【Python进阶必备】一文掌握re库：实战正则表达式

目录

re库初识

re库基础使用方法

compile()函数

基本用法

正则表达式常用规则字符

match与search方法

match

search

match/search

findall与finditer方法

使用findall()返回所有匹配项

使用findall()提取多个组的匹配

使用finditer()逐个返回Match对象

使用finditer()并处理复杂匹配结构

进阶用法

分组与反向引用

替换文本中的部分内容

提取并重组子组

在搜索结果中使用子组

贪婪与懒惰匹配

预定义字符集与特殊字符

结语与讨论

亲爱的读者，你是否在编程过程中遇到过字符串处理难题？是否对繁琐复杂的文本匹配操作感到困扰？今天，我们就一起深入探索Python世界中的强大工具——re模块，它是Python标准库中用于处理正则表达式的利器，帮你轻松驾驭各类字符串处理任务。

re库初识

Python的re模块提供了完整的正则表达式功能。正则表达式（Regular Expression）是一种强大的文本模式匹配工具，它能高效地进行查找、替换、分割等复杂字符串操作。

在Python中，通过 import re 即可引入这一神器。 

re库基础使用方法

compile()函数

首先，我们需要使用re.compile()函数将正则表达式编译为Pattern对象

基本用法

import re# 匹配一个或多个连续的数字字符
pattern = re.compile(r'\d+') # 匹配email电邮地址
email_pattern = re.compile(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', re.IGNORECASE)# 匹配任意字母数字组成的用户名（至少1个字符）
username_pattern = re.compile(r'\w+')# 匹配任意URL链接
url_pattern = re.compile(r'http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\\(\\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+')# 匹配电话号码（格式如：123-456-7890 或 (123) 456-7890）
phone_pattern = re.compile(r'(\d{3}[-\.\s]??\d{3}[-\.\s]??\d{4}|\(\d{3}\)\s*\d{3}[-\.\s]??\d{4})')# 匹配IPv4地址
ipv4_pattern = re.compile(r'(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)')# 匹配信用卡号（一般为16位数字，可能包含空格分隔符）
credit_card_pattern = re.compile(r'\d{4}[- ]?\d{4}[- ]?\d{4}[- ]?\d{4}')# 匹配日期格式（YYYY-MM-DD）
date_pattern = re.compile(r'\d{4}-\d{2}-\d{2}')# 匹配颜色代码（如 #FF0000）
color_code_pattern = re.compile(r'^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$')# 匹配整数和小数（包括负数、正数和零）
number_pattern = re.compile(r'-?\d+(\.\d+)?')

正则表达式常用规则字符

  • \d：在大多数正则表达式语法中（包括Python中的 re 模块），\d 相当于 [0-9]，即它会匹配任意一个十进制数字字符，相当于阿拉伯数字从0到9。

  • +：这是一个量词，表示前面的元素（这里是\d）至少出现一次或多次。因此，\d+ 作为一个整体，它会匹配一个或连续的一个以上数字字符，例如 "123"、"456789" 等等。

  • \w：匹配字母（大写或小写）、数字和下划线（等价于 [a-zA-Z0-9_]）。

  • \s：匹配任何空白字符，包括空格、制表符、换行符等。
  • . （句点）：匹配除换行符之外的任何单个字符。
  • ^：在字符串起始位置时匹配，或者在字符类 [] 中表示反向选择（如 [^abc] 匹配非 a、b、c 的字符）。
  • $：在字符串结束位置时匹配。
  • *：零次或多次匹配前面的元素。
  • ?：零次或一次匹配前面的元素。
  • {m,n}：前面的元素至少出现 m 次，至多出现 n 次。
  • |：表示“或”操作，用于匹配多个选项之一。
  • ()：用于分组和捕获子匹配项。

re.compile(pattern, flags=0) 的作用是：

  1. 预编译：将正则表达式转换为编译过的模式对象，提高后续匹配操作的速度。
  2. 复用：创建一次编译好的模式后，可以在程序的不同地方重复使用该模式进行匹配、查找、替换等操作。
  3. 支持标志：可以传递标志参数来改变正则表达式的默认行为，如忽略大小写、多行模式等。

match与search方法

pattern.match()方法只检测字符串开始位置是否满足匹配条件；而pattern.search()方法会搜索整个字符串以找到第一个匹配项。

match

import retext = "2023-01-01 This is a date at the start of the string."# 使用match()方法，只从字符串开始位置匹配日期格式
pattern = re.compile(r'\d{4}-\d{2}-\d{2}')
match_result = pattern.match(text)if match_result:print(f"Match found: {match_result.group(0)}")
else:print("No match at the beginning of the string.")# 输出：
# Match found: 2023-01-01
import retext = "The date today is 2023-01-01, let's remember it."# 使用search()方法在整个字符串中搜索日期格式
pattern = re.compile(r'\d{4}-\d{2}-\d{2}')
search_result = pattern.search(text)if search_result:print(f"Search found: {search_result.group(0)}")
else:print("No match found in the string.")# 输出：
# Search found: 2023-01-01

match/search

import retext = "This sentence does not start with a date like 2023-01-01."# match()不会找到任何匹配项，因为日期不在字符串开头
match_result = re.match(r'\d{4}-\d{2}-\d{2}', text)
if match_result:print("Match found.")
else:print("No match at the beginning using match().")# search()能找到匹配项，因为它搜索整个字符串
search_result = re.search(r'\d{4}-\d{2}-\d{2}', text)
if search_result:print("Search found.")
else:print("No match found anywhere using search().")# 输出：
# No match at the beginning using match().
# Search found.

findall与finditer方法

pattern.findall()返回所有非重叠匹配结果的列表；pattern.finditer()返回一个迭代器，逐个返回Match对象。

使用findall()返回所有匹配项

import retext = "The3 quick5 brown5 fox3 jumps5 over4 the3 lazy4 dog."# 找到文本中所有的"fox"
pattern = re.compile(r'\d+')
matches = pattern.findall(text)print(matches)# 输出: ['3', '5', '5', '3', '5', '4', '3', '4']

使用findall()提取多个组的匹配

import retext = "John Doe, Jane Smith, Alice Johnson"# 提取所有名字和姓氏
pattern = re.compile(r'(\w+) (\w+)')
matches = pattern.findall(text)print(matches)# 输出: [('John', 'Doe'), ('Jane', 'Smith'), ('Alice', 'Johnson')]# 返回的是元组组成的列表，每个元组代表一个匹配的结果，其中包含了括号分组的内容

使用finditer()逐个返回Match对象

import retext = "I have 3 apples and 7 bananas in 2 baskets."# 查找所有数字
pattern = re.compile(r'\d+')for match in pattern.finditer(text):print(match.group(0))# 输出：
# 3
# 7
# 2
# finditer()方法逐个返回Match对象，并可以通过group()方法获取匹配的具体内容

使用finditer()并处理复杂匹配结构

import retext = "colors: red, colors:blue; shapes: square, shapes:circle"# 匹配颜色或形状
pattern = re.compile(r'(?:colors?[:\s]+(\w+)(?:[,;\s]|$))|(?:shapes?[:\s]+(\w+)(?:[,;\s]|$))')for match in pattern.finditer(text):if match.group(1):  # 如果是颜色print(f"Color found: {match.group(1)}")elif match.group(2):  # 如果是形状print(f"Shape found: {match.group(2)}")# 输出：
# Color found: red
# Color found: blue
# Shape found: square
# Shape found: circle

进阶用法

分组与反向引用

通过圆括号可以创建子组，以便捕获和引用部分匹配内容。如re.compile(r'(\w+) (\d+)')，\1和\2分别代表第一个和第二个子组的内容。

替换文本中的部分内容

import retext = "John Doe has 3 apples and Jane Smith has 7 bananas."
pattern = re.compile(r'(\w+) (\d+)')
new_text = pattern.sub(r'\1 has \2 fruits', text)print(new_text)
# 输出: "John Doe has 3 fruits and Jane Smith has 7 fruits."# 在这个例子中，\1 替换为第一个子组（名字），\2 替换为第二个子组（数字）

提取并重组子组

import retext = "The date is 2023-01-01, and the time is 15:30:45."
pattern = re.compile(r'(\d{4})-(\d{2})-(\d{2})')match = pattern.search(text)
if match:date_reformatted = f"{match.group(1)}.{match.group(2)}.{match.group(3)}"print(date_reformatted)# 输出: "2023.01.01"# 这里直接通过group()方法获取每个子组的内容，并重新组合

在搜索结果中使用子组

import retext = "Some emails are user1@exam.com, user2@apple.net, and user3@example.org."
pattern = re.compile(r'([\w.%+-]+)@([\w.-]+)\.([a-z]{2,})')matches = pattern.findall(text)
for email in matches:username, domain, dtype = email[0], email[1], email[2]print(f"Username: {username}, Domain: {domain}.{dtype}")# 使用子组匹配的邮箱用户名和域名# 输出：# Username: user1, Domain: exam.com# Username: user2, Domain: apple.net# Username: user3, Domain: example.org

贪婪与懒惰匹配

*、+、?后添加?可变为非贪婪模式，尽可能少地匹配字符。

贪婪与非贪婪的 * 量词

import retext = "I love Python programming and Java programming very much!"# 贪婪模式
pattern_greedy = re.compile(r'love.*programming')
match_greedy = pattern_greedy.search(text)
print(match_greedy.group(0))  # 输出: 'love Python programming and Java programming'# 非贪婪模式
pattern_lazy = re.compile(r'love.*?programming')
match_lazy = pattern_lazy.search(text)
print(match_lazy.group(0))  # 输出: 'love Python programming'

贪婪与非贪婪的 + 量词

import retext = "The numbers are 139-626 and 123456."# 贪婪模式
pattern_greedy = re.compile(r'\d+')
matches_greedy = pattern_greedy.findall(text)
print(matches_greedy)
# 输出: ['139', '626', '123456']# 非贪婪模式
pattern_lazy = re.compile(r'\d+?')
matches_lazy = pattern_lazy.findall(text)
print(matches_lazy)
# 输出: ['1', '3', '9', '6', '2', '6', '1', '2', '3', '4', '5', '6']

 贪婪与非贪婪的 ? 量词

import retext = "Optional text or not?"# 贪婪模式
pattern_greedy = re.compile(r'(Optional)?.*')
match_greedy = pattern_greedy.search(text)
print(match_greedy.group(0))  # 输出: 'Optional text or not?'# 非贪婪模式
pattern_lazy = re.compile(r'(Optional)?.*?')
match_lazy = pattern_lazy.search(text)
print(match_lazy.group(0))  # 输出: 'Optional'

预定义字符集与特殊字符

\d、\D、\w、\W、\s、\S分别代表数字、非数字、单词字符、非单词字符、空白符、非空白符。

结语与讨论

正则表达式和re库的强大远不止于此，其深度和灵活性足以应对各种复杂的文本处理场景。然而，掌握好这门艺术需要不断的实践和积累，本文只是带你踏入了Python re库的门槛，但正则表达式的奥秘还等待着你进一步挖掘。实践中如果遇到“明明规则写得对，为何匹配不上？”这类疑问，不妨回看本文，或是在留言区留下你的问题，我们一同探讨解惑，让正则表达式真正成为你手中的“文本魔法棒”。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/343441.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

如何在 SwiftUI 中实现音频图表

如何在 SwiftUI 中实现音频图表

文章目录 前言DataPoint 结构体BarChartView 结构体ContentView 结构体实现协议实现线图总结 前言 在可访问性方面，图表是复杂的事物之一。iOS 15 引入了一项名为“音频图表”的新功能。 下面我们将学习如何通过使用 accessibilityChartDescriptor 视图修饰符为任…
阅读更多...
必须掌握的100+个Linux命令大全【持续更新中】

必须掌握的100+个Linux命令大全【持续更新中】

别有一番风趣的alias … note:: 寒蝉凄切，对长亭晚，骤雨初歇。 柳永《雨霖铃》 Linux alias命令用于设置指令的别名，可以将比较长的命令进行简化。 默认情况下会输出当前的设置： $ alias lls -lah lals -lAh llls -lh lsls --…
阅读更多...
C语言操作符详解与进制

C语言操作符详解与进制

目录 一：操作符的分类 二：二进制和进制转换 2.1 2进制转10进制 2.1.1 10进制转2进制数字 2.2 2进制转8进制和16进制 2.2.1 2进制转8进制 2.2.2 2进制转16进制 三： 原码、反码、补码 四：移位操作符 4.1左移操作符 4.2 右…
阅读更多...
＜蓝桥杯软件赛＞零基础备赛20周--第14周--BFS

＜蓝桥杯软件赛＞零基础备赛20周--第14周--BFS

报名明年4月蓝桥杯软件赛的同学们，如果你是大一零基础，目前懵懂中，不知该怎么办，可以看看本博客系列：备赛20周合集 20周的完整安排请点击：20周计划 每周发1个博客，共20周。 在QQ群上交流答疑&am…
阅读更多...
Excel地址

Excel地址

解题思路： 根据题中歪歪和笨笨的话可以有两种解法。 1.输入的数为多大，则循环1多少次，当值为27时就要进行进位操作。这时要分情况讨论。 当集合中元素为一个时，如26，则需要变为1 1，集合元素个数加一。 当…
阅读更多...
nova组件讲解和glance对接swift

nova组件讲解和glance对接swift

1、openstack架构 （1）openstack是一种SOA架构（微服务就是从这种架构中剥离出来的） （2）这种SOA架构，就是把每个服务独立成一个组件，每个组件通过定义好的api接口进行互通 &#xff…
阅读更多...
服务异步通讯——springcloud

服务异步通讯——springcloud

服务异步通讯——springcloud 文章目录 服务异步通讯——springcloud初始MQRabbitMQ快速入门单机部署1.1.下载镜像安装MQ SpringAMQPwork Queue 工作队列Fanout Exchange广播模式DirectExchange路由模式TopicExchange话题模式 消息转换器 初始MQ RabbitMQ快速入门 官网https:/…
阅读更多...
将Python程序打包成exe文件

将Python程序打包成exe文件

一、什么是exe可执行文件？ **exe文件英文全名是executable file，翻译为可执行文件（但它不等于可执行文件），可执行文件包含两种，文件扩展名为.exe的是其中的一种。exe文件可以在Windows平台上直接双击运行&a…
阅读更多...
17. 电话号码的字母组合（回溯）

17. 电话号码的字母组合（回溯）

从第一个数字开始遍历其对应的字母&#xff0c;将其加入StringBuffer中&#xff0c;继续深度优先搜索&#xff0c;当访问到最后一个数字的时候&#xff0c;将StringBuffer存储到ans中&#xff0c;然后回溯到下一个对应字母。 class Solution {public List<String> lette…
阅读更多...
Ncast盈可视高清智能录播系统busiFacade RCE漏洞(CVE-2024-0305)

Ncast盈可视高清智能录播系统busiFacade RCE漏洞(CVE-2024-0305)

产品介绍 Ncast盈可视高清智能录播系统是一套新进的音视频录制和播放系统&#xff0c;旨在提供高质量&#xff0c;高清定制的录播功能。 漏洞描述 广州盈可视电子科技有限公司的高清智能录播系统存在信息泄露漏洞(CVE-2024-0305)&#xff0c;攻击者可通过该漏洞&#xff0c;…
阅读更多...
UC3842的内部结构和工作原理

UC3842的内部结构和工作原理

转自&#xff1a;怀旧经典&#xff1a;电源芯片UC3842的内部结构和工作原理_手机搜狐网 UC3842&#xff0c;TL494、SG3525是非常经典的三款PWM控制芯片&#xff0c;特别是作为经典的峰值电流模式单端PWM控制器UC3842&#xff0c;早期一批做开关电源的工程师都是从这一款芯片起…
阅读更多...
Fiddler工具 — 13.AutoResponder应用场景

Fiddler工具 — 13.AutoResponder应用场景

简单介绍几个应用场景&#xff1a; 场景一&#xff1a;生产环境的请求重定向到本地文件&#xff0c;验证结果。 例如&#xff1a;某网站或者系统修改了问题&#xff0c;但尚未更新到生产环境&#xff0c;可重定向到本地修改后的文件进行验证&#xff0c;这样能够避免更新到生产…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023