【Python基础】一文搞懂: Python 正则表达式模式匹配与字符串处理技巧

1 引言

在文本处理和数据提取的世界里，正则表达式是一项强大的工具。Python 通过内置的 re 模块，提供了一套丰富的正则表达式功能。无论是简单的字符串匹配还是复杂的文本解析，正则表达式都能提供灵活且高效的解决方案。本文旨在深入探讨 Python 中的正则表达式使用方法，从基础知识到实用技巧。

2 正则表达式基础

正则表达式（Regular Expression），是一种文本模式，包含普通字符（例如，字母 a 到 z）和特殊字符（称为"元字符"）。它是用于字符串搜索和替换的强大工具。

2.1 常用元字符

• .：匹配任何单个字符（除了换行符）
• ^：匹配字符串的开头
• $：匹配字符串的结尾
• *：匹配前一个字符 0 次或多次
• +：匹配前一个字符 1 次或多次
• ?：匹配前一个字符 0 次或 1 次
• {n}：匹配前一个字符恰好 n 次
• []：匹配括号内的任意一个字符
• |：匹配两个或多个表达式中的一个
• ()：定义一个组

3 Python 中的 re 模块

Python 的 re 模块提供了一系列正则表达式的匹配和搜索功能。

3.1 常用函数

• re.match(): 从字符串的开始匹配一个模式
• re.search(): 扫描整个字符串并返回第一个成功的匹配
• re.findall(): 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表
• re.sub(): 替换字符串中的匹配项

3.2 示例

import re

text = "Python is fun"

# 使用 match 查找匹配
if re.match(r"Python", text):
    print("Match found")
else:
    print("No match")

# 使用 search 查找匹配
match = re.search(r"fun$", text)
if match:
    print("Search found:", match.group())

# 使用 findall 查找所有匹配
emails = "通过如下邮件联系我 [email protected], [email protected]"
addresses = re.findall(r'\b[\w.-]+@[\w.-]+.\w+', emails)
print("邮件地址为：", addresses)

# 使用 sub 替换字符串
replaced_text = re.sub(r'fun', 'awesome', text)
print("替换的字符串:", replaced_text)

4 高级用法

4.1 编译正则表达式

为了提高效率，可以预编译正则表达式：

pattern = re.compile(r'\b[\w.-]+@[\w.-]+.\w+')
addresses = pattern.findall(emails)

4.2 分组

使用括号创建分组：

date = "2021-05-23"
pattern = re.compile(r'(\d{4})-(\d{2})-(\d{2})')
match = pattern.match(date)
year, month, day = match.groups()

4.3 贪婪 vs 非贪婪匹配

默认情况下，* 和 + 为贪婪模式，它们会尽可能多的匹配字符。通过在它们后面添加 ?，可以使其变为非贪婪模式。

5 实例演示

以下是一个 Python 脚本示例，展示了如何使用 Python 的 re 模块进行正则表达式的匹配、搜索、替换和提取。我们将包含几个不同的应用场景，如验证邮箱地址、提取日期数据和替换文本。这些操作被封装在一个名为 regex_example.py 的 Python 文件中。

5.1 封装为regex_example.py脚本

import re

def validate_email(email):
    """ 验证邮箱地址是否有效 """
    if re.match(r'^[\w.-]+@[\w.-]+\.\w+$', email):
        return True
    return False

def extract_dates(text):
    """ 从文本中提取所有日期 """
    return re.findall(r'\b\d{4}-\d{2}-\d{2}\b', text)

def replace_censored_words(text):
    """ 替换文本中的敏感词为星号 """
    return re.sub(r'\b(badword|forbiddenword)\b', '*****', text, flags=re.IGNORECASE)

def main():
    # 验证邮箱地址
    emails = ["[email protected]", "invalid-email", "[email protected]"]
    for email in emails:
        print(f"邮箱 {email} 是有效: {validate_email(email)}")

    # 从文本中提取日期
    text_with_dates = "Important dates are 2021-08-01, 2021-08-15 and 2021-08-23."
    print(f"提取到的日期为: {extract_dates(text_with_dates)}")

    # 替换文本中的敏感词
    censored_text = "This is a badword and another forbiddenword."
    print(f"敏感词: {replace_censored_words(censored_text)}")

if __name__ == "__main__":
    main()

5.2 运行脚本后的输出结果

当您运行 regex_example.py 脚本时，将看到以下输出：

邮箱 [email protected] 是有效: True
邮箱 invalid-email 是有效: False
邮箱 [email protected] 是有效: True
提取到的日期为: ['2021-08-01', '2021-08-15', '2021-08-23']
敏感词: This is a ***** and another *****.

5.3 脚本解释

在这个脚本中，我们定义了三个函数来展示不同的正则表达式应用场景：

• validate_email 函数使用正则表达式来验证给定的邮箱地址是否符合标准格式。
• extract_dates 函数使用正则表达式从文本中提取所有符合 YYYY-MM-DD 格式的日期。
• replace_censored_words 函数使用正则表达式将指定的敏感词替换为星号，实现了简单的文本内容审查功能。

main 函数组织了这些操作的流程，并展示了每个函数的应用效果。

通过这个例子，您可以看到如何在实际应用中使用正则表达式进行字符串的匹配、搜索、替换和数据提取。

6 总结

掌握 Python 中的正则表达式可以大幅提高文本处理的效率和能力。无论是进行数据清洗、日志分析还是复杂的模式匹配，正则表达式都是一个强有力的工具。

---

希望这篇文章能帮助您理解和掌握 Python 中正则表达式的使用。如果您有任何疑问或建议，请在评论区留言，让我们共同进步！

作者：climber1121
链接：https://blog.csdn.net/climber1121
来源：CSDN
版权声明：本文为博主原创文章，转载请附上原文出处链接和本声明。