Python中的正则表达式：文本匹配与搜索的强大工具
欢迎来到今天的讲座！今天我们要聊的是Python中一个非常强大的工具——正则表达式（Regular Expressions，简称Regex）。如果你觉得它听起来像是一种神秘的魔法咒语，那么恭喜你，你已经抓住了它的精髓。正则表达式确实像一种魔法，它可以让你在处理文本时如虎添翼。让我们一起揭开它的面纱吧！
什么是正则表达式？
简单来说，正则表达式是一种用于匹配字符串的模式语言。它可以用来查找、替换、分割和验证文本。想象一下，你正在一堆乱七八糟的日志文件中寻找某个特定的错误代码，或者你需要从一段文本中提取所有的电子邮件地址。如果没有正则表达式，这可能会变成一场噩梦。但有了它，这一切都可以变得轻松愉快。
国外的技术文档中常常用“powerful”来形容正则表达式，因为它确实是处理文本的强大武器。不过，它也有点像一把双刃剑——用得好，事半功倍；用得不好，可能会让你陷入调试的深渊。
正则表达式的语法基础
在Python中，我们使用re模块来操作正则表达式。下面我们通过一些简单的例子来了解它的基本语法。
1. 匹配单个字符
如果你想匹配一个具体的字符，比如字母“a”，可以直接写成这样：
import re
pattern = "a"
text = "abc"
match = re.search(pattern, text)
if match:
print("Match found!")
else:
print("No match.")输出：
Match found!2. 使用特殊字符
正则表达式中有许多特殊字符，它们具有特殊的含义。例如：
| 特殊字符 | 含义 |
|---|---|
. |
匹配任意单个字符 |
* |
匹配前面的元素零次或多次 |
+ |
匹配前面的元素一次或多次 |
? |
匹配前面的元素零次或一次 |
[] |
匹配方括号内的任意一个字符 |
^ |
匹配字符串的开头 |
$ |
匹配字符串的结尾 |
举个例子，如果你想匹配以“a”开头并以“b”结尾的字符串，可以这样写：
pattern = "^a.*b$"
text = "a123b"
match = re.search(pattern, text)
if match:
print("Match found!")
else:
print("No match.")输出：
Match found!实战演练：提取电子邮件地址
现在让我们来做一个稍微复杂一点的例子——从一段文本中提取所有的电子邮件地址。
假设我们有以下文本：
text = """
Contact us at support@example.com or sales@example.org.
For more information, visit our website at www.example.com.
"""我们可以使用以下正则表达式来提取电子邮件地址：
import re
pattern = r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}"
emails = re.findall(pattern, text)
print(emails)输出：
['support@example.com', 'sales@example.org']这里我们用到了以下几个技巧：
[a-zA-Z0-9._%+-]+：匹配电子邮件地址的用户名部分。@：匹配“@”符号。[a-zA-Z0-9.-]+：匹配域名部分。.[a-zA-Z]{2,}：匹配顶级域名（如“.com”）。
正则表达式的高级用法
1. 分组
分组是正则表达式中非常有用的功能。你可以用圆括号()将一部分模式括起来，形成一个组。然后可以通过group()方法提取这些组的内容。
例如，我们想从电话号码中提取区号和号码：
pattern = r"(d{3})-(d{4})"
text = "My phone number is 123-4567."
match = re.search(pattern, text)
if match:
print("Area code:", match.group(1))
print("Number:", match.group(2))输出：
Area code: 123
Number: 45672. 非捕获组
有时候我们只想用括号来分组，但不想提取内容。这时可以用非捕获组(?:...)。
例如：
pattern = r"(?:d{3})-d{4}"
text = "My phone number is 123-4567."
match = re.search(pattern, text)
if match:
print("Full match:", match.group(0))输出：
Full match: 123-4567常见陷阱与注意事项
-
贪婪匹配 vs 非贪婪匹配
默认情况下，正则表达式是贪婪的，它会尽可能多地匹配字符。如果需要非贪婪匹配，可以在量词后面加上?。pattern = "<.*>" # 贪婪匹配 text = "<tag>content</tag>" print(re.findall(pattern, text)) # 输出：['<tag>content</tag>'] pattern = "<.*?>" # 非贪婪匹配 print(re.findall(pattern, text)) # 输出：['<tag>', '</tag>'] -
转义字符
如果你想匹配特殊字符本身（如.或*），需要在前面加上反斜杠进行转义。pattern = "." # 匹配“.” text = "Hello world." print(re.search(pattern, text)) # 输出：<re.Match object; span=(11, 12), match='.'>
总结
正则表达式是一个功能强大但有时让人头疼的工具。它可以帮助你在处理文本时节省大量时间，但也可能因为一个小错误让你抓狂。因此，建议多练习，并善用调试工具（如re.compile().fullmatch()等）。
最后，引用国外技术文档中的一句话：“With great power comes great responsibility.”（能力越大，责任越大。）希望你能用好这个工具，成为文本处理的高手！
谢谢大家，今天的讲座就到这里啦！如果有任何问题，欢迎随时提问！
