【python】python进阶——re模块（正则表达式）

目录

引言

一、正则表达式

二、正则表达式语法详解

2.1 基本元字符

2.2 匹配结果方法

2.3 编译标志（flags 参数）

2.4 re模块核心函数

三、注意事项

参考

引言

        正则表达式是文本处理的瑞士军刀，而Python的re模块则是操作这把利器的重要工具包。无论你是需要验证用户输入、从文本中提取数据，还是进行复杂的文本替换操作，re模块都能提供强大而灵活的支持。

一、正则表达式

        正则表达式（Regular Expression，简称regex）是一种用于描述字符串模式的特殊语法。它使用一系列特殊字符和普通字符来定义一种模式，然后用这种模式去匹配、查找、替换或分割文本。

python的re模块导入方法：

import re

二、正则表达式语法详解

2.1 基本元字符

2.2 匹配结果方法

2.3 编译标志（flags 参数）

2.4 re模块核心函数

 re.***plie() -预编译正则表达式

在需要多次使用同一个模式时，先将其编译成一个正则表达式对象（Pattern Object），可以显著提高效率。

import re

# 未编译模式，每次调用都要重新编译
result1 = re.match(r"\d+", "123abc")
result2 = re.search(r"\d+", "abc123")

# 编译模式，一次编译，多次使用
pattern = re.***pile(r"\d+")
result1 = pattern.match("123abc")
result2 = pattern.search("abc123")
# 编译后的对象同样拥有 match, search, findall, sub, split 等方法
results_all = pattern.findall("a1b23c456")

何时使用： 当一个模式需要被重复使用上百次或上千次时，预编译的性能优势才会比较明显。对于简单脚本或单次使用，直接使用 re 模块的函数更简洁。

 re.fullmatch() - 整个字符串完全匹配

检查整个字符串是否完全匹配给定的模式。可以理解为模式就是整个字符串的定义。

import re

pattern = r"\d{3}" # 匹配3位数字
text1 = "123"
text2 = "123a"

result1 = re.fullmatch(pattern, text1) # 匹配成功
result2 = re.fullmatch(pattern, text2) # 匹配失败，因为字符串不是纯粹的3位数字

if result1:
    print(f"'{text1}' 完全由3位数字组成")
# 输出: '123' 完全由3位数字组成

 re.match() - 从字符串起始位置匹配

import re
​
pattern = r"hello"
text = "hello world"
result = re.match(pattern, text)
​
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

 re.search() - 扫描整个字符串查找匹配

pattern = r"world"
text = "hello world"
result = re.search(pattern, text)
​
if result:
    print("找到匹配:", result.group())
    print("起始位置:", result.start())
    print("结束位置:", result.end())

 re.findall() - 查找所有匹配项

pattern = r"\d+"  # 匹配一个或多个数字
text = "我有3个苹果和15个橘子"
results = re.findall(pattern, text)
print("所有数字:", results)  # 输出: ['3', '15']

 re.finditer() - 返回匹配项的迭代器

pattern = r"\w+"
text = "Hello world, Python regex!"
for match in re.finditer(pattern, text):
    print(f"找到 '{match.group()}' 在位置 {match.start()}-{match.end()}")

 re.sub() - 字符串替换

pattern = r"apple"
text = "I have an apple and another apple"
new_text = re.sub(pattern, "orange", text)
print(new_text)  # 输出: I have an orange and another orange

 re.split() - 根据模式分割字符串

pattern = r"\s+"  # 一个或多个空白字符
text = "Hello   world   from   Python"
parts = re.split(pattern, text)
print(parts)  # 输出: ['Hello', 'world', 'from', 'Python']

三、注意事项

• 尽量使用具体而不是模糊的模式

• 避免过度使用回溯

• 考虑预编译常用模式

• 使用注释和 verbose 模式

• 将复杂模式分解为多个简单模式

• 添加详细的注释

• 根据需求选择合适的函数（match、search、findall等）

• 合理使用正则表达式语法元字符

• 对于复杂或频繁使用的模式，考虑预编译

• 注意性能问题，避免过度复杂的模式

• 使用verbose模式和注释提高可读性

参考

• Python官方re模块文档

• 正则表达式可视化工具

• Python re 模块 | 菜鸟教程