Python中的正则表达式是一种强大的工具，用于在文本中搜索、匹配和处理特定模式的字符串。它们通过定义一种模式，使得可以轻松地搜索、替换、提取和验证文本数据，在Python中的正则表达式由re模块提供支持的。
正则表达式通常用于以下任务：
1.搜索与模式匹配的文本：你可以使用正则表达式来查找文本中是否包含特定模式的字符串，例如查找所有电子邮件地址或电话号码。
2.替换文本：正则表达式可以用于替换文本中的特定模式。例如，你可以将所有匹配的单词替换为另一个单词。
3.提取信息：你可以使用正则表达式从文本中提取特定模式的信息。例如，从文本中提取所有日期或数字。
4.验证输入：正则表达式可以用于验证输入是否符合特定的模式。例如，验证用户输入的电子邮件地址是否具有正确的格式。
1.匹配字符串
Python 中的re模块是一个用于字符串中正则表达式操作的标准库，以下代码演示了如何使用 re.match() 函数来查找字符串中与给定模式匹配的部分。
代码示例：
# match()函数的使用# \w匹配字母数字及下划线
# \s匹配任意空白字符，等价于 [\t\n\r\f].
# \d匹配任意数字，等价于 [0-9]
# [...]用来表示一组字符,单独列出：[amk] 匹配 'a'，'m'或'k'
# [^...]不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
# ^匹配字符串的开头
# {n}精确匹配n个前面表达式。
import re
content='Hello 123 4567 World_This is a Regex Demo'
print(len(content)) # 41# 使用re.compile()函数创建一个正则表达式模式对象pattern，模式是 r'^Hello\s\d\d\d\s\d{4}\s\w{10}'。该模式用来匹配以"Hello"开头，后面跟着一个空白字符，然后是三个数字，再一个空白字符，接着是四个数字，再是一个空白字符，最后是十个字母数字或下划线的字符串
pattern=re.compile(r'^Hello\s\d\d\d\s\d{4}\s\w{10}')
# 调用re.match(pattern, content)对content进行匹配，返回结果保存在result中
result=re.match(pattern,content)print(result) # 打印匹配结果，结果是一个匹配对象
print(result.group()) # 打印匹配对象中与模式匹配的字符串
print(result.span()) # 打印匹配的位置，即匹配的字符串在原始字符串中的起始位置和结束位置
运行结果：
2.正则表达式匹配目标
#匹配目标#group()会输出完整的匹配结果，而group(1)会输出第一个被()包围的匹配结果
import re
content='Hello 1234567 World_This is a Regex Demo' # 被匹配的文本字符串
pattern=re.compile(r'^Hello\s(\d{7})\s(\w{5})') # 编译后的正则表达式对象，其含义是：# ^Hello：匹配以 "Hello" 开头的字符串# \s：匹配一个空白字符（例如空格）# (\d{7})：匹配七位数字，并将这七位数字作为一个分组。# \s：再次匹配一个空白字符# (\w{5})：匹配五个字母数字或下划线字符，并将这五个字符作为一个分组
result = re.match(pattern,content) # 执行匹配
print(result)
print(result.group())
print(result.group(1))
print(result.group(2))
print(result.span())
运行结果：
3.正则表达式中的贪婪匹配与非贪婪匹配
在正则表达式中，贪婪匹配和非贪婪匹配是两种常见的匹配策略，它们决定了正则表达式如何从字符串中匹配字符。**贪婪匹配（Greedy matching）**是正则表达式的默认行为。在贪婪匹配模式下，正则表达式会尽可能多地匹配字符，直到无法继续匹配为止。即使这种匹配超过了必要的最小匹配，它也会继续尝试匹配更多的字符。非贪婪匹配（Non-greedy matching），又称最小匹配或懒惰匹配，是通过在量词（如*, +, ?, {n,}）后面加上一个?来启用的。在非贪婪模式下，正则表达式会尽可能少地匹配字符。
1.贪婪匹配
代码示例：
#贪婪匹配与非贪婪匹配# 01贪婪匹配
import re
content='Hello 1234567 World_This is a Regex Demo'
# 编译一个正则表达式模式pattern，模式是 r'^He.*(\d+).*Demo$'
# ^He：表示字符串以 "He" 开头。
# .*：表示匹配任意个（包括0个）任意字符，. 表示任意字符，* 表示任意次数，这是一个贪婪模式，会尽可能多地匹配字符
# (\d+)：括号表示一个分组，\d+ 表示匹配一个或多个数字。由于前面的 .* 是贪婪的，所以这个表达式会尽可能少地匹配数字，只要能满足整个表达式的匹配
# .*Demo$：再次使用 .* 进行贪婪匹配，Demo$ 表示字符串以 "Demo" 结尾
pattern=re.compile(r'^He.*(\d+).*Demo$')
result=re.match(pattern,content)
print(result) # 查看匹配结果，若匹配成功，则result是一个匹配对象；若失败，则为 None
print(result.group()) # 获取整个匹配的字符串，应输出'Hello 1234567 World_This is a Regex Demo'
print(result.group(1)) # 获取第一个分组的内容，即 \d+ 匹配的部分。因为 .* 的贪婪性，它尽可能地匹配了除最后一个数字以外的所有内容，所以group(1)应该只包含 '7'
运行结果：
2.非贪婪匹配
代码示例：
#02 非贪婪匹配
import re
content='Hello 1234567 World_This is a Regex Demo'
# He：匹配文本中的"Hello"的开头的"He"
# .*?：这是一个非贪婪的匹配，匹配尽可能少的任意字符直到遇到下一个符合模式的字符。因为它后面跟着\d+，所以它会停在数字开始的地方
# (\d+)：这是一个捕获组，用于匹配一个或多个数字（\d+），并将这些数字作为一个分组保存，以便后面可以单独访问。
# .*：匹配从数字之后到字符串末尾前的任意字符
# Demo$：匹配字符串末尾的"Demo"，$表示字符串的结束。
pattern=re.compile(r'He.*?(\d+).*Demo$')
result=re.match(pattern,content)
print(result)
print(result.group())
print(result.group(1)) # group(1)返回第一个捕获组的内容，在这个例子中，是字符串中的第一串数字1234567。
运行结果：
3.注意
需要注意的是，如果匹配的结果在字符串结尾，.*?就有可能匹配不到任何内容，因为它会匹配尽可能少的字符，例如：
import re
content='https://www.baidu.com/search/error.html'
result1=re.match(r'^https.*search/(.*)',content) # 贪婪匹配模式
result2=re.match(r'https.*search/(.*?)',content) # 非贪婪匹配模式
print("result1: ", result1.group(1))
print("result2: ",result2.group(1))
运行结果：
4.正则表达式中的修饰符
正则表达式可以包含一些可选标志修饰符来控制匹配的模式，而修饰符被指定为一个可选的标志。以下代码演示了如何使用正则表达式的修饰符来控制匹配的模式，特别是re.S修饰符的用法。
#修饰符import re
content = '''Hello 1234567 World_This
is a Regex Demo'''# r'^He.*?(\d+).*?Demo$'：这是正则表达式模式：
# ^He：^表示匹配必须从字符串的开始处开始，He则匹配字符串开始的"Hello"中的"He"
# .*?：非贪婪模式匹配任意字符，尽可能少的匹配直到下一个符合条件的字符
# (\d+)：捕获组，匹配一个或多个数字
# .*?：再次使用非贪婪模式匹配任意字符，直到遇到最后的"Demo"
# Demo$：匹配字符串的末尾，必须以"Demo"结束
# re.S（或re.DOTALL）：这个修饰符使.特殊字符能够匹配任何字符，包括换行符（默认情况下，.不匹配换行符）
pattern=re.compile(r'^He.*?(\d+).*?Demo$',re.S)
result=re.match(pattern,content)
print(result.group(1)) # 打印第一个捕获组的内容，即字符串中的数字1234567# 由于使用了re.S修饰符，正则表达式可以跨越多行来找到匹配项。如果没有这个修饰符，.字符就不能匹配换行符，导致匹配失败。在这个例子中，使用re.S允许.*?匹配包括换行符在内的任意字符，从而正确地匹配并捕获所需的数字
运行结果：
5.转义匹配
使用Python的正则表达式库来匹配具有特殊字符的字符串。
代码示例：
# 转义匹配
import re
content='(百度)www.baidu.com'
# \(百度\)：因为圆括号()在正则表达式中是特殊字符（用于定义捕获组），所以需要使用反斜杠\进行转义，使其表示字面意义上的括号
# www\.baidu\.com：同样的，点.也是一个特殊字符，它通常用来匹配除换行符之外的任何单个字符。在这里，我们需要匹配字面上的点，因此使用\.进行转义
pattern=re.compile(r'\(百度\)www\.baidu\.com')
result=re.match(pattern,content)
print(result.group())
运行结果：
6 search()方法匹配字符串
# search()
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'pattern=re.compile('He.*?(\d+).*Demo')
# 使用search方法在content字符串中搜索第一个符合pattern定义的模式的匹配。不同于match方法，search不要求模式从字符串的开头开始匹配，它会在整个字符串中搜索匹配
result=re.search(pattern,content)
print(result.group())
print(result.group(1))
运行结果：
7.使用正则表达式根据要求匹配歌手和歌曲
import re
# html这个字符串包含了HTML代码片段，其中包括了一个包含音乐列表的 <div> 元素
html = '''<div id="songs-list"><h2 class="title">经典老歌</h2><p class="introduction">经典老歌列表</p><ul id="list" class="list-group"><li data-view="2">一路上有你</li><li data-view="7"><a href="/2.mp3" singer="任贤齐">沧海一声笑</a></li><li data-view="4" class="active"><a href="/3.mp3" singer="齐秦">往事随风</a></li><li data-view="6"><a href="/4.mp3" singer="beyond">光辉岁月</a></li><li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li><li data-view="5"><a href="/6.mp3" singer="邓丽君"><i class="fa fa-user"></i>但愿人长久</a></li></ul>
</div>'''# 正则表达式模式：
# <li.*? 匹配一个 <li> 标签及其可能的其他属性。
# active 匹配 class 属性中包含了 active 字符串的 <li> 元素。
# singer="(.*?)" 匹配 singer 属性值中的歌手名字。
# >(.*?)</a> 匹配了 <a> 标签中的文本内容，也就是歌曲名字。
# html 是待匹配的字符串。
# re.S 是一个标志，指定了在匹配中应该将换行符也视为普通字符。
result=re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>',html,re.S)if result:print(result.group(1), result.group(2))
运行结果：
8.正则表达式中的sub()方法
使用Python中re模块的 sub()方法，用于替换字符串中与指定正则表达式模式匹配的部分。
代码示例：
#sub()方法
import re
content = '54aK54yr5oiR54ix5L2g'
# 这行代码使用了re模块的sub()方法来替换字符串content中匹配正则表达式模式\d+的部分为空字符串
# \d+ 是一个正则表达式模式，匹配一个或多个数字字符。
# ''是要替换匹配部分的内容，这里是空字符串，表示删除匹配到的数字
# content是待处理的字符串。
result=re.sub('\d+','',content)
print(result)
运行结果：
9.正则表达式处理日志内容
# 定义一个字符串变量log，其中包含一个日志条目，记录了日期、时间、日志级别和消息内容
log='2017-06-06 15:06:16,148 - root - DEBUG - logger debug message'
print(log.split('-')) # '-'是指定的分隔符，split()方法将根据这个分隔符来拆分字符串。将日志条目中的每个部分分隔开，并以列表的形式打印出来。
运行结果：
10.正则表达式中的findall()函数
# findall() 函数，用于在给定的字符串中查找所有与指定正则表达式模式匹配的部分。import re# 这行代码定义了一个字符串content，其中包含了一个HTML锚点链接。HTML锚点链接是一种在网页中创建超链接的方式，它允许用户点击链接跳转到同一页面的不同位置。这些位置通常是页面上的特定部分，例如标题、段落或者其他元素。
content='<a href="http://www.baidu.com">baidu</a>'
# 使用 re.compile()函数创建一个正则表达式对象 pattern，该对象用于匹配HTML锚点链接的<a>标签
# <a href="(.*?)">(.*?)</a>是一个正则表达式模式，它匹配了一个<a>标签，其中包含了href属性和链接文本
# (.*?) 是非贪婪匹配，用于捕获 href 属性值和链接文本
pattern=re.compile('<a href="(.*?)">(.*?)</a>')
# findall（）函数在给定的字符串content中查找所有与正则表达式模式匹配的部分，并返回一个包含所有匹配项的列表
result=re.findall(pattern,content)
print(result)
print(result[0]) # 打印出了结果列表中的第一个匹配项
print(result[0][0]) # 打印出了第一个匹配项中的第一个捕获组，即链接的href属性值。href属性是 HTML<a>元素中的一个属性，用于指定超链接的目标地址（Hypertext REFerence）
运行结果：
以上内容总结自网络，整理不易，如有帮助欢迎转发，我们下次再见！
