正则表达式是python中处理文本的强大工具，通过re模块实现字符串匹配、查找和替换。基本字符匹配如a只匹配字母a，而元字符如.匹配任意字符，\d匹配数字，\w匹配单词字符，\s匹配空白符，若需匹配元字符本身则使用转义，例如用.匹配点号。例如，手机号可表示为r’\d{11}’。分组用()实现，如r'(\d{4})-(\d{2})-(\d{2})’提取年月日，也可命名分组如(?p\d{4})以便通过名字访问。使用建议包括：贪婪模式默认尽可能多匹配，可用?变为非贪婪；锚点^和$确保整体匹配；多行匹配需加re.dotall标志使.包含换行；常用函数有re.match()从开头匹配，re.search()查找首个匹配，re.findall()获取所有结果，re.sub()用于替换。掌握这些能显著提升数据清洗与分析效率。
正则表达式是处理文本的强大工具，尤其在Python中，通过re模块可以灵活地进行字符串匹配、查找和替换。掌握它的基本规则和用法，能极大提升数据清洗、日志分析等任务的效率。
匹配基础：字符与元字符
正则最基础的是字符匹配，比如写一个a就只会匹配字母a。但真正有用的是元字符，它们有特殊含义。例如：
- . 匹配任意单个字符（除了换行符）
- \d 匹配数字，等价于[0-9]
- \w 匹配单词字符，包括字母、数字和下划线
- \s 匹配空白字符，如空格、制表符、换行
如果你要匹配这些元字符本身，比如想查找一个点号.，就需要用\.来转义。
立即学习“Python免费学习笔记（深入）”；
举个例子，想匹配手机号码（假设是11位数字），可以写成：
import re
pattern = r'\d{11}'
text = '我的电话是13812345678'
match = re.search(pattern, text)
这样就能提取出电话号码。
分组与捕获：让结构更清晰
有时候我们不只是要判断是否匹配，还想从中提取特定部分。这时候可以用分组，用小括号()包裹需要的部分。
比如你想从一段文本中提取年月日：
pattern = r'(\d{4})-(\d{2})-(\d{2})'
text = '日期是 2024-03-15'
match = re.search(pattern, text)
year, month, day = match.groups()
这里每个括号就是一个分组，分别对应年、月、日。你也可以给分组命名，比如：
pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
这样之后可以通过名字访问：
match.group('year') # 返回 '2024'
常见陷阱与使用建议
正则虽然强大，但也容易踩坑。以下是一些实用建议：
- 贪婪 vs 非贪婪：默认情况下，像.*这样的表达式会尽可能多地匹配内容，这可能不是你想要的。可以在后面加个?变成非贪婪模式，例如.*?。
- 锚点很重要：如果你想确保整个字符串都符合某个模式，而不是其中一部分，记得加上^开头和$结尾。
- 多行匹配注意换行符：默认.不匹配换行符，如果想让它也匹配，可以加上re.DOTALL标志。
- 测试正则表达式：可以先用在线工具（如regex101.com）测试你的表达式是否正确，避免反复调试代码。
举个小例子：你想匹配以“hello”开头、以“world”结尾的句子，可以写成：
pattern = r'^hello.*world$'
但如果中间可能有多行，应该加上re.DOTALL：
re.search(pattern, text, re.DOTALL)
总结一下常用函数
Python的re模块有几个常用的函数，用途各有不同：
- re.match()：从字符串开头开始匹配，不匹配开头直接返回None
- re.search()：扫描整个字符串，找到第一个匹配项
- re.findall()：返回所有匹配的结果，适合提取多个值
- re.sub()：替换匹配的内容，常用于清理文本
基本上就这些核心功能了，熟练掌握后就可以应对大多数文本处理场景。
暂无评论内容