正则表达式（Regular Expressions，简称 regex 或 regexp）是一种强大的文本处理工具，它允许用户通过特定的模式来匹配、查找、替换或分割字符串。正则表达式广泛应用于编程、数据清洗、文本分析等领域，其灵活性和高效性使其成为处理文本数据的得力助手。

正则表达式的基础

字符匹配

正则表达式的基本功能是匹配字符。以下是一些基本的字符匹配规则：

• 普通字符：直接匹配字符本身。例如，a 匹配字符 a。
• .（点号）：匹配除换行符之外的任何单个字符。例如，. 匹配任意单个字符。
• \d：匹配一个数字字符，等价于 [0-9]。
• \D：匹配一个非数字字符，等价于 [^0-9]。
• \w：匹配任意字母、数字或下划线字符，等价于 [A-Za-z0-9_]。
• \W：匹配任意非字母、数字或下划线字符，等价于 [^A-Za-z0-9_]。
• \s：匹配任意空白字符（包括空格、制表符、换行符等）。

字符集

字符集允许匹配一个或多个特定的字符。以下是一些字符集的示例：

• [abc]：匹配字符 a、b 或 c。
• [^abc]：匹配除了 a、b 和 c 之外的任意字符。
• [a-z]：匹配从 a 到 z 的任意一个字符。
• [A-Z]：匹配从 A 到 Z 的任意一个大写英文字母。
• [a-zA-Z]：匹配任意一个英文字母。

重复匹配

重复匹配允许指定一个模式重复的次数。以下是一些重复匹配的示例：

• *：匹配前面的子表达式零次或多次。例如，a* 匹配空字符串或任意个 a。
• +：匹配前面的子表达式一次或多次。例如，a+ 匹配至少一个 a。
• ?：匹配前面的子表达式零次或一次。例如，do(es)? 可以匹配 do 或 does。
• {n}：匹配前面的子表达式恰好 n 次。例如，a{2} 匹配两个 a。
• {n,}：匹配前面的子表达式至少 n 次。例如，a{2,} 匹配两个或更多的 a。

边界匹配

边界匹配用于指定模式必须出现在字符串的特定位置。以下是一些边界匹配的示例：

• ^：匹配输入字符串的开始位置。
• $：匹配输入字符串的结束位置。
• <：匹配输入字符串的起始位置，但不包括起始位置上的字符。
• >：匹配输入字符串的结束位置，但不包括结束位置上的字符。

分组与捕获

分组允许将正则表达式的一部分作为一个整体来匹配。以下是一些分组与捕获的示例：

• ()：标记一个子表达式，用于分组匹配。例如，(\d{3})-(\d{2})-(\d{4}) 将匹配电话号码。
• (?:...)：非捕获分组，用于分组但不保存匹配结果。例如，(?:a|b) 匹配 a 或 b，但不保存匹配结果。

特殊字符转义

在某些情况下，您可能需要匹配正则表达式中的特殊字符。以下是一些特殊字符的转义示例：

• \：转义特殊字符，使其被视为普通字符。例如，\. 匹配点号 .。
• \\：转义反斜杠 \。

实例代码

以下是一些使用 Python 正则表达式的实例代码：

”`python import re

匹配电话号码

phone_pattern = r’(\d{3})-(\d{2})-(\d{4})’ phone_number = ‘123-45-6789’ match = re.match(phone_pattern, phone_number) if match:

print("匹配的电话号码：", match.group(0))

查找所有电子邮件地址

emailpattern = r’[a-zA-Z0-9.%+-]+@[a-zA-Z0-9.-]+