一文介绍Python中的正则表达式用法

目录

• 1. 正则表达式基础
• 1.1 什么是正则表达式
• 1.2 基本匹配规则
• 1.3 字符类和预定义字符类
• 1.4 量词和贪婪匹配
• 1.5 边界匹配
• 2. 使用re模块
• 2.1 re模块的导入
• 2.2 re.match()方法
• 2.3 re.search()方法
• 2.4 re.findall()方法
• 2.5 re.sub()方法
• 3. 正则表达式的高级用法
• 3.1 分组和捕获
• 3.2 非贪婪匹配
• 3.3 向前界定和向后界定
• 3.4 反向引用
• 3.5 零宽断言
• 4. 实例演示
• 4.1 邮箱验证
• 4.2 URL提取
• 4.3 HTML标签提取
• 4.4 敏感词过滤
• 结论

1. 正则表达式基础

1.1 什么是正则表达式

正则表达式是一种用于描述和匹配字符串模式的表达式。它由一系列字符和特殊字符组成，用于在文本中进行搜索和替换操作。

1.2 基本匹配规则

正则表达式中的基本匹配规则包括普通字符的匹配、点号的匹配任意字符、转义字符的使用等。

import re
pattern = r\"abc\"  # 匹配字符串 \"abc\"
string = \"xyz abc def\"
result = re.findall(pattern, string)
print(result)  # Output: [\'abc\']

1.3 字符类和预定义字符类

字符类用于匹配指定范围内的字符，预定义字符类则表示常见的字符组合，如数字、字母、空白字符等。

import re
pattern = r\"[0-9]\"  # 匹配任意数字字符
string = \"abc 123 def\"
result = re.findall(pattern, string)
print(result)  # Output: [\'1\', \'2\', \'3\']

1.4 量词和贪婪匹配

量词用于指定匹配的次数，如匹配0次或多次、匹配1次或多次等。贪婪匹配是指尽可能多地匹配字符，非贪婪匹配则尽可能少地匹配字符。

import re
pattern = r\"a+\"  # 匹配一个或多个连续的字符 \"a\"
string = \"aaaabbb\"
result = re.findall(pattern, string)
print(result)  # Output: [\'aaaa\']

1.5 边界匹配

边界匹配用于限定匹配的位置，如行的开头、行的结尾、单词的边界等。

import re
pattern = r\"\\bhello\\b\"  # 匹配整个单词 \"hello\"
string = \"hello world\"
result = re.findall(pattern, string)
print(result)  # Output: [\'hello\']

2. 使用re模块

2.1 re模块的导入

在使用Python进行正则表达式操作之前，我们需要先导入re模块。

import re

2.2 re.match()方法

re.match()方法用于从字符串的开头开始匹配模式，如果匹配成功，则返回一个匹配对象；否则返回None。

import re
pattern = r\"hello\"
string = \"hello world\"
result = re.match(pattern, string)
if result:
    print(\"Match found!\")
else:
    print(\"No match\")

2.3 re.search()方法

re.search()方法用于在字符串中搜索匹配模式，如果找到任意位置的匹配，则返回一个匹配对象；否则返回None。

import re
pattern = r\"world\"
string = \"hello world\"
result = re.search(pattern, string)
if result:
    print(\"Match found!\")
else:
    print(\"No match\")

2.4 re.findall()方法

re.findall()方法用于在字符串中搜索所有匹配模式的子串，并将它们作为列表返回。

import re
pattern = r\"\\d+\"
string = \"I have 10 apples and 20 oranges.\"
result = re.findall(pattern, string)
print(result)  # Output: [\'10\', \'20\']

2.5 re.sub()方法

re.sub()方法用于在字符串中搜索匹配模式的子串，并将其替换为指定的字符串。

import re
pattern = r\"apple\"
string = \"I have an apple.\"
result = re.sub(pattern, \"banana\", string)
print(result)  # Output: \"I have an banana.\"

3. 正则表达式的高级用法

3.1 分组和捕获

正则表达式中的分组和捕获允许我们将匹配的子串提取出来，并在后续操作中使用。

import re
pattern = r\"(\\d+)-(\\d+)-(\\d+)\"  # 匹配日期格式 \"YYYY-MM-DD\"
string = \"Today is 2023-06-28.\"
result = re.search(pattern, string)
if result:
    year = result.group(1)
    month = result.group(2)
    day = result.group(3)
    print(f\"Year: {year}, Month: {month}, Day: {day}\")
else:
    print(\"No match\")

3.2 非贪婪匹配

非贪婪匹配是指尽可能少地匹配字符，可以通过在量词后加上"?"来实现。

import re
pattern = r\"a+?\"
string = \"aaaaa\"
result = re.findall(pattern, string)
print(result)  # Output: [\'a\', \'a\', \'a\', \'a\', \'a\']

3.3 向前界定和向后界定

向前界定和向后界定用于限定匹配的前后条件，但不包括在匹配结果中。

import re
pattern = r\"(?<=@)\\w+\"  # 匹配邮箱地址中的用户名
string = \"john@example.com\"
result = re.findall(pattern, string)
print(result)  # Output: [\'example\']

3.4 反向引用

反向引用用于在正则表达式中引用前面已经匹配的子串。

import re
pattern = r\"(\\w+)\\s+\\1\"  # 匹配重复的单词
string = \"hello hello world world\"
result = re.findall(pattern, string)
print(result)  # Output: [\'hello\', \'world\']

3.5 零宽断言

零宽断言用于匹配某个位置前或后的子串，但不包括在匹配结果中。

import re
pattern = r\"\\d+(?= dollars)\"  # 匹配 \"dollars\" 前面的数字
string = \"I have 100 dollars.\"
result = re.findall(pattern, string)
print(result)  # Output: [\'100\']

4. 实例演示

4.1 邮箱验证

使用正则表达式验证输入的字符串是否为有效的邮箱地址。

import re
pattern = r\"^\\w+@\\w+\\.\\w+$\"  # 匹配邮箱地址
email = \"test@example.com\"
result = re.match(pattern, email)
if result:
    print(\"Valid email address\")
else:
    print(\"Invalid email address\")

4.2 URL提取

从文本中提取所有的URL链接。

import re
pattern = r\"http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\\\\(\\\\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+\"
text = \"Visit my website at https://example.com. You can also check out https://example.org.\"
result = re.findall(pattern, text)
print(result)  # Output: [\'https://example.com\', \'https://example.org\']

4.3 HTML标签提取

从HTML文档中提取所有的标签内容。

import re
pattern = r\"<([^>]+)>\"  # 匹配HTML标签
html = \"<h1>Hello</h1><p>World</p>\"
result = re.findall(pattern, html)
print(result)  # Output: [\'h1\', \'/h1\', \'p\', \'/p\']

4.4 敏感词过滤

使用正则表达式过滤文本中的敏感词。

import re
sensitive_words = [\"bad\", \"evil\", \"dangerous\"]
text = \"This is a bad example.\"
for word in sensitive_words:
    pattern = fr\"\\b{re.escape(word)}\\b\"  # 匹配敏感词并确保单词边界
    text = re.sub(pattern, \"***\", text)
print(text)  # Output: \"This is a *** example.\"

结论

本文介绍了Python中正则表达式的基础知识和高级用法，包括基本匹配规则、使用re模块进行正则操作的方法以及一些常见的实例演示。掌握正则表达式的技巧和应用，将能够更高效地处理和处理文本数据。希望本文能够对您在Python中使用正则表达式有所帮助。

以上就是一文介绍Python中的正则表达式用法的详细内容，更多关于Python正则表达式的资料请关注其它相关文章！