Python正则教程详解

发布时间：2023-05-23

Python正则表达式详解

在数据处理、文本处理以及网络爬虫方面，正则表达式是一个不可或缺的工具。Python语言天生支持正则表达式，使得Python在数据处理方面显得十分高效。本文将从多个方面对Python正则表达式进行详解。

一、正则表达式入门

1、什么是正则表达式

正则表达式（Regular Expression 或 regex）是一种用来描述、匹配字符序列的方法。可以用来检索、替换、分割目标字符串等操作。它的表达式由普通字符和元字符（MetaCharacters）组成。

2、正则表达式中的字符表示含义

  • .： 代表除了换行符\n之外的任意一个字符；
  • ^： 匹配目标字符串的开头；
  • $： 匹配目标字符串的结尾；
  • []： 表示可以匹配某一范围内的一个字符；
  • |： 表示或，用于连接多个表达式；
  • \： 转义字符，使得在正则表达式中可以使用普通字符的特殊含义；
  • +： 至少匹配前面一个字符一次或多次；
  • *： 匹配前面一个字符0次或多次（包括0次）；
  • ?： 匹配前面一个字符0次或一次，只匹配一次是默认最少匹配，加上“?”表示关闭默认设置，变成最多匹配。

3、正则表达式的应用

使用Python的re库来使用正则表达式模块，模块主要包含了三个函数，分别是match函数、search函数以及sub函数。

（1）match函数

match函数从字符串的开头开始搜索匹配正则表达式，如果匹配成功，则返回一个匹配的对象；否则返回None。

import re
pattern = r"hello"
string = "hello world"
match = re.match(pattern, string)
if match:
    print("匹配成功！")
else:
    print("匹配失败！")

（2）search函数

search函数在整个字符串中搜索正则表达式，并且返回第一个匹配的对象。如果没有找到匹配的对象，则返回None。

import re
pattern = r"world"
string = "hello world"
match = re.search(pattern, string)
if match:
    print("匹配成功！")
else:
    print("匹配失败！")

（3）sub函数

sub函数用于对目标字符串执行替换操作，并返回替换后的字符串。

import re
pattern = r"world"
string = "hello world"
sub_str = "python"
new_str = re.sub(pattern, sub_str, string)
print(new_str)

二、正则表达式进阶应用

1、匹配中文字符

正则表达式中，如果要匹配中文字符，需要用到中文字符的Unicode编码。

import re
pattern = r"[\u4e00-\u9fa5]"
string = "这是一个中文句子"
match = re.findall(pattern, string)
print(match)

2、匹配邮箱和电话号码

使用[]来匹配，使用()将正则表达式分组，方便后面使用。

import re
pattern_email = r"(\w+)@(163|126)\.(com|cn)"
email = "xxx@126.com"
match_email = re.match(pattern_email, email)
pattern_tel = r"(\d{3})-(\d{8})|(\d{4})-(\d{7})"
tel = "010-12345678"
match_tel = re.match(pattern_tel, tel)
if match_email and match_tel:
    print("匹配成功！")
else:
    print("匹配失败！")

3、匹配HTML标签

使用正则表达式来匹配HTML标签时，我们可以使用<.*>的方式来进行匹配，但是这种方式会存在贪婪匹配的问题。

import re
pattern = r"<.*>"
string = "<div><p>hello world</p></div>"
match = re.findall(pattern, string)
print(match)

贪婪匹配带来的问题在于会将</p><div>和</div>之间的内容作为一个整体进行匹配，无法满足我们的需求。为了解决这个问题，我们可以使用*?符号进行非贪婪匹配。

import re
pattern = r"<.*?>"
string = "<div><p>hello world</p></div>"
match = re.findall(pattern, string)
print(match)

三、正则表达式的高阶应用

1、替换标签

对于HTML文件中的标签，我们可以使用正则表达式将其替换为我们想要的格式，比如将所有的h2标签替换为h3标签。

import re
html = "<h2 id=\"title-4\">标题</h2><p>内容</p>"
pattern = r"<h2(.*?)>(.*?)</h2>"
new_html = re.sub(pattern, r"<h3\1>\2</h3>", html)
print(new_html)
推荐文章