Python3 正则表达式

Python3 正则表达式

• Python 3 使用 re 模块处理正则表达式，适合匹配和操作字符串模式。
• 导入 re 模块后，可用 search、match、sub 等函数进行模式匹配和替换。
• 建议使用原始字符串（如 r'\d'）编写模式，避免反斜杠问题。
• 正则表达式语法包括 .（匹配任意字符）、\d（匹配数字）、*（零或多次重复）等。

模块概述

Python 3 的 re 模块提供与 Perl 类似的正则表达式功能，支持 Unicode 和字节字符串，但不能混用。常用函数如 re.search() 在字符串中查找模式，re.match() 检查字符串开头是否匹配，re.sub() 用于替换匹配的模式。

示例

以下示例检查字符串是否包含数字：

import re
string = "Hello 123"
if re.search(r'\d', string):
    print("包含数字")
else:
    print("不包含数字")

输出为“包含数字”，因为字符串中有数字。

语法基础

正则表达式有特殊符号：

• . 匹配除换行外的任意字符。
• \d 匹配单个数字。
• \w 匹配字母、数字或下划线。
• * 表示零或多次重复。
• + 表示一次或多次重复。
• [abc] 匹配 a、b 或 c。
• [^abc] 匹配除 a、b、c 外的任意字符。

更多详情请参考官方文档 re — 正则表达式操作 和 正则表达式指南。

---

详细报告

本文旨在全面介绍 Python 3 中的正则表达式（正则表达式），涵盖其基本概念、模块功能、语法规则及实际示例，适合初学者和有一定基础的用户参考。以下内容基于权威资源和示例分析，确保信息准确且实用。

背景与模块介绍

正则表达式是一种用于匹配字符串的强大工具，广泛应用于文本处理、数据提取和验证等场景。在 Python 3 中，通过内置的 re 模块实现正则表达式功能。该模块提供与 Perl 类似的匹配操作，支持 Unicode 字符串（str）和 8 位字节串（bytes），但两者不能混用。例如，Unicode 字符串模式不能与字节串匹配，反之亦然，替换字符串的类型也需与模式和搜索字符串一致。

re 模块的源代码位于 Lib/re/，其功能包括模式匹配、搜索和替换等。大多数操作可通过模块函数（如 re.search()）直接调用，也可通过编译正则表达式对象（如 re.compile()）进行优化，适合重复使用场景。文档还提到第三方模块 regex 提供更多功能和增强的 Unicode 支持，适合高级用户。

核心功能与使用方法

re 模块提供多种函数，满足不同需求。以下是常见函数的概述：

• re.search(pattern, string): 在字符串中查找模式，返回第一个匹配项的 Match 对象，若无匹配返回 None。
• re.match(pattern, string): 检查字符串开头是否匹配模式，仅在开头匹配时返回 Match 对象，否则返回 None。
• re.fullmatch(pattern, string): 检查整个字符串是否完全匹配模式，若匹配返回 Match 对象，否则返回 None。
• re.sub(pattern, repl, string): 替换字符串中所有匹配模式的子串，返回替换后的新字符串。
• re.findall(pattern, string): 返回字符串中所有非重叠匹配的列表。
• re.finditer(pattern, string): 返回一个迭代器，包含所有匹配的 Match 对象，适合获取匹配位置信息。

这些函数的使用通常建议采用原始字符串（如 r'\d'），因为正则表达式中反斜杠（\'）有特殊含义，与 Python 字符串字面值的转义冲突。例如，r"\n" 表示 '\' 和 'n'，而 "\n" 表示换行符。这种做法避免了无效转义序列的 SyntaxWarning，并在未来版本可能升级为 SyntaxError。

实际示例分析

以下是几个典型示例，展示 re 模块的实际应用：

1. 检查字符串是否包含数字
   示例代码：

   import re
   string = "Hello 123"
   if re.search(r'\d', string):
       print("包含数字")
   else:
       print("不包含数字")
   

   输出为“包含数字”，因为字符串中有数字“123”。这里使用 r'\d' 匹配任意数字，re.search() 查找任意位置的匹配。

2. 搜索与匹配的区别

   • re.match("c", "abcdef") 返回 None，因为“c”不在字符串开头。
   • re.search("c", "abcdef") 返回 Match 对象，因为“c”在字符串中。
   • re.fullmatch("p.*n", "python") 返回 Match 对象，因为整个字符串“python”匹配模式“p.*n”（p 后面任意字符到 n）。
     这展示了 match() 只检查开头，search() 检查任意位置，fullmatch() 要求完全匹配。

3. 文本替换
   示例：使用 re.sub() 移除非数字内容。

   import re
   phone = "2004-959-559 # 这是一个电话号码"
   num = re.sub(r'\D', "", phone)  # 移除非数字字符
   print("电话号码 :", num)
   

   输出为“2004959559”，通过 r'\D' 匹配非数字字符并替换为空。

这些示例体现了 re 模块的灵活性，适合各种字符串处理任务。

正则表达式语法详解

正则表达式的核心在于其语法规则，定义了如何描述匹配模式。以下是基本语法总结，基于官方文档 正则表达式指南：

类别	详情	示例
匹配字符	- 普通字母和符号直接匹配自身（如 test 匹配“test”）。 - 特殊元字符：`. ^ $ * + ? { } [ ] \	( )（共 12 个，含义后续讨论）。<br>- 字符类 [ ]：[abc] 匹配 'a'、'b' 或 'c'；[a-z] 匹配小写字母。<br>- 否定：[^5]匹配除 '5' 外的任意字符。<br>- 转义：用` 转义元字符，如 \[ 匹配 ‘[’。 - 预定义集：\d（[0-9]）、\D（[^0-9]）、\s（[ \t\n\r\f\v]）、\S（[^ \t\n\r\f\v]）、\w（[a-zA-Z0-9_]）、\W（[^a-zA-Z0-9_]）。 - . 匹配除换行外的任意字符，re.DOTALL 标志可包含换行（详见 re.DOTALL）。
重复	- *：零或多次，贪婪匹配（如 ca*t 匹配“ct”、“cat”、“caaat”）。 - +：一次或多次（如 ca+t 匹配“cat”、“caaat”，不匹配“ct”）。 - ?：零或一次，使可选（如 home-?brew 匹配“homebrew”或“home-brew”）。 - {m,n}：至少 m 次，至多 n 次（如 a/{1,3}b 匹配“a/b”、“a//b”、“a///b”）。 - 简写：{0,} = *，{1,} = +，{0,1} = ?。	ca*t, ca+t, home-?brew, a/{1,3}b

这些规则构成了正则表达式的核心，结合 re 模块函数可实现复杂匹配。例如，r'\d+' 匹配一个或多个数字，r'[a-z]+' 匹配连续的小写字母。

高级应用与注意事项

对于高级用户，re 模块支持编译正则表达式对象以提高效率。例如：

pattern = re.compile(r'\d+')
result = pattern.search("Hello 123")

编译后可重复使用，适合处理大量数据。此外，文档提到正则表达式会被编译为字节码，由 C 语言编写的匹配引擎执行，优化可能涉及调整模式以生成更快的字节码，但本文不深入探讨优化细节。

需要注意的还有反斜杠处理问题。由于 Python 字符串字面值和正则表达式均使用反斜杠，建议始终使用原始字符串（如 r"text"），避免转义冲突。例如，r"\n" 表示 '\' 和 'n'，而 "\n" 表示换行符。

资源与进一步学习

为帮助用户深入学习，以下是推荐的权威资源：

• 官方文档 re — 正则表达式操作 提供全面的函数参考和语法说明。
• 教程 正则表达式指南 以更平易的方式介绍正则表达式使用，适合初学者。
• 在线教程如 [Python3 正则表达式 提供示例和实践指导，适合中文用户。

这些资源涵盖理论和实践，适合不同水平的用户探索正则表达式的更多功能。

总结

Python 3 的 re 模块为正则表达式提供了强大支持，通过简单函数和灵活语法，用户可轻松实现字符串匹配、替换和提取等任务。结合示例和官方文档，用户可快速上手并深入学习，满足各种开发需求。

关键引用

• re — 正则表达式操作
• 正则表达式指南