Python 正则表达式实战:从入门到精通

自学Python爬虫简单入门到进阶(一):正则表达式+lxml+requests+Beautiful Soup+基础 网络爬虫(又被称为网页蜘蛛、网络机器人,在FOAF社区中,更经常地称为网页追逐者)是一种按照一定的规则,自动抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。 爬虫入手容易,但是深入较难,如何写出高效率的爬虫,如何写出灵活性高可扩展的爬虫都是一项技术活。另外在爬虫过程中,经常容易遇到被反爬虫,比如字体反爬、IP识别、验证码等,如何层层攻克难点拿到想要的数据,这些问题往往会困扰到学习爬虫的小伙伴。 今天给大家分享99篇【Python爬虫】相关精选学习资料,其中... 阅读详情

Python 正则表达式实战:从入门到精通

引言

大家好,我是一名正在从Rust转向Python的后端开发者。在日常开发中,字符串处理是必不可少的环节,而正则表达式就是处理字符串的一把利器。作为从Rust过来的开发者,我发现Python的正则表达式模块re虽然语法上与Rust的regex crate有所不同,但功能同样强大。今天,我想和大家分享一下我在Python正则表达式学习和实践中的一些经验。

正则表达式基础

什么是正则表达式?

正则表达式(Regular Expression)是一种用于匹配字符串模式的工具。它可以帮助我们快速地进行字符串搜索、替换、验证等操作。

Python中的正则表达式模块

Python提供了re模块来支持正则表达式操作。让我们先来看一个简单的例子:

import re

# 匹配邮箱地址
pattern = r'[\w.-]+@[\w.-]+\.\w+'
text = '请联系我:john.doe@example.com 或 jane_smith@company.org'

matches = re.findall(pattern, text)
print(matches)  # 输出: ['john.doe@example.com', 'jane_smith@company.org']

常用正则表达式语法

字符类

语法含义示例
.匹配任意字符(除换行符)a.c 匹配 abc, a1c
\d匹配数字\d{3} 匹配3位数字
\w匹配字母、数字、下划线\w+ 匹配单词
\s匹配空白字符\s+ 匹配多个空格
[abc]匹配字符集中的任意一个[aeiou] 匹配元音
[^abc]匹配不在字符集中的字符[^0-9] 匹配非数字

量词

语法含义示例
*匹配0次或多次a* 匹配 '', a, aa
+匹配1次或多次a+ 匹配 a, aa, aaa
?匹配0次或1次colou?r 匹配 color, colour
{n}精确匹配n次a{3} 匹配 aaa
{n,m}匹配n到m次a{2,4} 匹配 aa, aaa, aaaa

锚点

语法含义示例
^匹配字符串开头^Hello 匹配以Hello开头
$匹配字符串结尾world$ 匹配以world结尾
\b匹配单词边界\bword\b 匹配独立单词

分组与捕获

# 使用分组提取信息
pattern = r'(\d{4})-(\d{2})-(\d{2})'
text = '日期:2026-05-08'

match = re.search(pattern, text)
if match:
    year = match.group(1)  # '2026'
    month = match.group(2)  # '05'
    day = match.group(3)  # '08'
    print(f'{year}年{month}月{day}日')

实际应用场景

场景1:数据清洗与提取

假设我们有一段包含电话号码的文本,需要提取所有中国大陆手机号码:

import re

text = '''联系我们:
手机:13812345678
电话:010-12345678
备用手机:15987654321
传真:021-87654321'''

# 匹配中国大陆手机号(以1开头,11位数字)
pattern = r'1[3-9]\d{9}'
phones = re.findall(pattern, text)
print(phones)  # 输出: ['13812345678', '15987654321']

场景2:表单验证

在Web开发中,我们经常需要验证用户输入:

def validate_email(email):
    pattern = r'^[\w.-]+@[\w.-]+\.\w+$'
    return bool(re.match(pattern, email))

def validate_url(url):
    pattern = r'^https?://[\w.-]+(\.[\w.-]+)+[/\w.-]*$'
    return bool(re.match(pattern, url))

# 测试
print(validate_email('test@example.com'))  # True
print(validate_email('invalid-email'))     # False
print(validate_url('https://www.example.com/path'))  # True

场景3:文本替换

将文本中的HTML标签去除:

import re

html_text = '<p>Hello <strong>World</strong>!</p>'

# 去除HTML标签
clean_text = re.sub(r'<[^>]+>', '', html_text)
print(clean_text)  # 输出: 'Hello World!'

场景4:日志分析

从日志文件中提取关键信息:

import re

log_text = '''
2026-05-08 10:30:23 INFO [main] User 'admin' logged in from 192.168.1.100
2026-05-08 10:35:45 ERROR [api] Database connection failed
2026-05-08 10:40:00 WARN [worker] High memory usage detected: 85%
'''

# 提取日志级别和消息
pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) (\w+) \[(\w+)\] (.+)'
matches = re.findall(pattern, log_text)

for match in matches:
    timestamp, level, module, message = match
    print(f'[{level}] {message}')

高级技巧

命名分组

使用命名分组可以让代码更清晰:

pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
text = '2026-05-08'

match = re.match(pattern, text)
if match:
    print(match.group('year'))   # '2026'
    print(match.group('month'))  # '05'
    print(match.group('day'))    # '08'
    print(match.groupdict())     # {'year': '2026', 'month': '05', 'day': '08'}

非贪婪匹配

默认情况下,正则表达式是贪婪的,会匹配尽可能多的字符:

text = '<div>content1</div><div>content2</div>'

# 贪婪匹配(默认)
greedy_pattern = r'<div>.*</div>'
print(re.findall(greedy_pattern, text))  
# 输出: ['<div>content1</div><div>content2</div>']

# 非贪婪匹配
non_greedy_pattern = r'<div>.*?</div>'
print(re.findall(non_greedy_pattern, text))  
# 输出: ['<div>content1</div>', '<div>content2</div>']

正向预查和负向预查

# 正向预查:匹配后面跟着特定模式的内容
pattern = r'\d+(?=元)'
text = '价格:100元,优惠价:80元'
print(re.findall(pattern, text))  # 输出: ['100', '80']

# 负向预查:匹配后面不跟着特定模式的内容
pattern = r'\d+(?!元)'
text = '数量:50个,价格:100元'
print(re.findall(pattern, text))  # 输出: ['50']

编译正则表达式

对于需要多次使用的正则表达式,预编译可以提高性能:

import re

# 预编译正则表达式
pattern = re.compile(r'[\w.-]+@[\w.-]+\.\w+')

# 多次使用
text1 = '联系邮箱:test@example.com'
text2 = '备用邮箱:admin@company.org'

print(pattern.findall(text1))  # ['test@example.com']
print(pattern.findall(text2))  # ['admin@company.org']

常见问题与解决方案

问题1:转义字符问题

Python字符串中的反斜杠需要转义,使用原始字符串可以避免这个问题:

# 不推荐:需要双重转义
pattern = '\\d+'

# 推荐:使用原始字符串
pattern = r'\d+'

问题2:性能问题

对于非常大的文本或复杂的正则表达式,可能会遇到性能问题:

import re
import time

# 优化前:复杂正则表达式
pattern = r'(a|b|c|d|e)+'
text = 'a' * 100

start = time.time()
re.match(pattern, text)
print(f'耗时: {time.time() - start:.2f}秒')

# 优化后:简化正则表达式
pattern = r'[abcde]+'
start = time.time()
re.match(pattern, text)
print(f'优化后耗时: {time.time() - start:.2f}秒')

问题3:贪婪匹配导致的意外结果

text = 'Hello World!'

# 贪婪匹配可能导致意外结果
pattern = r'H.*o'
print(re.findall(pattern, text))  # ['Hello Wo']

# 使用非贪婪匹配
pattern = r'H.*?o'
print(re.findall(pattern, text))  # ['Hello']

实战项目:URL参数解析器

让我们创建一个实用的URL参数解析器:

import re
from urllib.parse import urlparse

def parse_url_parameters(url):
    """解析URL中的查询参数"""
    parsed = urlparse(url)
    query_string = parsed.query
    
    # 匹配key=value模式
    pattern = r'([^=&]+)=([^&]*)'
    matches = re.findall(pattern, query_string)
    
    # 转换为字典
    params = {}
    for key, value in matches:
        params[key] = value
    
    return params

# 测试
url = 'https://www.example.com/search?q=python&page=2&sort=desc'
params = parse_url_parameters(url)
print(params)  # {'q': 'python', 'page': '2', 'sort': 'desc'}

与Rust正则表达式的对比

作为从Rust转向Python的开发者,我想分享一下两者的对比:

特性Python reRust regex
语法传统正则表达式PCRE兼容
性能一般非常快
编译运行时编译编译时验证
Unicode支持需要指定标志默认支持
错误处理返回None或空列表返回Result

总结

正则表达式是Python开发者必备的技能之一。通过掌握正则表达式,我们可以高效地处理各种字符串操作任务。

在实际应用中,我建议:

  1. 对于简单的字符串操作,优先使用字符串方法(如str.find(), str.split()等)
  2. 对于复杂的模式匹配,使用正则表达式
  3. 对于需要多次使用的正则表达式,进行预编译
  4. 注意贪婪匹配和非贪婪匹配的区别
  5. 使用命名分组提高代码可读性

希望这篇文章能帮助你更好地理解和应用Python正则表达式。如果你有任何问题或建议,欢迎在评论区留言讨论!


延伸阅读:

python从入门到精通pdf下载,python3.8从入门到精通pdf 从0开始学Python,就问你一句:慌不慌?说句实在的,慌,可能是因为你自己没有完整的规划,其实就是不知道从何下手,七七八八乱学一通自然还是觉得无厘头。但今天,我要跟你讲,莫慌!恰好前几天从朋友那得到一套最强 “Python编程三剑客”:《Python编程:从入门到实践》+《Python编程快速上手-让繁琐工作自动化》+《Python极客项目编程-完整版》,翻阅之后,我大致地整理了一番(pdf),很硬核! 阅读详情

相关推荐

python入门到精通pdf微盘,python3.8从入门到精通pdf

Python从入门到精通》从初学者角度出发,通过通俗易懂的语言、丰富多彩的实例,详细介绍了使用Python进行程序开发应该掌握的各方面技术。全书共分22章,包括初识Python、Python语言基础、运算符与表达式、流程控制语句、列表与元组、字典与集合、字符串、Python中使用正则表达式、函数、面向对象程序设计、模块、异常处理及程序调试、文件及目录操作、操作数据库、GUI界面编程、Pygame游戏编程、网络爬虫开发、使用进程和线程、网络编程、Web编程、Flask框架、e起去旅行网站等。

Fixf4556的博客 1107

Python正则表达式实战指南:从入门到精通re模块

正则表达式是一种描述字符串模式的表达式语言。查找字符串中是否包含某种模式提取字符串中的特定内容替换某些字段分割字符串例如,正则表达式r'\d+'可以匹配任意数字字符串,如'123''456789'。Python内置的re模块支持Perl风格的正则表达式,功能强大,广泛应用于文本处理场景。场景推荐方法精准匹配开头re.match()全文搜索多次匹配提取多个字段替换内容re.sub()分割字符串re.split()复杂逻辑匹配使用命名子组和断言✅ 建议使用预编译表达式以提升性能。

钢铁男儿 964

RS485设备联网避坑指南:塔石串口服务器在MODBUS平台中的3个关键配置项

本文针对塔石串口服务器在MODBUS物联网平台接入中的常见问题,详细解析了三个关键配置项:工作模式选择、远程端口与保活机制、寄存器映射与轮询策略。通过对比错误与正确配置案例,帮助工程师避开配置陷阱,实现RS-485设备的稳定、高效联网,提升批量部署的成功率与系统可靠性。

weixin_29281941的博客 410

Python 正则表达式全攻略:从入门到精通实战教程

本文全面且深入地介绍了 Python 中re模块的正则表达式用法。从基础概念出发,详细讲解了匹配字符、元字符的各种用法;深入探讨了重复匹配的机制,包括贪婪与非贪婪模式;全面阐述了在 Python 中使用正则表达式的具体方式,涵盖编译、匹配、修改字符串等操作;还介绍了更多模式能力,如分组、断言等高级特性;通过数据清洗、日志分析、代码检查等实际项目案例,展示了正则表达式在真实场景中的强大应用;最后总结了常见问题及解决方法。

Tekin 是深耕技术 20 年的全栈实战派专家,精通 Go/Python/Java 等多语言开发。博客专注技术原理与实战结合,深度解析 Python 高阶编程、Go 语言架构、数据库优化等硬核内容。涵盖并发编程、机器学习、云原生等前沿领域,通过真实案例拆 1134

MRI多序列,多中心数据集预处理--使用FSL-Flirt 配准数据

FLIRT(FMRIB 的线性图像配准工具)是用于线性(仿射)模态内和模态间脑图像配准的全自动稳健且准确的工具。 什么是配准 在这两张图片上,很容易看出它们没有对齐,左边相对右边倾斜,虽然我们人类视觉系统还是能把对应的解剖关系连系在一起,但是我们使用计算机分析时确不能够 因此,我们希望相同的解剖结构对齐,用坐标表示的话,希望他们在相同的坐标上。如下图 对齐这些解剖结构的过程就叫做配准(register) 因此,配准的目的也是使相同的解剖结构在同一个位置,便于分析。可以将CT和MRI配准,看同一结构在两个

Tina姐的博客 1万+

用python将dycom .dcm格式图像转换为nifti .nii

因为发现目前搜索到的多数中文教程并不能正确将FMRI图像正确转换,例如很多用simpleITk的seriesreader的,所以写了一下自己正确转换的方法。因为FMRI是一个4D数据,有时间轴,所以用seriesreader读写出来的图像把时间轴维度给降维了。当然你用SPM12工具的dycom import也是能正确转换的,但是我还是喜欢python这样的,代码直接简单。

qq_41103479的博客 3611

Python正则表达式从入门到精通:核心语法与实战应用详解

正则表达式作为文本处理的强大工具,其核心在于通过特定语法模式实现字符串的高效匹配与提取。从基础元字符到分组捕获,再到贪婪与非贪婪匹配,正则表达式构建了一套完整的模式描述语言。在Python开发中,re模块提供了match、search、findall等核心API,结合零宽断言、标志位等高级特性,能够显著提升文本处理效率。无论是数据清洗、日志分析还是表单验证,正则表达式都是解决文本处理问题的利器。本文通过实战场景解析,深入讲解Python正则表达式的核心语法与高级技巧,帮助开发者掌握这一文本处理的瑞士军刀。

weixin_34174322的博客 371

Linux SMP系统多核启动机制详解

对称多处理(SMP)是现代操作系统支持多核并行计算的基础架构。其核心原理是通过引导处理器(BSP)初始化系统环境后,通过处理器间中断(IPI)机制唤醒应用处理器(AP)。在x86架构中,AP启动时处于实模式,需要特殊的trampoline代码完成保护模式切换和分页设置。这种设计既保证了系统初始化的正确性,又实现了多核并行处理的性能优势。理解SMP启动流程对优化系统启动速度和调试多核问题至关重要,特别是在云计算和嵌入式系统中,高效的SMP初始化能显著提升系统响应能力。本文以Linux内核为例,深入解析了从BS

weixin_35006125的博客 294

Python正则表达式从入门到精通:10个核心概念与实战技巧

正则表达式是文本处理的瑞士军刀。本文从Python re模块基础讲起,涵盖常用元字符、贪婪与非贪婪、分组与捕获、re.compile编译、正则性能优化等核心内容,配合超过10个可运行示例,助你彻底掌握Python正则。

Roufsi的博客 229

NX二次开发(python)-坯料尺寸(一)

一般在产品制造过程中,往往要判断一个模型在出模方向上的最小包容盒尺寸,在NX中可以用坯料尺寸命令实现,当然也有相应的代码实现,这或许可以帮助我们实现一些产品的坯料尺寸批量输出,节省人力。

dasfanfan的博客 823

Matlab实战:用递归最小二乘法(RLS)搞定动态系统参数辨识(附完整代码)

本文通过Matlab实战,详细介绍了如何利用递归最小二乘法(RLS)进行动态系统参数辨识。文章从理论优势切入,提供了完整的仿真数据生成、RLS算法核心实现代码,并对参数收敛过程、预测误差及不同遗忘因子的影响进行了可视化分析与性能评估,为工程实践提供了清晰的指南。

weixin_29035405的博客 505

Python正则表达式实战:re.findall()从入门到精通

本文深入讲解Python中re.findall()方法的使用技巧,从基础匹配到高级分组捕获,再到性能优化与常见陷阱。通过实际案例展示如何高效提取电话号码、清洗网页数据、处理中文字符等,帮助开发者掌握正则表达式的核心应用场景。

weixin_32487557的博客 370

如何理解下一代ERP 即:华为MetaERP

如何理解下一代ERP 即:华为MetaERP 华为的 MetaERP核心定位: 华为MetaERP是华为公司自主研发的下一代企业核心商业管理系统。它不仅仅是一个传统的ERP(企业资源规划)系统,更是一个面向未来、基于云原生、AI驱动、安全可信的企业核心管理平台。

金牌架构师 1144

《100天精通Python——基础篇 2025 第20天:正则表达式入门实战,解锁字符串处理的魔法力量》

正则表达式是一种强大的文本处理工具,可用于快速提取、验证、替换字符串中的复杂模式。本文将带你从零掌握 Python 中的正则表达式语法规则,并结合 re 模块的核心函数,深入剖析如何高效完成文本匹配、提取与替换等操作,助你提升字符串处理能力。

XAMO Lab|代码、调试与复盘笔记 2796

飞牛NAS新增虚拟机功能,如果使用虚拟机网卡直通安装ikuai软路由(如何解决OVS网桥绑定失败以及打开ovs后无法访问飞牛nas等问题)

飞牛NAS新增虚拟机功能,如果使用虚拟机网卡直通安装ikuai软路由

XiaoqiangClub的博客 1万+

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

Python 正则表达式实战指南:从入门到精通(12 个高频案例)(三)

验证用户输入的手机号、邮箱是否合法从杂乱文本中提取身份证号、金额、链接批量替换文本中的敏感信息(如手机号打码)解析日志文件、HTML 页面中的关键数据这些需求用普通字符串方法(find、split)实现起来繁琐且易出错,而正则表达式能通过简洁的语法实现复杂匹配逻辑,一行代码搞定重复工作!本文基于 Python 内置 re 模块,聚焦实战场景,每个案例都包含「需求分析→正则思路→完整代码→结果解析」正则表达式的核心是 “用规则匹配文本”,本文的 12 个案例覆盖了 80% 的日常开发场景。

ths512的博客 836

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

正则表达式re模式(python爬虫糗事百科热点段子)

python编程快速上手(持续更新中…) python爬虫从入门到精通 文章目录python编程快速上手(持续更新中…)python爬虫从入门到精通非结构化数据与结构化数据提取概述非结构化的数据处理结构化的数据处理正则表达式re模式什么是正则表达式正则表达式匹配规则Python 的 re 模块re 模块的一般使用步骤如下:compile 函数match 方法search 方法findall 方法finditer 方法split 方法案例:糗事百科段子爬虫(正则版)第一步:获取数据第二步:筛选数据第三步:保

IT瘾君子的博客 388

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

Python爬虫从入门到精通——爬虫实战:爬取猫眼电影排行Top100

本文为实战篇,需提前学习[《Python爬虫从入门到精通》基本库requests的使用和正则表达式的内容。我们需要抓取的目标为猫眼电影-榜单-TOP100榜,其地址为:[https://maoyan.com/board/4](https://maoyan.com/board/4)。我们希望爬取各个电影的排名、名称、主演、上映时间、上映地区等信息。最后保存为一张Excel表格。

冯·诺依曼 4万+

python从入门到精通第三版,python入门到精通pdf微盘

Python从入门到精通》从初学者角度出发,通过通俗易懂的语言、丰富多彩的实例,详细介绍了使用Python进行程序开发应该掌握的各方面技术。全书共分22章,包括初识Python、Python语言基础、运算符与表达式、流程控制语句、列表与元组、字典与集合、字符串、Python中使用正则表达式、函数、面向对象程序设计、模块、异常处理及程序调试、文件及目录操作、操作数据库、GUI界面编程、Pygame游戏编程、网络爬虫开发、使用进程和线程、网络编程、Web编程、Flask框架、e起去旅行网站等。

npy199331的博客 3669

Python从入门到精通指南

Python是一门强大而灵活的编程语言,以其简洁易读的语法和丰富的生态系统而闻名。无论是初学者还是有经验的开发者,都可以通过系统学习,逐步提升自己在Python编程领域的技能。本文将带您从入门开始,一步步深入,成为Python的精通者。

一键难忘的博客 9695

推荐书目:Python从入门到精通(文末送书)

Python从入门到精通(第3版)》从初学者角度出发,通过通俗易懂的语言、丰富多彩的实例,详细介绍了使用Python进行程序开发应该掌握的各方面技术。

阿玥的小博客 4649

【小尘送书-第十三期】Python从入门到精通(第3版)(软件开发视频大讲堂)

明日科技,全称是吉林省明日科技有限公司,是一家专业从事软件开发、教育培训以及软件开发教育资源整合的高科技公司,其编写的教材非常注重选取软件开发中的必需、常用内容,同时也很注重内容的易学、方便性以及相关知识的拓展性,深受读者喜爱。其教材多次荣获“全行业优秀畅销品种”“全国高校出版社优秀畅销书”等奖项,多个品种长期位居同类图书销售排行榜的前列。《Python从入门到精通(第3版)》从初学者角度出发,通过通俗易懂的语言、丰富多彩的实例,详细介绍了使用Python进行程序开发应该掌握的各方面技术。

唯有努力,方可自信! 1万+

python编程从入门到精通 课后答案

从0开始学Python,就问你一句:慌不慌?说句实在的,慌,可能是因为你自己没有完整的规划,其实就是不知道从何下手,七七八八乱学一通自然还是觉得无厘头。但今天,我要跟你讲,莫慌!恰好前几天从朋友那得到一套最强 “Python编程三剑客”:《Python编程:从入门到实践》+《Python编程快速上手-让繁琐工作自动化》+《Python极客项目编程-完整版》,翻阅之后,我大致地整理了一番(pdf),很硬核!

2301_81900386的博客 906

python入门到精通pdf百度云,python入门到精通pdf微盘

Python从入门到精通》从初学者角度出发,通过通俗易懂的语言、丰富多彩的实例,详细介绍了使用Python进行程序开发应该掌握的各方面技术。全书共分22章,包括初识Python、Python语言基础、运算符与表达式、流程控制语句、列表与元组、字典与集合、字符串、Python中使用正则表达式、函数、面向对象程序设计、模块、异常处理及程序调试、文件及目录操作、操作数据库、GUI界面编程、Pygame游戏编程、网络爬虫开发、使用进程和线程、网络编程、Web编程、Flask框架、e起去旅行网站等。

2401_83157073的博客 1872
上一篇: 给一百台机器装Nginx,手动方式是体力活,Ansible 一键启动
下一篇: Rust FFI与C交互:跨语言编程实践
第一程序员
博客等级 码龄1年 1万+粉丝 1827原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值