python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python正则表达式re模块

Python正则表达式re模块的使用技巧

作者:刘工・大模型技术研习社

正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配,这篇文章主要介绍了Python正则表达式re模块的使用技巧,文中通过代码介绍的非常详细,需要的朋友可以参考下

前言

在 Python 编程中,处理字符串是高频需求,而正则表达式作为字符串模式匹配的 “瑞士军刀”,能高效解决数据验证、检索、替换等复杂问题。本文结合实战案例,系统梳理正则表达式的核心知识点与 Python re 模块的使用技巧,助力快速上手。

一、正则表达式基础认知

1. 为什么需要正则表达式

在实际开发中,经常需要查找、匹配符合特定规则的字符串,例如:

正则表达式并非 Python 特有,在 Java、PHP、JavaScript 等语言中均有支持,掌握后可跨语言复用。

2. 什么是正则表达式

正则表达式(regular expression)是一种描述字符串匹配模式的语法规则,通过特殊符号组合成 “模式字符串”,实现三种核心功能:

二、Python re 模块核心用法

Python 通过内置的re模块提供正则表达式支持,核心流程分为三步:导入模块→定义模式→执行匹配与结果处理。

1. 三大匹配方法详解

(1)match ():从字符串开头匹配

示例:

import re
# 规则:任意1个字符 + "it" + 任意1个字符
result = re.match(".it.", "aitcast")
if result:
    print(result.group())  # 输出:aitc
else:
    print("未匹配到")

(2)search ():扫描整个字符串匹配第一个结果

示例:

import re
# 规则:数字开头 + 任意多个字符
result = re.search("\d.*", "city:1beijing2.shanghai")
print(result.group())  # 输出:1beijing2.shanghai

(3)findall ():匹配所有符合规则的子串

示例:

import re
# 提取字符串中所有数字
result = re.findall("\d", "city:1beijing2.shanghai3")
print(result)  # 输出:['1', '2', '3']

2. 字符串替换:sub () 方法

示例:敏感词过滤与格式标准化

import re
sentence = "车主说:你的刹车片应该更换了啊,嘿嘿"

# 1. 过滤语气词
p = r"呢|吧|哈|啊|啦|嘿|嘿嘿"
compiled_p = re.compile(p)  # 编译正则,重复使用更高效
mystr = compiled_p.sub('', sentence)
print(mystr)  # 输出:车主说:你的刹车片应该更换了,

# 2. 保留汉字、数字、字母及常用标点,过滤其他字符
p = "[^,!?。\.\-\u4e00-\u9fa5_a-zA-Z0-9]"
mystr = re.sub(p, '', sentence)
print(mystr)  # 输出:车主说你的刹车片应该更换了啊嘿嘿

三、正则表达式语法规则(核心)

1. 匹配单个字符

代码功能描述示例
.匹配任意 1 个字符(除换行符\n)itcast. 匹配 itcast2
[abc]匹配括号中列举的任意 1 个字符itcast[123] 匹配 itcast3
[^abc]匹配除括号中字符外的任意 1 个字符itcast[^4] 匹配 itcast@
\d匹配数字(0-9),等价于[0-9]itcast\d 匹配 itcast5
\D匹配非数字字符itcast\D 匹配 itcast-
\s匹配空白字符(空格、Tab 键)itcast\s111 匹配 itcast\t111
\S匹配非空白字符itcast\S 不匹配 itcast\t
\w匹配非特殊字符(字母、数字、下划线、汉字)itcast\w 匹配 itcasta
\W匹配特殊字符(非字母、数字、下划线、汉字)itcast\W 匹配 itcast@

2. 匹配多个字符(量词)

代码功能描述示例
*前一个字符出现 0 次或无限次(可有可无)itcast1* 匹配 itcast 或 itcast111
+前一个字符出现 1 次或无限次(至少 1 次)itcast\d+ 匹配 itcast123
?前一个字符出现 0 次或 1 次(要么有 1 次,要么没有)itcast\d? 匹配 itcast 或 itcast5
{m}前一个字符精确出现 m 次itcast\d{2} 匹配 itcast12
{m,n}前一个字符出现 m-n 次(含 m 和 n,逗号后无空格)itcast\d{2,5} 匹配 itcast111

3. 匹配字符串开头与结尾

代码功能描述示例
^匹配字符串开头^\ditcast 匹配 2itcast
$匹配字符串结尾.*\d$ 匹配 itcast66

组合示例:匹配以数字开头、数字结尾的字符串

result = re.match("^\d.*\d$", "11itcast22")
print(result.group())  # 输出:11itcast22

4. 分组匹配与引用

(1)分组语法

(2)实战示例

fruit = ["apple", "banana", "orange", "pear"]
for value in fruit:
    if re.match("apple|pear", value):  # 匹配apple或pear
        print(f"我想吃的水果: {value}")
# 规则:4-20位字母/数字/下划线 + @ + (163|126|qq) + .com(.需转义)
result = re.match("[a-zA-Z0-9_]{4,20}@(163|126|qq)\.com", "hello@qq.com")
print(result.group())  # 输出:hello@qq.com
result = re.match("(qq):([1-9]\d{4,11})", "qq:10567")  # 分组1:qq,分组2:号码
print(result.group(0))  # 输出:qq:10567(整个匹配结果)
print(result.group(1))  # 输出:qq(第一个分组)
print(result.group(2))  # 输出:10567(第二个分组)
# 匹配<html>hh</html>,确保前后标签一致
result = re.match(r"<([a-zA-Z]{4})>.*</\1>", "<html>hh</html>")
print(result.group())  # 输出:<html>hh</html>

四、高级特性:贪婪与非贪婪模式

1. 概念区分

2. 示例对比

import re
my_str = '<div>python</div><div>大数据</div>'

# 贪婪模式:匹配到最后一个</div>
greedy = re.match(r'<div>.*</div>', my_str)
print(greedy.group())  # 输出:<div>python</div><div>大数据</div>

# 非贪婪模式:匹配到第一个</div>
non_greedy = re.match(r'<div>.*?</div>', my_str)
print(non_greedy.group())  # 输出:<div>python</div>

五、正则标志修饰符

通过flags参数设置匹配规则,多个标志可通过|组合使用:

标志功能描述示例
re.I匹配时忽略大小写re.match("a1d6", "A1D6", re.I) 匹配成功
re.S使.匹配包括换行符\n在内的所有字符re.match("a.b", "a\nb", re.S) 匹配成功

示例:忽略大小写匹配验证码

import re
yzm = 'A1D6'
result = re.match("a1d6", yzm, re.I)
print(result.group())  # 输出:A1D6

总结 

到此这篇关于Python正则表达式re模块使用技巧的文章就介绍到这了,更多相关Python正则表达式re模块内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文