一、Python正則表達式基礎
1. 導入模塊
Python通過 re 模塊實現正則表達式功能，需先導入模塊：
import re
2. 核心語法
- 普通字符：直接匹配字面值（如
a匹配字符a）。 - 元字符：
\d：匹配數字（等價于[0-9]）。\w：匹配字母、數字、下劃線（等價于[a-zA-Z0-9_]）。\s：匹配空白字符（空格、制表符等）。^和$：分別匹配字符串開頭和結尾。\b：單詞邊界（如\bpython\b匹配獨立單詞python）。
3. 量詞
*：匹配0次或多次（如a*匹配空字符串或多個a）。+：匹配1次或多次（如a+至少匹配一個a）。?：匹配0次或1次（如a?可選a）。{m,n}：匹配m到n次（如\d{3,5}匹配3-5位數字）。
二、常用函數與使用示例
1. 匹配函數
re.match()：從字符串開頭匹配，返回Match對象（若匹配失敗則返回None）。text = "Hello, World!" match = re.match(r"Hello", text) if match:print(match.group()) # 輸出 "Hello"re.search()：在整個字符串中搜索第一個匹配項。match = re.search(r"World", text) print(match.group()) # 輸出 "World"re.findall()：返回所有匹配的子串列表。matches = re.findall(r"\w+", text) # 輸出 ['Hello', 'World']
2. 替換與分割
re.sub()：替換匹配內容。new_text = re.sub(r"World", "Python", text) # 輸出 "Hello, Python!"re.split()：根據模式分割字符串。parts = re.split(r",", text) # 輸出 ['Hello', ' World!']
3. 編譯正則表達式
預編譯可提升多次調用效率：
pattern = re.compile(r"\b\w{3}\b") # 匹配3位單詞
matches = pattern.findall("The quick brown fox")
三、分組與捕獲
使用 () 分組提取特定內容：
text = "apple, banana, cherry"
match = re.match(r"(\w+), (\w+), (\w+)", text)
print(match.groups()) # 輸出 ('apple', 'banana', 'cherry')
非貪婪匹配
添加 ? 實現最小匹配：
text = "2023-04-02T10:11:12Z"
date = re.search(r"\d{4}-\d{2}-\d{2}", text).group() # 輸出 "2023-04-02"
四、實際應用場景
1. 數據驗證
- 手機號驗證：
^1[3-9]\d{9}$（以1開頭，第二位3-9，后接9位數字）。 - 郵箱提取：
([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,})。
2. 文本處理
- 日期格式化：將
20230209轉為2023.02.09：text = "管理辦法20230209(修訂).docx" new_text = re.sub(r"(\d{4})(\d{2})(\d{2})", r"\1.\2.\3", text) # 輸出 "管理辦法2023.02.09(修訂).docx"
3. 網頁數據抓取
- 提取鏈接：
import re, requests from bs4 import BeautifulSoup url = "https://example.com" html = requests.get(url).text links = re.findall(r'href\s*=\s*["\']([^"\']+)["\']', html)
五、優化技巧
- 預編譯正則表達式：使用
re.compile()減少重復編譯開銷。 - 避免過度使用
.*：優先用精確匹配（如\d{4}代替.*）。 - 忽略大小寫：添加
re.IGNORECASE修飾符（如re.findall(r"python", text, re.I)）。
六、總結
Python的 re 模塊提供了強大的正則表達式功能，涵蓋匹配、替換、分組等操作。結合預編譯和優化技巧，可高效處理文本數據。實際開發中建議使用在線工具（如 Regexr）調試復雜表達式。
)
