Python正则表达式入门指南

"正则表达式是用于匹配字符串的强大工具，尤其在Python的re模块中，提供了多种方法来实现字符串的查找和提取。本文主要关注`re.match()`和`re.findall()`两个常用方法。 一、正则匹配字符串 正则表达式是一种模式，用于在文本中寻找符合该模式的字符串。Python的`re`模块提供了这些功能。`re.match()`方法从字符串的开始位置尝试匹配，如果不能在起始位置匹配成功，它将返回`None`。例如： ```python import re a = re.match('test', 'testasdtest') print(a) # 返回一个匹配对象 print(a.group()) # 输出 'test' print(re.match('test', 'atestasdtest')) # 返回 None ``` 二、匹配单个/多个字符 在正则表达式中，有特定的字符或组合用于匹配单个或多个字符： 1. `.`：匹配任意单个字符，除了换行符。 2. `[]`：匹配括号内的任何字符，如`[\d]`匹配任何数字。 下面是一个使用`re.findall()`的例子，它会在整个字符串中查找所有匹配的子串，并返回一个包含所有匹配项的列表： ```python result = re.findall('\d', "Hello123World456") print(result) # ['1', '2', '3', '4', '5', '6'] ``` 三、匹配贪婪与非贪婪 在正则表达式中，存在贪婪匹配和非贪婪匹配的概念。默认情况下，正则是贪婪的，即会尽可能多地匹配字符。例如，`\d+`会匹配连续的所有数字。如果想要非贪婪匹配，可以使用`?`符号，如`\d+?`，它将匹配尽可能少的数字。 四、其他正则表达式字符 除了上述的`.`, `[]`，还有其他常用的正则表达式字符和构造： - `\d`：匹配任何数字，等同于`[0-9]`。 - `\D`：匹配任何非数字字符，等同于`[^0-9]`。 - `\s`：匹配任何空白字符，包括空格、制表符、换页符等，等同于`[ \f\n\r\t\v]`。 - `\S`：匹配任何非空白字符，等同于`[^ \f\n\r\t\v]`。 - `\w`：匹配字母、数字或下划线，等同于`[a-zA-Z0-9_]`。 - `\W`：匹配任何非单词字符，等同于`[^a-zA-Z0-9_]`。 这些正则表达式字符和构造可以组合使用，创建复杂的匹配模式，用于在大量文本中精确地定位和提取所需的信息。 正则表达式在数据处理和网络爬虫中特别有用，能够高效地从网页内容中提取特定的数据。通过熟练掌握正则表达式，开发者可以更有效地处理和分析文本数据。