高级主题：正则表达式¶

正则表达式（Regular Expression，简称 regex）是一种强大的工具，用于在字符串中搜索、匹配和替换特定的模式。它在文本处理、数据验证、日志分析等领域有着广泛的应用。Python 通过 re 模块提供了对正则表达式的支持。在本章中，我们将学习正则表达式的基本语法及其在字符串处理中的应用。

1. 正则表达式的基本概念¶

正则表达式是由一系列字符和特殊符号组成的模式，用于描述字符串的特定结构。通过正则表达式，我们可以：

• 检查字符串是否符合某种模式。
• 从字符串中提取符合特定模式的部分。
• 替换字符串中符合特定模式的部分。

1.1 基本语法¶

正则表达式的基本语法包括以下几种元素：

• 普通字符：如 a, b, 1, 2 等，匹配它们自身。
• 元字符：具有特殊含义的字符，如 ., *, +, ?, ^, $, [], {}, |, (), \ 等。
• 字符类：用 [] 表示，匹配其中的任意一个字符。例如，[abc] 匹配 a, b, 或 c。
• 量词：用于指定前面的字符或子模式的重复次数。例如，* 表示 0 次或多次，+ 表示 1 次或多次，? 表示 0 次或 1 次。
• 分组：用 () 表示，用于将多个字符或子模式组合在一起，形成一个整体。
• 转义字符：用 \ 表示，用于匹配元字符本身。例如，\. 匹配实际的句点字符。

1.2 常用的正则表达式元字符¶

2. Python 中的 re 模块¶

Python 的 re 模块提供了对正则表达式的支持。我们可以使用 re 模块中的函数来执行各种正则表达式操作。

2.1 常用的 re 模块函数¶

• re.match(pattern, string)：从字符串的开头匹配模式，如果匹配成功返回匹配对象，否则返回 None。
• re.search(pattern, string)：在字符串中搜索模式，返回第一个匹配的对象，如果没有匹配则返回 None。
• re.findall(pattern, string)：返回字符串中所有与模式匹配的子串，返回一个列表。
• re.sub(pattern, repl, string)：将字符串中所有与模式匹配的子串替换为 repl，返回替换后的字符串。
• re.split(pattern, string)：根据模式分割字符串，返回一个列表。

2.2 代码示例¶

示例 1：使用 re.match 匹配字符串开头¶

import re

# 定义一个正则表达式模式，匹配以 "Hello" 开头的字符串
pattern = r"^Hello"

# 要匹配的字符串
string = "Hello, World!"

# 使用 re.match 进行匹配
match = re.match(pattern, string)

if match:
    print("匹配成功:", match.group())
else:
    print("匹配失败")

解释： - ^Hello 表示匹配以 "Hello" 开头的字符串。 - re.match 从字符串的开头开始匹配，如果匹配成功，返回一个匹配对象，否则返回 None。 - match.group() 返回匹配的字符串。

示例 2：使用 re.search 搜索字符串中的模式¶

import re

# 定义一个正则表达式模式，匹配包含 "World" 的字符串
pattern = r"World"

# 要搜索的字符串
string = "Hello, World!"

# 使用 re.search 进行搜索
search = re.search(pattern, string)

if search:
    print("搜索成功:", search.group())
else:
    print("搜索失败")

解释： - World 表示匹配字符串中的 "World"。 - re.search 在字符串中搜索模式，返回第一个匹配的对象。 - search.group() 返回匹配的字符串。

示例 3：使用 re.findall 查找所有匹配的子串¶

import re

# 定义一个正则表达式模式，匹配所有的数字
pattern = r"\d+"

# 要查找的字符串
string = "There are 3 apples, 5 oranges, and 12 bananas."

# 使用 re.findall 查找所有匹配的子串
matches = re.findall(pattern, string)

print("找到的数字:", matches)

解释： - \d+ 表示匹配一个或多个数字。 - re.findall 返回所有与模式匹配的子串，返回一个列表。

3. 练习题¶

练习题 1：匹配电子邮件地址¶

编写一个正则表达式，匹配常见的电子邮件地址格式。例如，example@example.com 应该匹配成功。

提示： - 电子邮件地址通常包含字母、数字、点 . 和下划线 _。 - 使用 @ 符号分隔用户名和域名。 - 域名部分通常包含字母、数字和点 .。

练习题 2：提取日期¶

编写一个正则表达式，从字符串中提取日期。例如，从字符串 "Today is 2023-10-05." 中提取 2023-10-05。

提示： - 日期格式为 YYYY-MM-DD。 - 使用 \d{4} 匹配年份，\d{2} 匹配月份和日期。

练习题 3：替换字符串中的数字¶

编写一个 Python 程序，使用 re.sub 将字符串中的所有数字替换为 #。例如，将 "There are 3 apples and 5 oranges." 替换为 "There are # apples and # oranges."。

提示： - 使用 \d+ 匹配一个或多个数字。 - 使用 re.sub 进行替换。

4. 总结¶

在本章中，我们学习了正则表达式的基本语法及其在 Python 中的应用。我们介绍了常用的正则表达式元字符，并通过代码示例演示了如何使用 re 模块进行字符串匹配、搜索和替换。我们还提供了几个练习题，帮助您巩固所学知识。

关键点总结¶

• 正则表达式是一种强大的工具，用于在字符串中搜索、匹配和替换特定的模式。
• Python 的 re 模块提供了对正则表达式的支持，常用的函数包括 re.match, re.search, re.findall, re.sub 等。
• 正则表达式的基本语法包括普通字符、元字符、字符类、量词、分组和转义字符。
• 通过练习，您可以掌握正则表达式的基本用法，并应用于实际的字符串处理任务中。

希望本章内容能帮助您掌握正则表达式的基本概念和应用，并在实际编程中灵活运用。