# Python re模块详解：正则表达式的强大工具 ## 1. re模块概述 Python的`re`模块是Python标准库中用于处理**正则表达式**的核心模块，提供了丰富的函数和方法来对字符串进行**模式匹配、搜索、替换和分割**等操作[ref_2]。正则表达式是一种强大的文本处理工具，能够通过特定的语法规则来描述字符串的模式，从而实现对文本的高效处理和分析[ref_4]。 ### 1.1 模块导入与基本概念 ```python import re # 正则表达式的基本组成 # - 普通字符：匹配自身 # - 元字符：具有特殊含义的字符，如 . * + ? ^ $等 # - 字符集：用[]表示，匹配其中任意一个字符 # - 分组：用()表示，将多个字符作为一个整体 ``` ## 2. re模块核心函数详解 ### 2.1 匹配函数对比 | 函数名称 | 功能描述 | 返回值 | 匹配起始位置 | |---------|---------|--------|-------------| | `re.match()` | 从字符串开头匹配模式 | Match对象或None | 必须从开头 | | `re.search()` | 扫描整个字符串寻找匹配 | Match对象或None | 任意位置 | | `re.findall()` | 找到所有匹配的子串 | 列表 | 任意位置 | | `re.finditer()` | 找到所有匹配的子串 | 迭代器 | 任意位置 | ### 2.2 主要函数使用示例 #### re.match()函数 ```python import re # match从字符串开头匹配 pattern = r"hello" text1 = "hello world" text2 = "world hello" result1 = re.match(pattern, text1) # 匹配成功 result2 = re.match(pattern, text2) # 匹配失败 print(f"text1匹配结果: {result1}") # 返回Match对象 print(f"text2匹配结果: {result2}") # 返回None # 提取匹配内容 if result1: print(f"匹配到的内容: {result1.group()}") # 输出: hello ``` #### re.search()函数 ```python import re # search在整个字符串中搜索 pattern = r"world" text = "hello world, welcome to the world" result = re.search(pattern, text) if result: print(f"搜索到的内容: {result.group()}") # 输出: world print(f"匹配位置: {result.span()}") # 输出: (6, 11) ``` #### re.findall()函数 ```python import re # findall找到所有匹配 pattern = r"\d+" # 匹配一个或多个数字 text = "我有3个苹果和5个橙子，总共8个水果" results = re.findall(pattern, text) print(f"所有数字: {results}") # 输出: ['3', '5', '8'] ``` #### re.split()函数 ```python import re # split根据模式分割字符串 pattern = r"[,\s]+" # 匹配逗号或空白字符 text = "apple,banana orange,grape" result = re.split(pattern, text) print(f"分割结果: {result}") # 输出: ['apple', 'banana', 'orange', 'grape'] # 使用re.escape处理特殊字符 special_text = "a+b*c" escaped_pattern = re.escape("+*") result2 = re.split(escaped_pattern, special_text) print(f"特殊字符分割: {result2}") # 输出: ['a', 'b', 'c'][ref_1] ``` #### re.sub()替换函数 ```python import re # sub进行字符串替换 pattern = r"bad" text = "This is a bad example with bad words" # 替换所有匹配项 result = re.sub(pattern, "good", text) print(f"替换结果: {result}") # 输出: This is a good example with good words # 限制替换次数 result2 = re.sub(pattern, "good", text, count=1) print(f"限制替换: {result2}") # 输出: This is a good example with bad words ``` ## 3. 正则表达式修饰符（Flags） re模块提供了多种修饰符来控制匹配行为： | 修饰符 | 简写 | 功能描述 | |--------|------|----------| | `re.IGNORECASE` | `re.I` | 忽略大小写 | | `re.MULTILINE` | `re.M` | 多行模式 | | `re.DOTALL` | `re.S` | 让.匹配包括换行符 | | `re.VERBOSE` | `re.X` | 允许编写注释 | ```python import re text = "Hello\nWorld\nhello Python" # 忽略大小写匹配 result1 = re.findall(r"hello", text, re.IGNORECASE) print(f"忽略大小写: {result1}") # 输出: ['Hello', 'hello'] # 多行模式 result2 = re.findall(r"^hello", text, re.IGNORECASE | re.MULTILINE) print(f"多行匹配: {result2}") # 输出: ['Hello', 'hello'][ref_2] ``` ## 4. 编译正则表达式 对于需要重复使用的正则模式，使用`re.compile()`进行预编译可以提高效率： ```python import re # 编译正则表达式 pattern = re.compile(r"\d{3}-\d{4}-\d{4}", re.IGNORECASE) # 重复使用编译后的模式 texts = [ "我的电话是123-4567-8901", "另一个电话: 987-6543-2100" ] for text in texts: result = pattern.search(text) if result: print(f"找到电话号码: {result.group()}") ``` ## 5. 实际应用场景 ### 5.1 数据验证 ```python import re def validate_email(email): """验证邮箱格式""" pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$' return bool(re.match(pattern, email)) # 测试邮箱验证 emails = ["user@example.com", "invalid-email", "test@domain.co.uk"] for email in emails: print(f"{email}: {'有效' if validate_email(email) else '无效'}") ``` ### 5.2 文本提取 ```python import re def extract_urls(text): """从文本中提取URL""" pattern = r'https?://[^\s]+' return re.findall(pattern, text) # 提取网页链接 html_text = """ 访问我们的网站 https://www.example.com 或者 查看文档 http://docs.example.org/page1 """ urls = extract_urls(html_text) print("提取的URL:", urls) ``` ### 5.3 日志分析 ```python import re def parse_log_entries(log_text): """解析日志条目""" # 匹配IP地址、时间戳和请求信息 pattern = r'(\d+\.\d+\.\d+\.\d+) - - \[(.*?)\] "(\w+) (.*?) HTTP' entries = re.findall(pattern, log_text) for ip, timestamp, method, path in entries: print(f"IP: {ip}, 时间: {timestamp}, 方法: {method}, 路径: {path}") # 示例日志 log_data = """ 192.168.1.1 - - [10/Oct/2023:12:34:56] "GET /index.html HTTP 10.0.0.2 - - [10/Oct/2023:12:35:01] "POST /api/data HTTP """ parse_log_entries(log_data) ``` ## 6. 高级特性 ### 6.1 分组与捕获 ```python import re # 使用分组提取结构化信息 text = "姓名: 张三, 年龄: 25, 城市: 北京" pattern = r"姓名: (\w+), 年龄: (\d+), 城市: (\w+)" match = re.search(pattern, text) if match: name, age, city = match.groups() print(f"姓名: {name}, 年龄: {age}, 城市: {city}") # 命名分组 pattern_named = r"姓名: (?P<name>\w+), 年龄: (?P<age>\d+), 城市: (?P<city>\w+)" match_named = re.search(pattern_named, text) if match_named: print(f"命名分组-姓名: {match_named.group('name')}") ``` ### 6.2 贪婪与非贪婪匹配 ```python import re text = "<div>内容1</div><div>内容2</div>" # 贪婪匹配（默认） greedy_result = re.findall(r"<div>.*</div>", text) print(f"贪婪匹配: {greedy_result}") # 匹配整个字符串 # 非贪婪匹配 non_greedy_result = re.findall(r"<div>.*?</div>", text) print(f"非贪婪匹配: {non_greedy_result}") # 匹配两个单独的div[ref_6] ``` Python的re模块通过提供这一系列强大的正则表达式处理功能，使得文本处理、数据提取、格式验证等任务变得简单高效。掌握re模块的使用对于任何需要进行文本处理的Python开发者来说都是至关重要的技能[ref_3]。