Python正则表达式：用于匹配和搜索文本中的模式

一、正则表达式的基本元素

正则表达式是由普通字符（如字母、数字、空格和标点等）和特殊字符（元字符）组成的字符串。

元字符是正则表达式中具有特殊意义的字符，例如: . ^ $ * + ? { } [ ] \ | ()。其中有些元字符是单字母，如 .，表示匹配除换行符外的任何单个字符。而有些元字符是多个字符组成的，如 {n,m}，表示匹配前一个字符n到m次。在正则表达式中，元字符通常用来描述模式的某些特性，例如描述一个字符串是由哪些字符组成的。

import re
pattern = "abc"                      # 定义正则表达式模式
string = "hello, abc, match me!"    # 定义需要匹配的字符串
result = re.match(pattern, string)  # 匹配字符串
print(result)

运行上面的代码会输出一个Match对象，表示匹配成功。其中，pattern是正则表达式模式，string是需要匹配的字符串，re.match(pattern, string)函数返回一个Match对象，表示匹配成功。

二、正则表达式的常见操作

1、re.match函数

re.match函数用来尝试从字符串的起始位置匹配一个模式。如果匹配成功，则返回一个Match对象，否则返回None。

import re
pattern = "abc"                      # 定义正则表达式模式
string = "hello, abc, match me!"    # 定义需要匹配的字符串
result = re.match(pattern, string)  # 匹配字符串
print(result)

运行上面的代码会输出一个Match对象，表示匹配成功。

2、re.search函数

re.search函数用来在字符串中搜索匹配正则表达式的第一个位置，如果匹配成功，则返回一个Match对象，否则返回None。

import re
pattern = "abc"                      # 定义正则表达式模式
string = "hello, abc, match me!"    # 定义需要匹配的字符串
result = re.search(pattern, string)  # 搜索字符串
print(result)

运行上面的代码会输出一个Match对象，表示匹配成功。

3、re.findall函数

re.findall函数用来在字符串中搜索匹配正则表达式的所有位置，返回一个列表。

import re
pattern = "\d+"                        # 定义正则表达式模式，匹配连续的数字
string = "hello, 1234, 5678, match me!" # 定义需要匹配的字符串
result = re.findall(pattern, string)   # 查找字符串
print(result)

运行上面的代码会返回一个列表，其中包含所有匹配的数字。

三、正则表达式实战

1、匹配Email地址

下面的代码定义了一个正则表达式模式，用于匹配Email地址。其中，“\w”表示匹配任意一个字母、数字或下划线，“+”表示匹配前面的字符1次或多次，“.”表示匹配任意一个字符。

import re
pattern = "\w+@\w+\.\w+"                               # 定义正则表达式模式，匹配Email地址
string = "My Email address is yourname@domain.com"     # 定义需要匹配的字符串
result = re.search(pattern, string)                   # 搜索字符串
if result:
    print(result.group())

运行上面的代码会输出匹配到的Email地址“yourname@domain.com”。

2、匹配手机号码

下面的代码定义了一个正则表达式模式，用于匹配手机号码。其中，以1开头的11位数字。不难发现，此处使用了Python语言的字符串格式化技术，将正则表达式模式和需要匹配的字符串结合在一起。

import re
pattern = "^1[0-9]{10}$"                      # 定义正则表达式模式，匹配手机号码
string = "My phone number is 13888888888"   # 定义需要匹配的字符串
result = re.search(pattern, string)          # 搜索字符串
if result:
    print(result.group())

运行上面的代码会输出匹配到的手机号码“13888888888”。

3、匹配IP地址

下面的代码定义了一个正则表达式模式，用于匹配IP地址。其中，每个组成IP地址的数字为0到255之间的整数。

import re
pattern = "(25[0-5]|2[0-4]\d|[01]?\d\d?)(\.(25[0-5]|2[0-4]\d|[01]?\d\d?)){3}"    # 定义正则表达式模式，匹配IP地址
string = "My IP address is 192.168.1.1"                                          # 定义需要匹配的字符串
result = re.search(pattern, string)                                             # 搜索字符串
if result:
    print(result.group())

运行上面的代码会输出匹配到的IP地址“192.168.1.1”。

4、替换文本中的字符串

下面的代码定义了一个正则表达式模式，用于匹配字符串中的“Python”字符串。使用re.sub函数将所有“Python”替换为“Java”。

import re
pattern = "Python"                             # 定义正则表达式模式，匹配字符串中的“Python”
string = "I love Python, I am learning Python" # 定义需要匹配的字符串
new_string = re.sub(pattern, "Java", string)   # 将字符串中所有的“Python”替换为“Java”
print(new_string)

运行上面的代码会输出替换后的字符串：“I love Java, I am learning Java”。

5、提取HTML中的链接

下面的代码定义了一个正则表达式模式，用于提取HTML中的链接。使用re.findall函数查找HTML中所有的链接。

import re
pattern = '(.*?)'       # 定义正则表达式模式，匹配HTML中的链接
html = '百度一下谷歌一下' # 定义需要匹配的字符串
result = re.findall(pattern, html)             # 查找字符串中所有的链接
for link, name in result:
    print(link, name)

运行上面的代码会输出HTML中两个链接的URL和显示的文字。