Python 正则表达式完全指南
理解正则表达式基础
正则表达式（regex）是一种强大的文本处理工具，它使用特殊的字符序列定义搜索模式。这些模式可以用于执行各种字符串操作，包括文本匹配、替换和分割。
正则表达式的起源
正则表达式最早由数学家 Stephen Cole Kleene 在 20 世纪 50 年代提出，作为描述正则语言的一种数学符号。如今，它已成为程序员、数据分析师和 IT 专业人员必备的技能之一。
正则表达式的实际应用
正则表达式在众多领域都有广泛应用：
- 数据验证：验证电子邮件、电话号码等格式
- 网页数据提取：从 HTML 中解析和提取特定信息
- 文本处理：查找并替换符合特定模式的文本
- 代码编辑器：实现语法高亮功能
- 自然语言处理：文本分词、词干提取等任务
- 系统日志分析：提取关键信息并识别模式
Python 的 re 模块
Python 通过内置的 re 模块提供对正则表达式的支持。作为标准库的一部分，re 模块无需额外安装即可使用。
导入 re 模块
要在 Python 中使用正则表达式，首先需要导入 re 模块：
import re
导入后，我们就可以使用 re 模块提供的各种函数和类来处理正则表达式。
简单示例
假设我们需要在文本中查找所有出现的关键词"编程"：
import re
# 示例文本
content = "Python 是一种强大的编程语言。编程可以让计算机按照我们的意图工作。"
# 查找所有"编程"的出现
results = re.findall("编程", content)
# 输出匹配结果
print(results) # 输出: ['编程', '编程']
re 模块核心函数详解
re.match() - 从开头匹配
re.match() 函数检查字符串是否以特定模式开头。如果匹配成功，返回匹配对象；否则返回 None。
import re
# 定义模式
pattern = "Python"
text = "Python 是一门优秀的编程语言"
# 检查文本是否以"Python"开头
result = re.match(pattern, text)
# 输出结果
if result:
print(f"匹配成功: {result.group()}")
else:
print("未找到匹配")
re.search() - 全文搜索
与 re.match() 不同，re.search() 会扫描整个字符串查找匹配项。
import re
# 定义模式
pattern = "优秀"
text = "Python 是一门优秀的编程语言"
# 在文本中搜索"优秀"
result = re.search(pattern, text)
# 输出结果
if result:
print(f"找到匹配: {result.group()}")
else:
print("未找到匹配")
re.findall() - 查找所有匹配
该函数返回字符串中所有非重叠匹配的列表。
import re
# 定义模式
pattern = "编程"
text = "编程可以解决实际问题。编程需要不断学习和实践。"
# 查找所有"编程"
matches = re.findall(pattern, text)
# 输出匹配结果
print(matches) # 输出: ['编程', '编程']
re.finditer() - 迭代器查找
与 re.findall() 类似，但返回一个包含匹配对象的迭代器。
import re
# 定义模式
pattern = "学习"
text = "学习编程需要耐心和持续的学习。"
# 查找所有"学习"及其位置
matches = re.finditer(pattern, text)
# 输出每个匹配的位置和内容
for match in matches:
print(f"在位置 {match.start()} 找到: {match.group()}")
re.sub() - 文本替换
使用 re.sub() 可以将字符串中匹配的文本替换为指定内容。
import re
# 定义模式和替换文本
pattern = "Java"
replacement = "Python"
text = "我喜欢 Java。Java 是一种面向对象的语言。"
# 替换所有"Java"为"Python"
new_text = re.sub(pattern, replacement, text)
# 输出替换后的文本
print(new_text) # 输出: "我喜欢 Python。Python 是一种面向对象的语言。"
总结
Python 的 re 模块提供了处理正则表达式的强大功能。通过掌握 match、search、findall、finditer 和 sub 等函数，我们可以高效地处理各种文本匹配和转换任务。正则表达式是每个程序员应该掌握的重要工具，能够大大提高文本处理的效率和准确性。
