本篇文章主要是針對初學者，對正則表達式的理解、作用和應用

---

一、🍉正則表達式的概述

• 通用的字符串表達框架
• 簡潔表達一組字符串的表達式
• 針對字符串表達“簡潔”和“特征”思想的工具
• 判斷某字符串的特征歸屬

正則表達式在文本處理中十分常用

1. 表達式文本類型的特征（病毒、入侵等）
2. 同時查找或替換一組字符串
3. 匹配字符串的全部或部分

二、🍉正則表達式的語法和使用

1. 語法：

   正則表達式語法由字符和操作符構成

P(Y|YT|YTH|YTHO)?N

2. 使用

   編譯：將符合正則表達式語法的字符串轉換成正則表達式特征。

三、 🍉正則表達式的常用操作符

操作符	說明	實例
.	表示任何單個字符
[ ]	字符集，對單個字符給出取值范圍	[abc]表示a、b、c，[a-z]表示a到z單個字符
[ ^ ]	非字符集，對單個字符給出排除范圍	[^abc]表示非a或b或c的單個字符
*	前一個字符0次或無限次擴展	abc*表示ab、abc、abcc、abcc等
+	前一個字符1次或無限次擴展	abc+表示abc、abcc、abccc等
?	前一個字符0次或1次擴展	abc？表示av、abc
|	左右表達式任意一個	abc|def表示abc、def
{m}	擴展前一個字符m次	ab{2}c表示abbc
{m,n}	擴展前一個字符m至n次(含n)	ab{1，2}c表示abc、abbc
^	匹配字符串開頭	^abc表示abc且在一個字符串的開頭
$	匹配字符串結尾	abc$表示abc且在一個字符串的結尾
()	分組標記，內部只能使用|操作符	(abc)表示abc，(abc|def)表示abc、def
\d	數字，等價于[0-9]
\w	單詞字符，等價于[A-Za-z0-9]

四、🍉re庫主要功能函數

函數	說明
re.search(pattern, string)	在一個字符串中搜索匹配正則表達式的第一個位置，返回match對象
re.match(pattern, string)	從一個字符串的開始位置起匹配正則表達式，返回match對象
re.findall(pattern, string)	搜索字符串，以列表類型返回全部能匹配的子串
re.split(pattern, string)	將一個字符串按照正則表達式匹配結果進行分割，返回列表類型
re.finditer(pattern, string)	搜索字符串，返回一個匹配結果的迭代類型，每個迭代元素是match對象
re.sub(pattern, string)	在一個字符串中替換所有匹配正則表達式的字串，返回替換后的字符串
re.compile(pattern[, flags])
re.escape(string)

---

re模塊中常用函數的簡單介紹：

語法：

re.函數(pattern, string，flags=0)

• pattern：正則表達式的字符串或原生字符串表示
• string：待匹配字符串
• flags：正則表達式使用時的控制標記

1. re.search(pattern, string，flags=0):
   在字符串中搜索匹配正則表達式pattern的第一個位置，返回一個匹配對象，如果沒有找到匹配的，則返回None。

   import re
   match = re.search(r'\d+', 'hello 123 world')
   if match:print('找到匹配:', match.group())
   else:print('未找到匹配')
   

2. re.match(pattern, string，flags=0):
   從字符串的起始位置匹配正則表達式pattern，如果起始位置沒有匹配到，則返回None。注意這與search()不同，search()會掃描整個字符串以查找匹配項。

   match = re.match(r'\d+', '123 hello world')
   if match:print('找到匹配:', match.group())
   else:print('未找到匹配')
   

3. re.findall(pattern, string):
   返回字符串中所有與正則表達式pattern相匹配的所有非重疊匹配項的列表。如果未找到匹配項，則返回空列表。

   matches = re.findall(r'\b\w+\b', 'Hello World! This is a test.')
   print(matches)
   # 輸出：['Hello', 'World', 'This', 'is', 'a', 'test']
   

4. re.sub(pattern, repl, string, count=0, flags):
   將字符串中所有與正則表達式pattern匹配的部分替換為repl，并返回修改后的字符串。count參數可以指定替換的最大次數，默認為0，表示替換所有匹配項。

   result = re.sub(r'\d+', 'NUMBER', 'hello 123 world 456')
   print(result)
   # 輸出：'hello NUMBER world NUMBER'
   

5. re.compile(pattern[, flags]):
   編譯正則表達式字符串為一個正則表達式對象，這樣可以提高使用相同模式進行多次匹配的效率。

   pattern = re.compile(r'\d+')
   match = pattern.match('123 hello')
   if match:print('找到匹配:', match.group())
   

6. re.escape(string):
   轉義字符串中的特殊字符，使得它們在正則表達式中作為字面值字符對待。

   pattern = re.compile(re.escape('[') + r'\d+' + re.escape(']'))
   match = pattern.search('[123]')
   if match:print('找到匹配:', match.group())
   

7. re.split(pattern,string,maxsplit=0,flags=0):

   將一個字符串按照正則表達式匹配進行分割返回列表類型

   • maxsplit：最大分割數，剩余部分作為最后一個元素輸出

   import re
   result1=re.split(r'[1-9]\d{5}','BIT100081 TSU100084')
   print(result1)
   result2=re.split(r'[1-9]\d{5}','BIT100081 TSU100084',maxsplit=1)
   print(result2)
   

8. re.finditer(pattern, string):

   搜索字符串，返回一個匹配結果的迭代類型，每個迭代元素是，match對象

   import re
   for m in re.finditer(r'[1-9]\d{5}','BIT100081 TSU100084'):if m:print(m.group(0))
   

拓展:

1. re庫的另一種等價用法：

# 第一種 函數式用法：一次性操作
rst=re.search(r'[1-9]\d{5}','BIT 100081')
# 第二種 面對對象用法：編譯后的多次操作
pat=ree.compile(r'[1-9]\d{5}')
rst=pat.search('BIT 100081')

2. match對象介紹

   Match對象一次匹配的結果，包含匹配的很多信息

   import re
   match=re.search(r'[1-9]\d{5}','BIT 100081')
   if match:print(match.group(0))print(type(match))
   

   match對象的屬性：

   屬性	說明
   .string	待匹配的文本
   .re	匹配時使用的patter對象（正則表達式）
   .pos	正則表達式搜索文本的開始位置
   .endpos	正則表達式搜索文本的結束位置

   match對象的方法：

   方法	說明
   .group(0)	獲得匹配的字符串
   .start()	匹配字符串在原始字符串的開始位置
   .end()	匹配字符串在原始字符串的結束位置
   .span()	返回(.start(),.end())

   import re
   match=re.search(r'[1-9]\d{5}','BIT100081 TSU100084')
   print(match.string)
   print(match.re)
   print(match.pos)
   print(match.endpos)
   print(match.group(0))
   print(match.start())
   print(match.end())
   print(match.span())
   

3. 貪婪匹配

   Re默認采用貪婪匹配，即輸出匹配最長的字串

   import re
   match=re.search(r'PY.*N','PYANBNCNDN')
   print(match.group(0))
   

   最小匹配：如何輸出最短的子串呢？

   import re
   match=re.search(r'PY.*?N','PYANBNCNDN')
   print(match.group(0))
   

   最小匹配操作符

   操作符	說明
   *？	前一個字符0次或無限次擴展，最小匹配
   +？	前一個字符1次或無限次擴展，最小匹配
   ？？	前一個字符0次或1次擴展，最小匹配
   {m，n}？	擴展前一個字符m至n次（含n），最小匹配

4. 典型例子：

   在Python中，可以使用re模塊（正則表達式模塊）來匹配IP地址。一個基本的IPv4地址由四個0到255之間的數字組成，每部分之間用點(“.”)分隔。下面是一個簡單的例子，展示了如何編寫一個正則表達式來匹配這樣的IP地址：

import redef is_valid_ip(ip):# 定義IP地址的正則表達式ip_pattern = re.compile(r'^((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$')# 使用正則表達式匹配IP地址if ip_pattern.match(ip):return Trueelse:return Falseif __name__ == '__main__':# 測試函數ips = ["192.168.1.1", "255.255.255.255", "123.456.789.0", "1.2.3"]for ip in ips:print(f"{ip}: {is_valid_ip(ip)}")

這段代碼首先導入了re模塊，并定義了一個函數is_valid_ip，該函數使用一個正則表達式來檢查輸入的字符串是否符合IPv4地址的格式。正則表達式的詳細解釋如下：

• ^：表示字符串的開始。
• ((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}：這部分匹配前三部分的數字，每部分數字范圍是0到255，后面跟著一個點(“.”)。其中，
  • 25[0-5] 匹配從250到255的數字，
  • 2[0-4][0-9] 匹配從200到249的數字，
  • [01]?[0-9][0-9]? 匹配0到199的數字，包括前導零的情況。
  • \. 表示匹配點字符本身（因為點在正則表達式中有特殊含義，所以需要用反斜杠轉義）。
• (25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$：這部分匹配第四部分的數字，后面跟上字符串的結束標志$。

經典正則表達式實例：

表達式	解釋
^ [A - Za-z]+$	由26個字母組成的字符串
^ [A-Za-Z0-9]+$	由26個字母和數字組成的字符串
^- ? \d+$	整數形式的字符串
^ [0-9] * [1-9] [0-9] * $	正整數形式的字符串
[1-9] \d{5}	中國境內郵政編碼，6位
[\u4e00-\u9fa5]	匹配中文字符
\d{3}-d{8}|\d{4}-\d{7}	國內電話號碼，010-68913536

---