Python正则表达式详解

什么是正则表达式？

正则表达式(Regular Expression)是一种强大的文本处理工具，它使用特定模式的字符串来描述、匹配一系列符合某个句法规则的字符串。在Python中，通过内置的re模块可以轻松使用正则表达式进行各种文本操作。

Python正则表达式基础语法

Python正则表达式包含以下基本元素：

• 普通字符：匹配自身，如a匹配字符'a'
• 元字符：具有特殊含义的字符，如.匹配任意字符
• 字符类：[abc]匹配a、b或c中的任意一个
• 量词：*匹配0次或多次，+匹配1次或多次
• 边界匹配：^匹配字符串开头，$匹配字符串结尾

Python re模块常用方法

Python的re模块提供了多种正则表达式操作方法：

1. re.match()

从字符串起始位置匹配模式，如果匹配成功则返回匹配对象，否则返回None。

import re
result = re.match(r'\d+', '123abc')
print(result.group())  # 输出: 123

2. re.search()

扫描整个字符串并返回第一个成功的匹配。

result = re.search(r'\d+', 'abc123def')
print(result.group())  # 输出: 123

3. re.findall()

返回字符串中所有匹配的子串组成的列表。

results = re.findall(r'\d+', 'a1b22c333')
print(results)  # 输出: ['1', '22', '333']

4. re.sub()

用于替换字符串中的匹配项。

new_str = re.sub(r'\d+', 'X', 'a1b22c333')
print(new_str)  # 输出: aXbXcX

正则表达式高级技巧

1. 分组匹配

使用圆括号()可以创建分组，便于提取特定部分。

m = re.match(r'(\d{3})-(\d{3,8})', '010-12345')
print(m.groups())  # 输出: ('010', '12345')

2. 非贪婪匹配

默认情况下量词是贪婪的，添加?可变为非贪婪模式。

# 贪婪模式
print(re.match(r'^\d+', '12345').group())  # 输出: 12345
# 非贪婪模式
print(re.match(r'^\d+?', '12345').group())  # 输出: 1

3. 预编译正则表达式

对于需要重复使用的正则表达式，可以先编译提高效率。

pattern = re.compile(r'\d+')
result = pattern.match('123abc')
print(result.group())  # 输出: 123

常见正则表达式示例

• 匹配邮箱：r'[\w.-]+@[\w.-]+\.[a-zA-Z]{2,6}'
• 匹配URL：r'https?://[\w.-]+\.[a-zA-Z]{2,6}(/\S*)?'
• 匹配手机号：r'1[3-9]\d{9}'
• 匹配中文：r'[\u4e00-\u9fa5]+'

总结

Python正则表达式是文本处理的强大工具，掌握它可以大大提高开发效率。本文介绍了正则表达式的基本语法、re模块的常用方法以及一些高级技巧。在实际开发中，建议先编写测试用例验证正则表达式的准确性，对于复杂表达式可以分步构建。