达式完全指南

本篇文章将深入探讨python的一项强大工具：正则表达式。正则表达式是一个强大的文本处理工具，可以用来匹配，搜索，替换和解析文本。我们将逐步展示如何在Python中使用正则表达式，包括其基本语法，常见用法和一些高级技巧。而在最后的“one more thing”部分，我们将探索一个不为人知但又非常有用的正则表达式的技巧。

简单正则表达式匹配

在Python中，re模块提供了正则表达式的支持。我们先从最简单的字符匹配开始。

import re

# 检查字符串是否包含字母"a"
txt = "Hello, world!"
match = re.search("a", txt)
print(match)  # 输出：None，因为"a"没有在字符串中

在这个例子中，我们使用了re.search()函数来查找字符串中是否包含"a"。这是最基础的字符匹配，但已经可以看出正则表达式的用处。例如，你可以用这种方式检查一个电子邮件地址是否包含"@"。

使用元字符

正则表达式的真正威力在于其元字符的使用，比如.，*，?，[]等等。下面的例子展示了如何使用.（点）元字符匹配任何字符（除了新行）。

txt = "Hello, world!"
match = re.search("H.llo", txt)
print(match.group())  # 输出：Hello

在这个例子中，.字符匹配了"e"，使得"H.llo"可以匹配"Hello"。

使用预定义的字符集

有时我们希望匹配的是一类字符，而不是单个字符。比如，我们可能想要匹配任何数字。Python的正则表达式提供了预定义的字符集来实现这种功能。\d就代表任何数字。

txt = "123 Hello, world!"
match = re.search("\d+", txt)
print(match.group())  # 输出：123

在这个例子中，\d+匹配了一串数字"123"。

分组和捕获

我们可以使用圆括号()创建子模式或组，并使用group()方法来捕获这些组。

txt = "123 Hello, world!"
match = re.search("(\d+) (Hello),", txt)
print(match.group(1))  # 输出：123
print(match.group(2))  # 输出：Hello

使用正向先行断言

这是一个高级技巧，它允许我们在不消耗字符的情况下进行匹配。例如，我们可能想找出所有以句号结束但不包含句号的句子。

txt = "Hello. My name is Python. Nice to meet you."
matches = re.findall(".*?(?=\\.)", txt)
for match in matches:
    print(match)  # 输出：Hello，My name is Python，Nice to meet you

在这个例子中，.*?(?=\\.)匹配了所有以句号结束的句子，但并没有消耗句号。

字符集和范围

我们之前讨论过预定义的字符集，比如\d。但有时我们可能需要自定义字符集，我们可以使用方括号[]来达成这个目标。例如，我们可以创建一个只包含小写字母的字符集。

txt = "Hello, World!"
match = re.search("[a-z]+", txt)
print(match.group())  # 输出：ello

在这个例子中，[a-z]+匹配了一串连续的小写字母"ello"。注意"Hello"的首字母"H"由于是大写，没有被匹配。

贪婪匹配和非贪婪匹配

Python的正则表达式默认是贪婪的，这意味着它们会尽可能匹配更多的字符。但有时我们可能希望进行非贪婪匹配。我们可以通过在量词后面添加问号?来实现这个功能。

txt = "12345"
match = re.search("\d+?", txt)
print(match.group())  # 输出：1

在这个例子中，\d+?进行了非贪婪匹配，只匹配了一个数字"1"。

零宽断言

零宽断言允许我们在字符之间设置条件。比如，我们可以使用(?<=a)b来匹配所有在"a"后面的"b"。

txt = "cab, dab"
matches = re.findall("(?<=a)b", txt)
for match in matches:
    print(match)  # 输出：b，b

在这个例子中，(?<=a)b匹配了所有在"a"后面的"b"。

使用编译的正则表达式

如果你的程序需要多次使用同一个正则表达式，你可以将其编译为一个正则表达式对象。这可以提高代码的运行效率。

pattern = re.compile("\d+")
txt = "123 Hello, world!"
match = pattern.search(txt)
print(match.group())  # 输出：123

在这个例子中，我们先编译了正则表达式\d+，然后使用pattern.search()方法来进行匹配。

One More Thing

到现在为止，我们已经探讨了Python正则表达式的基础知识。但是在这最后的"One More Thing"部分，我想分享一个不常被提及，但在处理复杂文本模式时非常有用的技巧：命名组。

命名组允许我们给匹配的组分配一个名字，然后在后面的代码中引用它。这在处理复杂的模式匹配时非常有用。

txt = "James: 1234567890"
match = re.search("(?P\w+): (?P\d+)", txt)
print(match.group('name'))  # 输出：James
print(match.group('phone'))  # 输出：1234567890

在这个例子中，我们使用了命名组(?P\w+)和(?P\d+)来匹配名字和电话号码，并使用group()方法来获取它们。

正则表达式是一个非常强大的工具，希望本篇文章能帮你掌握它在Python中的用法。

如有帮助，请多关注
个人微信公众号：【Python全视角】
TeahLead_KrisChang，10+年的互联网和人工智能从业经验，10年+技术和业务团队管理经验，同济软件工程本科，复旦工程管理硕士，阿里云认证云服务资深架构师，上亿营收AI产品业务负责人。