- p216 正则表达式
一、基础语法：字符与规则
1. 普通字符
- 直接匹配自身，比如
abc会精准匹配字符串里的"abc"子串，像在"xyzabc123"里，abc就能匹配到中间的"abc"。
2. 元字符（核心规则）
| 元字符 | 含义 & 示例 |
|---|---|
. |
匹配除换行符（\n 等）外的任意单个字符。例：a.c 可匹配 "abc"、"a&c"，但不匹配 "a\nc"
|
[] |
匹配方括号内任意单个字符。例：[abc] 匹配 "a"/"b"/"c"；[a-z] 匹配任意小写字母（范围） |
[^] |
匹配不在方括号内的任意单个字符（取反）。例：[^0-9] 匹配非数字字符，像字母、符号等 |
\d |
等价于 [0-9]，匹配数字
|
\D |
等价于 [^0-9]，匹配非数字
|
\w |
等价于 [a-zA-Z0-9_]，匹配字母、数字、下划线（“单词字符”） |
\W |
等价于 [^a-zA-Z0-9_]，匹配非单词字符（如符号 !@# 等） |
\s |
匹配空白字符（空格、制表符 \t、换行符 \n 等） |
\S |
匹配非空白字符 |
^ |
匹配字符串的开头位置（多行模式下也匹配行首）。例：^abc 只匹配字符串以 "abc" 开头的部分 |
$ |
匹配字符串的结尾位置（多行模式下也匹配行尾）。例：abc$ 只匹配字符串以 "abc" 结尾的部分 |
| |
逻辑“或”，匹配左边或右边的子模式。例：abc|123 匹配 "abc" 或 "123"
|
() |
分组，把多个字符当一个整体匹配，也用于捕获匹配结果（提取子串）。例：(abc)+ 匹配连续的 "abcabc"
|
* |
匹配前面的子模式 0 次或多次（尽可能多匹配，“贪婪模式”）。例：a* 匹配 ""（空）、"a"、"aa"
|
+ |
匹配前面的子模式 1 次或多次（贪婪）。例：a+ 匹配 "a"、"aa"，但不匹配 ""
|
? |
有两种用法： 1. 匹配前面的子模式 0 次或 1 次（可选），例： a? 匹配 "" 或 "a" 2. 跟在 */+ 后，开启非贪婪模式（尽可能少匹配），例：a+? 匹配到单个 "a" 就停止 |
{n} |
匹配前面的子模式恰好 n 次。例：a{3} 匹配 "aaa"
|
{n,} |
匹配前面的子模式至少 n 次（贪婪）。例：a{2,} 匹配 "aa"、"aaa" 等 |
{n,m} |
匹配前面的子模式 n 到 m 次（贪婪）。例：a{1,3} 匹配 "a"、"aa"、"aaa"
|
二、常见场景示例
1. 验证字符串格式（如邮箱、手机号）
-
验证邮箱（简单版，实际更复杂）：
^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$解释：
-
^开头，$结尾 → 匹配完整字符串； -
[a-zA-Z0-9_.+-]+→ 匹配邮箱用户名（字母、数字、_/./+/-等）； -
@→ 固定符号； -
[a-zA-Z0-9-]+→ 匹配域名（如gmail、baidu）； -
\.→ 转义.（因为.本身是元字符，需匹配实际点号）； -
[a-zA-Z0-9-.]+→ 匹配后缀（如com、cn、co.uk）。
-
-
验证手机号（以中国大陆手机号为例）：
^1[3-9]\d{9}$解释：
-
^1→ 以1开头； -
[3-9]→ 第二位是 3 - 9 的数字； -
\d{9}→ 后面跟 9 位数字； -
$→ 结尾，确保整体是 11 位手机号。
-
2. 提取关键信息（如从日志里抓 ID）
假设日志格式是：[INFO] 2024-10-01 12:00:00 - user_id=12345, action=login
想提取 user_id 的值，可用 regex：
user_id=(\d+)
-
user_id=→ 匹配固定文本； -
(\d+)→ 分组捕获数字（\d+匹配 1 个及以上数字），提取结果就是12345。
3. 替换文本（如清理非法字符）
把字符串里的“非字母、数字、下划线”替换成空格，可用：
import re
text = "hello!@# world_123"
new_text = re.sub(r'[^a-zA-Z0-9_]', ' ', text)
# new_text 结果: "hello world_123"（!@# 被换成空格）
-
re.sub()是 Pythonre模块的替换函数； -
[^a-zA-Z0-9_]→ 匹配非字母、数字、下划线的字符； - 第二个参数
' '表示用空格替换匹配到的内容。
三、Python 中使用正则（re 模块核心用法）
Python 通过 re 模块实现正则功能，常用方法：
1. re.match(pattern, string)
- 尝试从字符串开头匹配 pattern，匹配到返回
Match对象，否则返回None。 - 示例：
import re result = re.match(r'abc', 'abcdef') if result: print(result.group()) # 输出: abc（匹配到的内容）
2. re.search(pattern, string)
- 扫描整个字符串，找第一个匹配的子串，返回
Match对象或None。 - 示例：
result = re.search(r'\d+', 'abc123def456') if result: print(result.group()) # 输出: 123（第一个数字串）
3. re.findall(pattern, string)
- 找到所有匹配的子串，返回列表（若有分组，返回分组内容列表）。
- 示例：
result = re.findall(r'\d+', 'abc123def456') print(result) # 输出: ['123', '456']
4. re.sub(pattern, repl, string, count=0)
- 替换匹配的子串，
repl可以是字符串或函数；count控制替换次数（0 表示全部替换）。 - 示例（替换所有数字为
#）：new_text = re.sub(r'\d+', '#', 'abc123def456') print(new_text) # 输出: abc#def#
5. re.compile(pattern)
- 预编译正则表达式，提升重复匹配效率（频繁用同个 pattern 时推荐）。
- 示例：
pattern = re.compile(r'\d+') result1 = pattern.findall('abc123') result2 = pattern.findall('def456') print(result1, result2) # 输出: ['123'] ['456']
四、写正则的小技巧
- 先拆分需求：把复杂匹配拆成小规则（如邮箱拆成“用户名 + @ + 域名 + 后缀” ）。
- 巧用在线工具调试：像 Regex101 ，输入 pattern 和测试文本，实时看匹配结果，还能解释正则含义，超方便～
-
注意贪婪/非贪婪：
*/+默认贪婪（尽可能多匹配），加?可转非贪婪（a+?匹配到单个a就停），处理多行、短文本时容易踩坑，需留意。
正则表达式乍看复杂，但记住常用元字符含义，结合场景练习（比如验证自己的手机号、邮箱格式 ），很快就能上手啦！遇到复杂需求，分步拆解 + 在线调试，基本都能搞定～
