轻松玩转Python正则表达式
引言
正则表达式是一种强大的文本匹配和处理工具，广泛应用于各种编程语言中。在Python中，我们可以使用内置的re模块来处理正则表达式。本文将带您从入门到精通，逐步介绍Python中的正则表达式用法，并提供实例演示。
1. 正则表达式基础
1.1 什么是正则表达式
正则表达式是一种用于描述和匹配字符串模式的表达式。它由一系列字符和特殊字符组成，用于在文本中进行搜索和替换操作。
1.2 基本匹配规则
正则表达式中的基本匹配规则包括普通字符的匹配、点号的匹配任意字符、转义字符的使用等。
import re
pattern = r"abc" # 匹配字符串 "abc"
string = "xyz abc def"
result = re.findall(pattern, string)
print(result) # Output: ['abc']
1.3 字符类和预定义字符类
字符类用于匹配指定范围内的字符，预定义字符类则表示常见的字符组合，如数字、字母、空白字符等。
import re
pattern = r"[0-9]" # 匹配任意数字字符
string = "abc 123 def"
result = re.findall(pattern, string)
print(result) # Output: ['1', '2', '3']
1.4 量词和贪婪匹配
量词用于指定匹配的次数，如匹配0次或多次、匹配1次或多次等。贪婪匹配是指尽可能多地匹配字符，非贪婪匹配则尽可能少地匹配字符。
import re
pattern = r"a+" # 匹配一个或多个连续的字符 "a"
string = "aaaabbb"
result = re.findall(pattern, string)
print(result) # Output: ['aaaa']
1.5 边界匹配
边界匹配用于限定匹配的位置，如行的开头、行的结尾、单词的边界等。
import re
pattern = r"\bhello\b" # 匹配整个单词 "hello"
string = "hello world"
result = re.findall(pattern, string)
print(result) # Output: ['hello']
2. 使用re模块
2.1 re模块的导入
在使用Python进行正则表达式操作之前，我们需要先导入re模块。
import re
2.2 re.match()方法
re.match()方法用于从字符串的开头开始匹配模式，如果匹配成功，则返回一个匹配对象；否则返回None。
import re
pattern = r"hello"
string = "hello world"
result = re.match(pattern, string)
if result:
print("Match found!")
else:
print("No match")
2.3 re.search()方法
re.search()方法用于在字符串中搜索匹配模式，如果找到任意位置的匹配，则返回一个匹配对象；否则返回None。
import re
pattern = r"world"
string = "hello world"
result = re.search(pattern, string)
if result:
print("Match found!")
else:
print("No match")
2.4 re.findall()方法
re.findall()方法用于在字符串中搜索所有匹配模式的子串，并将它们作为列表返回。
import re
pattern = r"\d+"
string = "I have 10 apples and 20 oranges."
result = re.findall(pattern, string)
print(result) # Output: ['10', '20']
2.5 re.sub()方法
re.sub()方法用于在字符串中搜索匹配模式的子串，并将其替换为指定的字符串。
import re
pattern = r"apple"
string = "I have an apple."
result = re.sub(pattern, "banana", string)
print(result) # Output: "I have an banana."
3. 正则表达式的高级用法
3.1 分组和捕获
正则表达式中的分组和捕获允许我们将匹配的子串提取出来，并在后续操作中使用。
import re
pattern = r"(\d+)-(\d+)-(\d+)" # 匹配日期格式 "YYYY-MM-DD"
string = "Today is 2023-06-28."
result = re.search(pattern, string)
if result:
year = result.group(1)
month = result.group(2)
day = result.group(3)
print(f"Year: {year}, Month: {month}, Day: {day}")
else:
print("No match")
3.2 非贪婪匹配
非贪婪匹配是指尽可能少地匹配字符，可以通过在量词后加上"?"来实现。
import re
pattern = r"a+?"
string = "aaaaa"
result = re.findall(pattern, string)
print(result) # Output: ['a', 'a', 'a', 'a', 'a']
3.3 向前界定和向后界定
向前界定和向后界定用于限定匹配的前后条件，但不包括在匹配结果中。
import re
pattern = r"(?<=@)\w+" # 匹配邮箱地址中的用户名
string = "[email protected]"
result = re.findall(pattern, string)
print(result) # Output: ['example']
3.4 反向引用
反向引用用于在正则表达式中引用前面已经匹配的子串。
import re
pattern = r"(\w+)\s+\1" # 匹配重复的单词
string = "hello hello world world"
result = re.findall(pattern, string)
print(result) # Output: ['hello', 'world']
3.5 零宽断言
零宽断言用于匹配某个位置前或后的子串，但不包括在匹配结果中。
import re
pattern = r"\d+(?= dollars)" # 匹配 "dollars" 前面的数字
string = "I have 100 dollars."
result = re.findall(pattern, string)
print(result) # Output: ['100']
4. 实例演示
4.1 邮箱验证
使用正则表达式验证输入的字符串是否为有效的邮箱地址。
import re
pattern = r"^\w+@\w+\.\w+$" # 匹配邮箱地址
email = "[email protected]"
result = re.match(pattern, email)
if result:
print("Valid email address")
else:
print("Invalid email address")
4.2 URL提取
从文本中提取所有的URL链接。
import re
pattern = r"http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\\(\\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+"
text = "Visit my website at https://example.com. You can also check out https://example.org."
result = re.findall(pattern, text)
print(result) # Output: ['https://example.com', 'https://example.org']
4.3 HTML标签提取
从HTML文档中提取所有的标签内容。
import re
pattern = r"<([^>]+)>" # 匹配HTML标签
html = "Hello
World
"
result = re.findall(pattern, html)
print(result) # Output: ['h1', '/h1', 'p', '/p']
4.4 敏感词过滤
使用正则表达式过滤文本中的敏感词。
import re
sensitive_words = ["bad", "evil", "dangerous"]
text = "This is a bad example."
for word in sensitive_words:
pattern = fr"\b{re.escape(word)}\b" # 匹配敏感词并确保单词边界
text = re.sub(pattern, "***", text)
print(text) # Output: "This is a *** example."
结论
本文介绍了Python中正则表达式的基础知识和高级用法，包括基本匹配规则、使用re模块进行正则操作的方法以及一些常见的实例演示。掌握正则表达式的技巧和应用，将能够更高效地处理和处理文本数据。希望本文能够对您在Python中使用正则表达式有所帮助。
更多Python的学习资料可以扫描下方二维码无偿领取！！！
1）Python所有方向的学习路线（新版）
总结的Python爬虫和数据分析等各个方向应该学习的技术栈。
比如说爬虫这一块，很多人以为学了xpath和PyQuery等几个解析库之后就精通的python爬虫，其实路还有很长，比如说移动端爬虫和JS逆向等等。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然达不到大佬的程度，但是精通python是没有问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
。