什么是正则表达式？

正则表达式（Regular Expression）是用于匹配和处理文本的强大工具，它使用特定语法来描述字符串模式。在Python中，通过内置的re模块提供正则表达式功能。

Python re模块基础

在Python中使用正则表达式前，需要先导入re模块：

import re

re模块提供了几个核心函数：

正则表达式基础语法

1. 普通字符

大多数字符（字母、数字）会直接匹配自身：

• python 匹配字符串 "python"
• 123 匹配字符串 "123"

2. 元字符

具有特殊含义的字符：

3. 字符类

使用方括号定义字符集合：

• [abc] 匹配a、b或c中的任意一个字符
• [a-z] 匹配任意小写字母
• [0-9] 匹配任意数字
• [^abc] 匹配除a、b、c外的任意字符

4. 预定义字符类

5. 量词

用于指定匹配次数：

• {n} 匹配前一个字符恰好n次
• {n,} 匹配前一个字符至少n次
• {n,m} 匹配前一个字符n到m次

高级正则表达式语法

1. 分组和捕获

使用圆括号()创建分组：

• 捕获分组：(pattern) - 匹配并捕获结果
• 非捕获分组：(?:pattern) - 匹配但不捕获

import re

text = "John: 30, Jane: 28"
pattern = r"(\w+): (\d+)"

matches = re.findall(pattern, text)
print(matches)  # 输出: [('John', '30'), ('Jane', '28')]

2. 后向引用

在正则表达式中引用前面捕获的分组：

pattern = r"(\b\w+)\s+\1"  # 匹配重复单词
text = "hello hello world"
match = re.search(pattern, text)
if match:
    print(match.group())  # 输出: hello hello

3. 零宽断言

匹配某些位置而不消耗字符：

• (?=...) 正向先行断言
• (?!...) 负向先行断言
• (?<=...) 正向后行断言
• (?<!...) 负向后行断言

# 匹配后面跟着.com的http
pattern = r"http(?=\.com)"
text = "http://example.com http://example.org"
matches = re.findall(pattern, text)
print(matches)  # 输出: ['http'] (只匹配第一个http)

实际应用示例

1. 验证电子邮件地址

import re

def validate_email(email):
    pattern = r"^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$"
    return re.match(pattern, email) is not None

print(validate_email("user@example.com"))  # True
print(validate_email("invalid.email@"))    # False

2. 提取URL中的域名

import re

text = "Visit our website at https://www.example.com or http://blog.example.org"
pattern = r"https?://(?:www\.)?([a-zA-Z0-9-]+\.[a-zA-Z]{2,})"

domains = re.findall(pattern, text)
print(domains)  # 输出: ['example.com', 'example.org']

3. 清理和格式化文本

import re

text = "This   text has   extra   spaces  and  punctuation!!"
cleaned = re.sub(r"\s+", " ", text)  # 替换多个空格为单个空格
cleaned = re.sub(r"[^\w\s]", "", cleaned)  # 移除非字母数字空格字符

print(cleaned)  # 输出: "This text has extra spaces and punctuation"

最佳实践提示

• 使用原始字符串（前缀r）避免转义问题：r"\d+"
• 复杂的正则表达式添加注释：re.VERBOSE标志
• 预编译常用正则表达式：pattern = re.compile(r"...")
• 避免过度复杂的正则表达式，必要时拆分为多个步骤
• 使用在线工具（如regex101.com）测试和调试正则表达式