Python中的模式匹配与正则表达式

简介

正则表达式是一种文本模式，用于匹配字符序列，常用于字符串的查找、替换与验证。Python中的re模块提供了支持正则表达式的功能。

基本语法

匹配单个字符

.：匹配除了换行符之外的任意字符 []: 匹配括号中任意一个字符，例如：[abc]会匹配a、b或c [^]: 匹配不在括号中的字符，例如：[^abc]会匹配除a、b、c之外的任意字符 \d: 匹配任意数字字符，等同于[0-9] \D: 匹配任意非数字字符，等同于[^0-9] \w: 匹配任意字母、数字或下划线字符，等同于[a-zA-Z0-9_] \W: 匹配任意非字母、数字或下划线字符，等同于[^a-zA-Z0-9_] \s: 匹配任意空白字符，包括空格、制表符、换行符等等 \S: 匹配任意非空白字符

匹配多个字符

?: 匹配前面的字符0次或1次，例如：ab?c会匹配ac或abc : 匹配前面的字符0次或多次，例如：abc会匹配ac、abc、abbc等等 +: 匹配前面的字符1次或多次，例如：ab+c会匹配abc、abbc、abbbbc等等 {n}: 匹配前面的字符n次，例如：ab{2}c会匹配abbc {n,}: 匹配前面的字符至少n次，例如：ab{2,}c会匹配abb、abbb、abbbb等等 {n,m}: 匹配前面的字符至少n次，至多m次，例如：ab{2,4}c会匹配abb、abbb、abbbb

re模块的常用函数

search函数

search函数在字符串中搜索正则表达式的第一个匹配项。如果匹配成功，就返回一个匹配对象

import re

matchObj = re.search(r'abc', 'abcdef')
if matchObj:
    print("matchObj.group() : ", matchObj.group())
else:
    print("No match!!")

match函数

match函数只检测字符串开始部分是否匹配

import re

matchObj = re.match(r'abc', 'abcdef')
if matchObj:
    print("matchObj.group() : ", matchObj.group())
else:
    print("No match!!")

findall函数

findall函数返回字符串所有与正则表达式匹配的全部结果，结果为一个列表

import re

matchList = re.findall(r'ab', 'abcdababc')
print(matchList)

sub函数

sub函数用于替换字符串中与正则表达式匹配的子串，如果没有匹配成功，则返回源字符串

import re

phoneNum = "010-12345678 # 这是一个电话号码"

num = re.sub(r'#.*$', "", phoneNum)
print("telphone number : ", num)

num = re.sub(r'\D', "", phoneNum)
print("telphone number : ", num)

贪婪匹配和非贪婪匹配

正则表达式默认采用贪婪匹配，即尽可能多的匹配字符，直到匹配到不能匹配为止：

import re

matchObj = re.search(r'ab.*c', 'abcdefghijklmn')
if matchObj :
    print("matchObj.group() : ", matchObj.group())

输出结果为：'abcdefghijklmn'，因为.*采用了贪婪匹配，尽可能多的匹配字符

如果要采用非贪婪匹配，需要在匹配字符之后加上?：

import re

matchObj = re.search(r'ab.*?c', 'abcdefghijklmn')
if matchObj :
    print("matchObj.group() : ", matchObj.group())

输出结果为：'abc'，因为.*?采用了非贪婪匹配，尽可能少的匹配字符

总结

正则表达式是一种强大的工具，能够对字符串进行高效的匹配、查找和替换。Python中的re模块提供了完整而强大的支持。为了使用正则表达式，需要掌握基本的匹配规则、函数和语法，同时避免贪婪匹配和非贪婪匹配带来的问题。