一文入门正则表达式（Regular Expressions）

正则表达式（Regular Expressions，简称regex或regexp）是一种强大的文本处理工具，它允许你通过一种简洁的语法来匹配、查找、替换和验证字符串。无论是在编程还是在日常文本处理中，正则表达式都是一个非常有用的技能。本文将带你入门正则表达式，涵盖其基本概念、语法和常见应用。

1. 正则表达式简介

正则表达式是一种用于描述字符串模式的表达式。它可以用来检查一个字符串是否包含某个子字符串，或者从一个字符串中提取特定的部分，甚至可以用来替换字符串中的某些部分。

2. 基本语法

正则表达式的语法由一系列字符和特殊字符组成，这些特殊字符被称为元字符（metacharacters）。以下是一些基本的元字符和它们的含义：

.：匹配任意单个字符（除了换行符）。
^：匹配字符串的开始。
$：匹配字符串的结束。
*：匹配前面的字符零次或多次。
+：匹配前面的字符一次或多次。
?：匹配前面的字符零次或一次。
[]：定义一个字符集，匹配其中的任意一个字符。
[^]：定义一个否定字符集，匹配不在其中的任意一个字符。
()：定义一个捕获组，用于提取或应用量词。
|：逻辑或，匹配两者中的任意一个。
\：转义字符，用于匹配元字符本身。

3. 常见应用

3.1 匹配字符串

你可以使用正则表达式来检查一个字符串是否符合某个模式。例如，检查一个字符串是否是一个有效的电子邮件地址：

import re# 定义电子邮件地址的正则表达式模式
# ^ 表示字符串的开始
# [a-zA-Z0-9._%+-]+ 表示电子邮件地址的本地部分（即@符号前的部分）可以包含字母（大小写）、数字、点、下划线、百分号、加号和减号，并且至少有一个字符
# @ 表示必须包含一个@符号
# [a-zA-Z0-9.-]+ 表示电子邮件地址的域名部分可以包含字母（大小写）、数字、点和减号，并且至少有一个字符
# \. 表示必须包含一个点
# [a-zA-Z]{2,} 表示顶级域名部分必须包含至少两个字母
# $ 表示字符串的结束
email_pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
email = "example@example.com"# 使用 re.match 函数检查电子邮件地址是否符合定义的模式
# re.match 函数会从字符串的开头开始匹配，如果匹配成功返回一个匹配对象，否则返回 None
if re.match(email_pattern, email):print("Valid email address")        # 有效的邮件地址
else:print("Invalid email address")

3.2 查找字符串

你可以使用正则表达式来查找字符串中符合某个模式的子字符串。例如，查找一个字符串中的所有电子邮件地址：

import re# 定义一个包含电子邮件地址的文本字符串
text = "Contact us at support@example.com or info@example.com"# 定义电子邮件地址的正则表达式模式
# [a-zA-Z0-9._%+-]+ 表示电子邮件地址的本地部分（即@符号前的部分）可以包含字母（大小写）、数字、点、下划线、百分号、加号和减号，并且至少有一个字符
# @ 表示必须包含一个@符号
# [a-zA-Z0-9.-]+ 表示电子邮件地址的域名部分可以包含字母（大小写）、数字、点和减号，并且至少有一个字符
# \. 表示必须包含一个点
# [a-zA-Z]{2,} 表示顶级域名部分必须包含至少两个字母
email_pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'# 使用 re.findall 函数在文本中查找所有符合模式的电子邮件地址
# re.findall 函数会返回一个包含所有匹配结果的列表
emails = re.findall(email_pattern, text)
print(emails)  # 输出: ['support@example.com', 'info@example.com']

3.3 替换字符串

你可以使用正则表达式来替换字符串中符合某个模式的子字符串。例如，将一个字符串中的所有电子邮件地址替换为另一个字符串：

import retext = "Contact us at support@example.com or info@example.com"
email_pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'# 使用 re.sub 函数将文本中所有符合模式的电子邮件地址替换为 'contact@example.com'
# re.sub 函数会返回一个新的字符串，其中所有匹配的子字符串都被替换为指定的字符串
new_text = re.sub(email_pattern, 'contact@example.com', text)
print(new_text)  # 输出: "Contact us at contact@example.com or contact@example.com"

3.4 验证输入

正则表达式常用于验证用户输入，例如检查用户名、密码、电话号码等是否符合特定的格式要求。

import re  # 导入正则表达式模块# 定义用户名的正则表达式模式
# ^ 表示字符串的开始
# [a-zA-Z0-9_] 表示用户名可以包含字母（大小写）、数字和下划线
# {3,16} 表示用户名的长度必须在3到16个字符之间
# $ 表示字符串的结束
username_pattern = r'^[a-zA-Z0-9_]{3,16}$'# 定义一个用户名
username = "user_name123"# 使用 re.match 函数检查用户名是否符合定义的模式
# re.match 函数会从字符串的开头开始匹配，如果匹配成功返回一个匹配对象，否则返回 None
if re.match(username_pattern, username):print("Valid username")  
else:print("Invalid username")  # 无效的用户名