正则表达式
正则表达式是一种描述文本模式的语言，Python通过re模块提供了对正则表达式的支持，使其成为文本处理、数据洗白和信息提取的强大工具。
正则表达式基本语法
| 元字符 | 描述 |
|---|---|
. | 匹配任意单个字符（除了换行符） |
^ | 匹配字符串的开头 |
$ | 匹配字符串的结尾 |
* | 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 |
[] | 匹配方括号中的任意一个字符 |
() | 分组和捕获 |
\d | 匹配数字，等价于[0-9] |
\w | 匹配字母、数字或下划线，等价于[a-zA-Z0-9_] |
\s | 匹配空白字符 |
re模块核心函数
- match(): 从字符串开头匹配
import retext = "Hello, World!"match = re.match(r'Hello', text)if match: print("匹配成功:", match.group()) # 输出: 匹配成功: Hello- search(): 搜索整个字符串
text = "Price: $19.99"match = re.search(r'\$\d+\.\d+', text)if match: print("找到价格:", match.group()) # 输出: 找到价格: $19.99- findall():找到所有匹配项
text = "Email1: user@example.com, Email2: admin@company.net"emails = re.finditer(r'[\w.-]+@[\w.-]+\.\w+', text)for email in emails: print("找到邮箱:", email.group())- finditer()：返回匹配的迭代器
text = "Email1: user@example.com, Email2: admin@company.net"emails = re.finditer(r'[\w.-]+@[\w.-]+\.\w+', text)for email in emails: print("找到邮箱:", email.group())- sub()：替换匹配的文本
text = "Phone numbers: 123-456-7890, 987-654-3210" masked = re.sub(r'(\d{3})-(\d{3})-(\d{4})', r'\1-***-\4', text) print("掩码后的号码:", masked) # 输出: 掩码后的号码: 123-***-7890, 987-***-3210正则表达式进阶技巧
- 分组与捕获使用圆括号() 进行分组，分组可以被引用和捕获
text = "Date: 2023-11-15"match = re.match(r'(\d{4})-(\d{2})-(\d{2})', text)if match: year, month, day = match.groups() print(f"年: {year}, 月: {month}, 日: {day}") # 输出: 年: 2023, 月: 11, 日: 15match.group()方法是一个管理捕获的一个核心工具，用于捕获匹配对象中的特定部分。当正则表达式成功匹配文本后，match.group()方法允许提取出具体的内容，无论是整个匹配结果还是特定的捕获组。
基本语法：match.group(）- 无参数：返回整个匹配的字符串- 整数参数：返回指定捕获的内容- 多个参数：返回多个捕获的元祖- 命名组参数：返回指定命名组的内容
import re# 示例文本text = "Hello, my email is user@example.com and phone is 123-456-7890."# 定义一个包含多个捕获组的正则表达式pattern = r'(\w+)@(\w+\.\w+)|(\d{3})-(\d{3})-(\d{4})'match = re.search(pattern, text)if match: # 0. 检查匹配是否成功 print("匹配成功!") # 1. 无参数：获取整个匹配内容 print("整个匹配:", match.group()) # 输出: user@example.com # 2. 单个整数参数：获取特定捕获组 print("捕获组1:", match.group(1)) # 输出: user (邮箱用户名) print("捕获组2:", match.group(2)) # 输出: example.com (邮箱域名) # 3. 多个参数：获取多个捕获组 print("捕获组1和2:", match.group(1, 2)) # 输出: ('user', 'example.com') # 4. 使用groups()方法获取所有捕获组 print("所有捕获组:", match.groups()) # 输出: ('user', 'example.com', None, None, None) # 5. 捕获组索引从1开始，0表示整个匹配 print("捕获组0:", match.group(0)) # 输出: user@example.com