【Python入门与进阶】Python 中的正则表达式

Python 中的正则表达式是通过内置模块 re 来实现的。正则表达式是一种用于模式匹配和文本处理的强大工具，可以用于查找、替换、分割字符串等操作。

基本用法

以下是 re 模块中一些常用的函数和方法：

1. re.compile(pattern, flags=0)：编译正则表达式模式，返回一个模式对象。
2. re.search(pattern, string, flags=0)：在整个字符串中搜索模式，返回第一个匹配对象。
3. re.match(pattern, string, flags=0)：从字符串的起始位置开始匹配模式，返回匹配对象。
4. re.findall(pattern, string, flags=0)：返回字符串中所有非重叠匹配的列表。
5. re.finditer(pattern, string, flags=0)：返回字符串中所有非重叠匹配的迭代器。
6. re.sub(pattern, repl, string, count=0, flags=0)：替换字符串中所有匹配模式的子串。
7. re.split(pattern, string, maxsplit=0, flags=0)：使用模式分割字符串，返回分割后的列表。

示例代码

以下是一些示例代码，展示了如何使用上述函数：

import re

# 定义一个正则表达式模式
pattern = r'\d+'  # 匹配一个或多个数字

# 在字符串中搜索
string = "The price is 100 dollars and 50 cents"
match = re.search(pattern, string)
if match:
    print(f"Found: {match.group()}")  # 输出: Found: 100

# 从字符串起始位置开始匹配
match = re.match(pattern, string)
if match:
    print(f"Match from start: {match.group()}")
else:
    print("No match from start")  # 输出: No match from start

# 查找所有匹配项
matches = re.findall(pattern, string)
print(f"All matches: {matches}")  # 输出: All matches: ['100', '50']

# 迭代匹配项
for match in re.finditer(pattern, string):
    print(f"Iter match: {match.group()}")  # 输出: Iter match: 100, Iter match: 50

# 替换匹配项
replaced_string = re.sub(pattern, '#', string)
print(f"Replaced string: {replaced_string}")  # 输出: Replaced string: The price is # dollars and # cents

# 分割字符串
split_string = re.split(r'\s+', string)  # 按空白字符分割
print(f"Split string: {split_string}")  # 输出: Split string: ['The', 'price', 'is', '100', 'dollars', 'and', '50', 'cents']

正则表达式语法

正则表达式的语法非常丰富，以下是一些常用的语法元素：

• .：匹配任意单个字符（除换行符）。
• ^：匹配字符串的开始。
• $：匹配字符串的结束。
• *：匹配前一个字符零次或多次。
• +：匹配前一个字符一次或多次。
• ?：匹配前一个字符零次或一次。
• {n}：匹配前一个字符恰好 n 次。
• {n,}：匹配前一个字符至少 n 次。
• {n,m}：匹配前一个字符至少 n 次，但是不超过 m 次。
• []：匹配括号内的任意一个字符，例如 [abc] 匹配 a、b 或 c。
• |：匹配左边或右边的表达式，例如 a|b 匹配 a 或 b。
• ()：捕获组，用于提取匹配的子串。

转义字符

有些字符在正则表达式中有特殊含义，如果你想匹配它们的字面意思，需要使用转义字符 \，例如：

• \.：匹配字符 .。
• \\：匹配字符 \。

模式修饰符

re 模块支持一些修饰符，用于改变正则表达式的行为：

• re.IGNORECASE (re.I)：忽略大小写。
• re.MULTILINE (re.M)：多行模式，^ 和 $ 匹配每一行的开始和结束。
• re.DOTALL (re.S)：让 . 匹配所有字符，包括换行符。
• re.VERBOSE (re.X)：忽略模式中的空白符和注释，以便提高可读性。

pattern = re.compile(r"""
    \d+     # 匹配一个或多个数字
    \s+     # 匹配一个或多个空白字符
    \w+     # 匹配一个或多个字母数字字符
""", re.VERBOSE)

掌握正则表达式可以大大提高处理字符串的效率和灵活性。