python正则表达式详解

正则表达式是一种匹配文本的工具，可以用于搜索、替换和验证字符串。Python中内置了re模块，用于处理正则表达式。下面详细介绍Python中正则表达式的语法和用法。

1. 基本语法

正则表达式是由一系列字符和元字符组成的模式，用来描述字符串的特征。下面是一些基本的正则表达式元字符：

- . 匹配任意字符
- [] 匹配中括号内任意一个字符
- ^ 匹配行首
- $ 匹配行尾
- * 匹配前面的字符0次或多次
- + 匹配前面的字符1次或多次
- ? 匹配前面的字符0次或1次
- {n} 匹配前面的字符n次
- {n,m} 匹配前面的字符n到m次

例如，正则表达式r'hello'可以匹配字符串中的hello字符串。

2. re模块的常用函数

re模块提供了一些常用的函数来处理正则表达式：

- re.match() 函数从字符串的开头匹配正则表达式
- re.search() 函数在字符串中搜索正则表达式的第一次出现
- re.findall() 函数返回字符串中所有匹配正则表达式的子串列表
- re.sub() 函数用于将字符串中匹配正则表达式的子串替换为指定的字符串

例如，可以使用re.match()函数来匹配字符串开头的hello字符串：

import re

s = 'hello world'
if re.match(r'hello', s):
    print('Matched')
else:
    print('Not matched')

3. 分组和捕获

正则表达式支持使用小括号来分组和捕获匹配的子串。使用小括号括起来的正则表达式被称为捕获组，可以使用re.match()或re.search()函数返回的Match对象的group()方法获取捕获组匹配的子串。

例如，可以使用捕获组匹配字符串中的数字和字母：

import re

s = '123abc456'
m = re.search(r'(\d+)([a-z]+)(\d+)', s)
if m:
    print(m.group(0))  # 123abc456
    print(m.group(1))  # 123
    print(m.group(2))  # abc
    print(m.group(3))  # 456

4. 零宽断言

零宽度断言是一种特殊的正则表达式，用于匹配字符串的位置，而不是字符。它可以匹配一个位置前面或后面的字符串，但不包括这个字符串本身。零宽度断言包括正向预测先行断言（positive lookahead assertion）、正向回顾后发断言（positive lookbehind assertion）、负向预测先行断言（negative lookahead assertion）和负向回顾后发断言（negative lookbehind assertion）。

例如，可以使用正向预测先行断言匹配一个字符串中的数字，但不包括小数点：

import re

s = '123.456'
m = re.search(r'\d+(?=\.)', s)
if m:
    print(m.group())  # 123

5. Unicode支持

Python的re模块支持Unicode字符集，可以使用\p和\P进行匹配和排除Unicode字符集。例如，可以使用\p{Han}匹配汉字字符：

import re

s = '汉字'
m = re.search(r'\p{Han}+', s)
if m:
    print(m.group())  # 汉字

6. 总结

正则表达式是一种强大的文本处理工具，可以用于搜索、替换和验证字符串。Python中内置了re模块，提供了处理正则表达式的函数和方法。正则表达式的语法和用法需要不断练习和实践才能熟练掌握。