正则表达式（Regular Expression，简称 regex 或 regexp）是一种强大的文本处理工具，它允许用户使用一种特定的语法来描述、匹配和操作文本字符串。正则表达式在编程、文本编辑、数据验证等领域有着广泛的应用。本文将带您深入了解正则表达式的基本概念、常用语法、高级技巧以及实战案例，帮助您轻松掌握模式字符串匹配技巧。
正则表达式基础
什么是正则表达式？
正则表达式是一种用于描述字符组合的模式，它可以用来搜索、匹配和替换文本。正则表达式由普通字符（如字母和数字）和特殊字符（如点号、星号、方括号等）组成。
正则表达式的组成
正则表达式由以下几个部分组成：
- 普通字符：代表实际字符。
- 特殊字符：具有特殊意义的字符，如点号（.）、星号（*）、加号（+）等。
- 字符集合：使用方括号（[]）定义，用于匹配方括号内的任意一个字符。
- 量词：用于指定匹配的次数，如星号（*）表示匹配零次或多次。
- 分组：使用圆括号（()）定义，用于匹配括号内的子表达式。
正则表达式的执行过程
- 预编译：将正则表达式编译成内部格式。
- 匹配：使用编译后的正则表达式在文本中搜索匹配项。
- 返回：返回匹配的结果，包括匹配项和位置信息。
常用正则表达式元字符
点号（.）
点号（.）用于匹配除换行符以外的任意单个字符。
import re
text = "Hello, World!"
pattern = "H.llo"
match = re.match(pattern, text)
print(match.group()) # 输出: Hello
星号（*）
星号（*）表示匹配前面的子表达式零次或多次。
text = "aabbcc"
pattern = "a*b"
match = re.match(pattern, text)
print(match.group()) # 输出: ab
加号（+）
加号（+）表示匹配前面的子表达式一次或多次。
text = "aaabbc"
pattern = "a+b"
match = re.match(pattern, text)
print(match.group()) # 输出: aab
问号（?）
问号（?）表示匹配前面的子表达式零次或一次。
text = "aabbcc"
pattern = "a?b"
match = re.match(pattern, text)
print(match.group()) # 输出: ab
花括号（{}）
花括号（{}）用于指定匹配的次数。
text = "12345"
pattern = "\d{2,4}"
match = re.match(pattern, text)
print(match.group()) # 输出: 1234
方括号（[]）
方括号（[]）用于定义一个字符集合，匹配方括号内的任意一个字符。
text = "a1b2c3"
pattern = "[abc]\d"
match = re.match(pattern, text)
print(match.group()) # 输出: a1
脱字符（^）
脱字符（^）用于指定匹配的起始位置。
text = "abc123"
pattern = "^abc"
match = re.match(pattern, text)
print(match.group()) # 输出: abc
美元符号（$）
美元符号（$）用于指定匹配的结束位置。
text = "abc123"
pattern = "123$"
match = re.match(pattern, text)
print(match.group()) # 输出: 123
高级正则表达式技巧
捕获组
捕获组用于提取匹配项中的特定部分。
text = "The email is: example@example.com"
pattern = r"(?P<email>\S+@\S+)\b"
match = re.match(pattern, text)
print(match.group("email")) # 输出: example@example.com
反向引用
反向引用用于引用之前匹配的子表达式。
text = "I have 2 apples and 3 bananas."
pattern = r"(\d+) apples and (\d+) bananas"
match = re.match(pattern, text)
print(match.group(1)) # 输出: 2
print(match.group(2)) # 输出: 3
非捕获组
非捕获组用于匹配但不保存匹配项。
text = "The email is: example@example.com"
pattern = r"(?:(?P<email>\S+@\S+)\b)"
match = re.match(pattern, text)
print(match.group("email")) # 输出: example@example.com
前瞻断言与后瞻断言
前瞻断言和后瞻断言用于指定匹配条件，而不保存匹配项。
text = "The price is 100 dollars."
pattern = r"The price is (?=\d+ dollars)"
match = re.match(pattern, text)
print(match.group()) # 输出: The price is
贪婪与非贪婪模式
贪婪模式默认匹配尽可能多的字符，而非贪婪模式匹配尽可能少的字符。
text = "The price is 100 dollars."
pattern = r"The price is (\d+) dollars"
match = re.match(pattern, text)
print(match.group(1)) # 输出: 100
pattern = r"The price is (\d+?) dollars"
match = re.match(pattern, text)
print(match.group(1)) # 输出: 100
实战案例
电子邮件地址验证
text = "Please send the document to example@example.com"
pattern = r"\S+@\S+\.\S+"
matches = re.findall(pattern, text)
print(matches) # 输出: ['example@example.com']
电话号码提取
text = "The phone number is 123-456-7890"
pattern = r"\d{3}-\d{3}-\d{4}"
matches = re.findall(pattern, text)
print(matches) # 输出: ['123-456-7890']
HTML标签清理
text = "<div>Some <b>bold</b> text.</div>"
pattern = r"<[^>]*>"
clean_text = re.sub(pattern, "", text)
print(clean_text) # 输出: Some bold text.
总结与拓展
正则表达式是一种强大的文本处理工具，它可以帮助我们轻松地匹配、查找、替换和操作文本字符串。通过本文的学习，您应该已经掌握了正则表达式的基本概念、常用语法、高级技巧以及实战案例。希望您能将所学知识应用到实际项目中，提高文本处理的效率。