在Python中,正则表达式是一种强大的工具,可用于匹配和操作字符串。什么是正则表达式? 正则表达式是一种模式匹配语言,用于匹配字符串中的特定模式。这些模式可以是字母、数字、字符组合或其他符号。正则表达式通常用于文本处理、网络编程、数据分析等领域。
在 Python 中,正则表达式的实现主要基于 re 模块,该模块提供了一组函数和类,用于处理正则表达式的匹配、搜索和替换。
1. 实现原理:
正则表达式引擎: Python 中的正则表达式引擎使用了正则表达式的编译和匹配两个主要阶段。
编译阶段: 在编译阶段,正则表达式字符串会被解析并转换成一个内部的模式表示。这个模式表示了匹配规则,它包括普通字符、元字符、字符类、分组等。
匹配阶段: 一旦正则表达式被编译,就可以用来匹配字符串。匹配过程是基于模式在字符串中的搜索和比对。引擎会从字符串的起始位置开始,尝试找到与模式匹配的子字符串。
回溯和优化: 在匹配过程中,可能会涉及到回溯的操作,即引擎试图在字符串中不同位置匹配模式。为了提高性能,引擎会使用一些优化策略,避免不必要的回溯。
2. 正则表达式
正则表达式由普通字符和元字符组成。普通字符就是字母、数字、空格等常见字符;元字符则表示特殊含义,例如点号(.)表示任意字符,星号(*)表示零个或多个前面的字符。
常用的元字符及其含义:
.
:匹配任意单个字符
\d
:匹配数字(等价于 [0-9])
\w
:匹配字母、数字、下划线(等价于 [a-zA-Z0-9_])
\s
:匹配空格、制表符、换行符等空白字符
^
:匹配开头
$
:匹配结尾
*
:匹配前面的字符零次或多次
+
:匹配前面的字符一次或多次
?
:匹配前面的字符零次或一次
[]
:匹配方括号中任意一个字符
()
:将其中的内容作为一个组
3.常见示例:
3.1 匹配手机号码
import re
pattern = r"\d{11}"
string = "My phone number is 12345678901"
match_result = re.search(pattern, string)
if match_result:
print("Match found:", match_result.group())
else:
print("Match not found")
3.2 匹配邮政编码
import re
pattern = r"\b\d{6}\b"
string = "The postal code is 123456"
match_result = re.search(pattern, string)
if match_result:
print("Match found:", match_result.group())
else:
print("Match not found")
3.3 提取HTML标签中的内容
import re
pattern = r"<.*?>"
html_string = "<p>This is a <b>bold</b> statement.</p>"
match_result = re.findall(pattern, html_string)
print("Matches found:", match_result)
3.4 提取HTML中的链接(href属性)
import re
pattern = r'href="(.*?)"'
html_code = '<a href="https://www.example.com">Visit our website</a>'
match_result = re.search(pattern, html_code)
if match_result:
print("Match found:", match_result.group(1))
else:
print("Match not found")
3.5 匹配IP地址
import re
pattern = r"\b(?:\d{1,3}\.){3}\d{1,3}\b"
string = "Server's IP address is 192.168.1.1"
match_result = re.search(pattern, string)
if match_result:
print("Match found:", match_result.group())
else:
print("Match not found")
3.6 匹配URL
import re
pattern = r"https?://\S+"
text = "Visit our website at https://www.example.com"
match_result = re.search(pattern, text)
if match_result:
print("Match found:", match_result.group())
else:
print("Match not found")
3.7 匹配日期(yyyy-mm-dd)
import re
pattern = r"\b\d{4}-\d{2}-\d{2}\b"
text = "Event date: 2022-12-31"
match_result = re.search(pattern, text)
if match_result:
print("Match found:", match_result.group())
else:
print("Match not found")
3.8 匹配邮箱地址
import re
pattern = r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b"
text = "Contact us at info@example.com or support@company.net"
match_result = re.findall(pattern, text)
print("Matches found:", match_result)
3.9 匹配全名中的姓氏
import re
pattern = r"\b[A-Z][a-z]+\b"
full_name = "John Doe"
match_result = re.findall(pattern, full_name)
print("Matches found:", match_result)
3.10 匹配中文名字
import re
pattern = r'^[\u4e00-\u9fa5]{1,5}$'
name = "王小明"
match_result = re.match(pattern, name)
if match_result:
print("Match found:", match_result.group())
else:
print("Match not found")
3.11 匹配字符串中的所有单词
import re
pattern = r"\b\w+\b"
text = "This is a simple example."
match_result = re.findall(pattern, text)
print("Matches found:", match_result)