Python re 模块
Python 的 re 模块是用于处理正则表达式的标准库模块。
正则表达式(Regular Expression,简称 regex 或 regexp)是一种强大的工具,用于匹配、搜索和操作文本。
通过 re 模块,你可以在 Python 中使用正则表达式来处理字符串。
为什么使用 re 模块?
在处理文本时,我们经常需要查找特定的模式或替换某些字符。例如,验证电子邮件地址、提取网页中的链接、或者格式化文本。手动编写代码来完成这些任务可能会非常繁琐,而正则表达式提供了一种简洁且高效的方式来解决这些问题。
re 模块的基本用法
1. 导入 re 模块
在使用 re 模块之前,首先需要导入它:
import re
2. 常用的 re 模块函数
2.1 re.match()
re.match() 函数用于从字符串的起始位置匹配正则表达式。如果匹配成功,返回一个匹配对象;否则返回 None。
实例
import re
pattern = r"hello"
text = "hello world"
match = re.match(pattern, text)
if match:
print("匹配成功:", match.group())
else:
print("匹配失败")
pattern = r"hello"
text = "hello world"
match = re.match(pattern, text)
if match:
print("匹配成功:", match.group())
else:
print("匹配失败")
输出:
匹配成功: hello
2.2 re.search()
re.search() 函数用于在字符串中搜索正则表达式的第一个匹配项。与 re.match() 不同,re.search() 不要求匹配从字符串的起始位置开始。
实例
import re
pattern = r"world"
text = "hello world"
match = re.search(pattern, text)
if match:
print("匹配成功:", match.group())
else:
print("匹配失败")
pattern = r"world"
text = "hello world"
match = re.search(pattern, text)
if match:
print("匹配成功:", match.group())
else:
print("匹配失败")
输出:
匹配成功: world
2.3 re.findall()
re.findall() 函数用于查找字符串中所有与正则表达式匹配的子串,并返回一个列表。
实例
import re
pattern = r"\d+"
text = "There are 3 apples and 5 oranges."
matches = re.findall(pattern, text)
print("找到的数字:", matches)
pattern = r"\d+"
text = "There are 3 apples and 5 oranges."
matches = re.findall(pattern, text)
print("找到的数字:", matches)
输出:
找到的数字: ['3', '5']
2.4 re.sub()
re.sub() 函数用于替换字符串中与正则表达式匹配的部分。
实例
import re
pattern = r"apple"
text = "I have an apple."
new_text = re.sub(pattern, "banana", text)
print("替换后的文本:", new_text)
pattern = r"apple"
text = "I have an apple."
new_text = re.sub(pattern, "banana", text)
print("替换后的文本:", new_text)
输出:
替换后的文本: I have an banana.
正则表达式的基本语法
1. 普通字符
普通字符(如字母、数字)直接匹配它们自身。
实例
import re
pattern = r"cat"
text = "The cat is on the mat."
match = re.search(pattern, text)
if match:
print("匹配成功:", match.group())
pattern = r"cat"
text = "The cat is on the mat."
match = re.search(pattern, text)
if match:
print("匹配成功:", match.group())
输出:
匹配成功: cat
2. 特殊字符
正则表达式中有一些特殊字符,它们具有特殊的含义。例如:
.:匹配任意单个字符(除了换行符)。*:匹配前面的字符零次或多次。+:匹配前面的字符一次或多次。?:匹配前面的字符零次或一次。\d:匹配任意数字字符(等价于[0-9])。\w:匹配任意字母、数字或下划线字符(等价于[a-zA-Z0-9_])。
实例
import re
pattern = r"\d+"
text = "The price is 100 dollars."
match = re.search(pattern, text)
if match:
print("匹配成功:", match.group())
pattern = r"\d+"
text = "The price is 100 dollars."
match = re.search(pattern, text)
if match:
print("匹配成功:", match.group())
输出:
匹配成功: 100
3. 字符集
字符集用于匹配一组字符中的任意一个。例如,[abc] 匹配 a、b 或 c。
实例
import re
pattern = r"[aeiou]"
text = "Hello World!"
matches = re.findall(pattern, text)
print("找到的元音字母:", matches)
pattern = r"[aeiou]"
text = "Hello World!"
matches = re.findall(pattern, text)
print("找到的元音字母:", matches)
输出:
找到的元音字母: ['e', 'o', 'o']
4. 分组
分组允许你将多个字符组合在一起,并对它们进行操作。例如,(abc) 匹配 abc。
实例
import re
pattern = r"(ab)+"
text = "ababab"
match = re.search(pattern, text)
if match:
print("匹配成功:", match.group())
pattern = r"(ab)+"
text = "ababab"
match = re.search(pattern, text)
if match:
print("匹配成功:", match.group())
输出:
匹配成功: ababab
实践练习
练习 1:验证电子邮件地址
编写一个正则表达式,用于验证电子邮件地址的格式。
实例
import re
pattern = r"^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$"
email = "[email protected]"
if re.match(pattern, email):
print("有效的电子邮件地址")
else:
print("无效的电子邮件地址")
pattern = r"^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$"
email = "[email protected]"
if re.match(pattern, email):
print("有效的电子邮件地址")
else:
print("无效的电子邮件地址")
练习 2:提取电话号码
编写一个正则表达式,从文本中提取电话号码。
实例
import re
pattern = r"\d{3}-\d{3}-\d{4}"
text = "My phone number is 123-456-7890."
match = re.search(pattern, text)
if match:
print("找到的电话号码:", match.group())
pattern = r"\d{3}-\d{3}-\d{4}"
text = "My phone number is 123-456-7890."
match = re.search(pattern, text)
if match:
print("找到的电话号码:", match.group())
1. 核心函数
| 方法 | 说明 | 示例 |
|---|---|---|
re.compile(pattern) |
预编译正则表达式(提升复用性能) | pat = re.compile(r'\d+') |
re.search(pattern, string) |
搜索字符串中第一个匹配项 | re.search(r'\d+', 'a1b2') → 匹配 '1' |
re.match(pattern, string) |
从字符串起始位置匹配 | re.match(r'\d+', '123a') → 匹配 '123' |
re.fullmatch(pattern, string) |
整个字符串完全匹配 | re.fullmatch(r'\d+', '123') → 匹配 '123' |
re.findall(pattern, string) |
返回所有非重叠匹配的列表 | re.findall(r'\d+', 'a1b22c') → ['1', '22'] |
re.finditer(pattern, string) |
返回所有匹配的迭代器(含位置信息) | for m in re.finditer(r'\d+', 'a1b2'): print(m.group()) |
re.sub(pattern, repl, string) |
替换匹配项 | re.sub(r'\d+', 'X', 'a1b2') → 'aXbX' |
re.split(pattern, string) |
按匹配项分割字符串 | re.split(r'\d+', 'a1b2c') → ['a', 'b', 'c'] |
re.escape() |
转义特殊字符 | re.escape("C:\\Users\\test.txt")
|
re.purge() |
清除缓存 | re.purge()
|
2. 匹配对象(Match)方法/属性
| 方法/属性 | 说明 | 示例 |
|---|---|---|
group() |
返回整个匹配的字符串 | m.group() → 'abc' |
group(n) |
返回第n个捕获组的内容 | m = re.search(r'(\d)(\d)', '12'); m.group(1) → '1' |
groups() |
返回所有捕获组的元组 | m.groups() → ('1', '2') |
start()/end() |
匹配的起始/结束位置 | m.start() → 0 |
span() |
返回匹配范围 (start, end) |
m.span() → (0, 2) |
3. 正则表达式元字符(部分)
| 元字符 | 说明 | 示例匹配 |
|---|---|---|
. |
匹配任意字符(除换行符) | a.c → 'abc' |
\d |
匹配数字 | \d+ → '123' |
\D |
匹配非数字 | \D+ → 'abc' |
\w |
匹配单词字符(字母、数字、下划线) | \w+ → 'Ab_1' |
\W |
匹配非单词字符 | \W+ → '!@#' |
\s |
匹配空白字符(空格、制表符等) | \s+ → ' \t' |
\S |
匹配非空白字符 | \S+ → 'abc' |
[] |
字符集合 | [A-Za-z] → 任意字母 |
^ |
匹配字符串开头 | ^\d+ → 开头的数字 |
$ |
匹配字符串结尾 | \d+$ → 结尾的数字 |
* |
匹配前一个字符0次或多次 | a* → '', 'aaa' |
+ |
匹配前一个字符1次或多次 | a+ → 'a', 'aaa' |
? |
匹配前一个字符0次或1次 | a? → '', 'a' |
{m,n} |
匹配前一个字符m到n次 | a{2,3} → 'aa', 'aaa' |
| |
或操作 | cat|dog → 'cat' 或 'dog' |
() |
捕获分组 | (\d+) → 提取数字 |
4. 编译标志(flags 参数)
| 标志 | 说明 | 示例 |
|---|---|---|
re.IGNORECASE (re.I) |
忽略大小写 | re.search(r'abc', 'ABC', re.I) |
re.MULTILINE (re.M) |
多行模式(影响 ^ 和 $) |
re.findall(r'^\d+', '1\n2', re.M) → ['1', '2'] |
re.DOTALL (re.S) |
让 . 匹配包括换行符的所有字符 |
re.search(r'a.*b', 'a\nb', re.S) |
re.ASCII |
让 \w, \W 等仅匹配ASCII字符 |
re.search(r'\w+', 'こん', re.ASCII) → 无匹配 |
re.VERBOSE (re.X) |
允许正则中添加注释和空格 | re.compile(r'''\d+ # 匹配数字''', re.X) |
实例
1. 提取邮箱地址
实例
import re
text = "Contact: [email protected], [email protected]"
emails = re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)
print(emails) # 输出: ['[email protected]', '[email protected]']
text = "Contact: [email protected], [email protected]"
emails = re.findall(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)
print(emails) # 输出: ['[email protected]', '[email protected]']
2. 替换日期格式
实例
date_str = "Today is 05-15-2023"
new_str = re.sub(r'(\d{2})-(\d{2})-(\d{4})', r'3円年1円月2円日', date_str)
print(new_str) # 输出: "Today is 2023年05月15日"
new_str = re.sub(r'(\d{2})-(\d{2})-(\d{4})', r'3円年1円月2円日', date_str)
print(new_str) # 输出: "Today is 2023年05月15日"
3. 多条件匹配
实例
pattern = re.compile(r'''
^(?P<username>\w+) # 用户名
:(?P<password>\S+) # 密码
@(?P<domain>\w+\.\w+) # 域名
$''', re.VERBOSE)
m = pattern.match("john:[email protected]")
if m:
print(m.groupdict()) # 输出: {'username': 'john', 'password': 'pass123', 'domain': 'example.com'}
^(?P<username>\w+) # 用户名
:(?P<password>\S+) # 密码
@(?P<domain>\w+\.\w+) # 域名
$''', re.VERBOSE)
m = pattern.match("john:[email protected]")
if m:
print(m.groupdict()) # 输出: {'username': 'john', 'password': 'pass123', 'domain': 'example.com'}
4. 分割复杂字符串
实例
text = "Apple1Banana2Cherry3Date"
parts = re.split(r'\d+', text)
print(parts) # 输出: ['Apple', 'Banana', 'Cherry', 'Date']
parts = re.split(r'\d+', text)
print(parts) # 输出: ['Apple', 'Banana', 'Cherry', 'Date']
注意事项
-
原始字符串:建议正则表达式使用原始字符串(
r'\d'),避免转义符冲突。 -
贪婪匹配:默认贪婪匹配(如
.*会匹配到最长可能),需用.*?实现非贪婪匹配。 -
性能优化:频繁使用的正则应优先用
re.compile()预编译。 -
回溯问题:复杂正则可能导致性能问题(如嵌套量词
(a+)+)。