Python re模块精通：解锁Regex文本处理能力！从数据提取、用户验证到自动化任务，掌握字符类、量词、锚点等核心概念。更有re.search()、re.sub()等函数，结合IGNORECASE等修饰符，提升数据处理效率，玩转Cloud Native！
译自：From Basics to Best Practices: Python Regex Mastery
作者：Jessica Wachtel
Regex（正则表达式的缩写）是匹配和操作文本的强大工具。它可以自动执行各种文本处理任务，例如验证电子邮件地址、从日志文件中提取数据以及清理混乱的数据集。虽然正则表达式语法在各种编程语言中非常相似，但本教程将重点介绍它在 Python 中的具体工作方式。
- 数据提取：从文本中提取数据点，如电子邮件地址、电话号码和错误代码
- 验证用户输入：确保用户输入（例如，电子邮件地址、电话号码和密码）的格式正确
- 搜索和替换数据：无需人工干预即可修改文本
- 自动化重复性任务：自动化处理日志、文件和大型数据集
- 逐步构建：逐步开发正则表达式模式，以避免复杂代码块中的混淆。
- 测试效率：通过测试正则表达式效率来避免执行缓慢。
- 使用原始字符串：通过使用原始字符串（例如，
r"\d+"）来防止反斜杠被解释为转义字符。 - 使用工具调试：使用 Regex101 等在线工具来帮助调试和改进模式。
在 Python 中，正则表达式功能由 re 模块提供。此模块支持模式匹配、搜索和字符串操作。re.search()、re.match() 和 re.sub() 等内置函数允许进行复杂的模式匹配。如果没有 re 模块，Python 支持使用 .find()、.startswith()、.endswith() 和 .replace() 等方法进行基本模式匹配。虽然这些内置方法允许基本匹配，但 re 模块对于更高级的正则表达式操作是必需的。
您可以使用与所有其他 Python 导入相同的语法导入 re 模块。
import re常用的正则表达式内置函数：
re 模块提供了许多有用的函数，包括：
-
re.match()：从字符串的开头匹配模式 -
re.search()：查找模式的第一次出现 -
re.findall()：返回模式的所有出现 -
re.finditer()：返回匹配对象的一个迭代器 -
re.sub()：用指定的字符串替换模式匹配项 -
re.subn()：替换匹配项并返回替换次数 -
re.split()：按模式拆分字符串 -
re.compile()：将模式编译为正则表达式对象 -
re.fullmatch()：检查整个字符串是否匹配模式 -
re.escape()：转义字符串中的特殊字符
搜索字符和字面量可以找到字符串中指定字符或序列的精确匹配项。这对于查找固定模式非常有用，例如日志文件中的错误代码或发票上的产品 ID。
基本语法：
-
.：匹配除换行符以外的任何字符 -
a, b, 1：匹配字面字符 a、b 或 1
代码示例：
text = "I have a cat."
pattern = r"cat"
match = re.search(pattern, text)
print(match.group())输出：cat
字符类允许搜索定义集合中的任何字符（例如，数字、字母）。当您需要匹配具有不同字符的模式时，此类别非常有用，例如提取客户电话号码或日期。
基本语法：
-
[abc]：匹配字符 a、b 或 c 中的任何一个 -
[^abc]：匹配除 a、b 或 c 以外的任何字符 -
[0-9]：匹配任何数字 -
[a-z]：匹配任何小写字母 -
\d：匹配任何数字（等效于 [0-9]） -
\D：匹配任何非数字 -
\w：匹配任何单词字符（字母、数字和下划线） -
\W：匹配任何非单词字符 -
\s：匹配任何空白字符（空格、制表符和换行符） -
\S：匹配任何非空白字符
代码示例：
text = "My phone number is 12345."
pattern = r"\d+" # Matches one or more digits
matches = re.findall(pattern, text)
print(matches) 输出：[‘12345’]
量词控制模式应重复多少次，这在数据长度变化时非常有用。当匹配重复的单词或短语，或者搜索电子邮件地址等长度可能变化的数据时，它们会派上用场。
基本语法：
-
*：匹配 0 个或多个前面的元素 -
+：匹配 1 个或多个前面的元素 -
?：匹配 0 个或 1 个前面的元素（可选） -
{n}：完全匹配前面元素的 n 个实例 -
{n,}：匹配 n 个或多个实例 -
{n,m}：匹配 n 和 m 之间的实例
代码示例：
text = "Hello world"
pattern = r"\w+" # Matches one or more word characters
matches = re.findall(pattern, text)
print(matches) 输出：[‘Hello’, ‘world’]
锚点用于匹配字符串中的位置，而不是字符。它们对于验证固定位置的模式很有用，例如检查电子邮件地址是否以特定域名结尾，或者句子是否以问号结尾。
基本语法：
-
^: 匹配字符串的开头（如果在多行模式下，则匹配行的开头） -
$: 匹配字符串的结尾（如果在多行模式下，则匹配行的结尾） -
\b: 匹配单词边界 -
\B: 匹配非单词边界
代码示例：
text = "Hello world"
pattern_start = r"^Hello" # Start of string
pattern_end = r"world$" # End of string
print(re.search(pattern_start, text))
print(re.search(pattern_end, text))Output:
<re.Match object; span=(0, 5), match='Hello'>
<re.Match object; span=(6, 11), match='world'>
组和捕获允许您通过捕获匹配文本的部分以供以后使用，从而提取和操作字符串的各个部分。当您需要从日志中提取特定数据（如名称或错误代码）时，这尤其有用。
基本语法：
-
(abc): 将组 abc 捕获为匹配项 -
\1: 引用第一个捕获的组 -
(?:abc): 匹配 abc 但不捕获它（非捕获组）
代码示例：
text = "My name is Jess and I live in NY."
pattern = r"(\w+) (\w+)" # Captures first and last name
match = re.search(pattern, text)
print(match.group(1))
print(match.group(2)) 输出：My name
替换对于匹配多个模式之一很有用。当您需要匹配不同的可能性时，通常会使用它，例如在日志文件中搜索多个错误代码。
基本语法：
-
a|b: 匹配 a 或 b
代码示例：
text = "I have a cat and a dog."
pattern = r"cat|dog" # Matches either cat or dog
matches = re.findall(pattern, text)
print(matches) Output:
['cat', 'dog']
在正则表达式中，某些字符（如.、*或?）具有特殊含义。转义这些字符允许您匹配文字字符本身，当它们出现在您的输入中但不应被解释为元字符时，这很有用。
基本语法：
-
\.: 匹配文字点 (.) -
\*: 匹配文字星号 (*)
代码示例：
text = "www.example.com"
pattern = r"\." # Matches a literal dot
matches = re.findall(pattern, text)
print(matches) 输出:
['.', '.']
修饰符（或标志）修改正则表达式模式的应用方式，例如在进行不区分大小写的搜索或启用多行匹配时。这些对于根据上下文调整搜索行为很有用。
基本语法：
-
i: 不区分大小写的匹配 (re.IGNORECASE) -
g: 全局匹配（查找所有匹配项，在 Python 中由re.findall()隐式处理） -
m: 多行模式（匹配每行的开头^和结尾$）
代码示例：
text = "Hello World"
pattern = r"hello" # Case-sensitive search
match_case_sensitive = re.search(pattern, text)
print(match_case_sensitive) # Output: None
pattern_ignore_case = r"hello"
match_ignore_case = re.search(pattern_ignore_case, text, re.IGNORECASE) # Case-insensitive search
print(match_ignore_case.group())Output:
None
Hello
正则表达式是文本处理的重要工具，可以实现数据提取、验证和替换等任务。无论您是清理数据、自动化任务还是从文本中提取有价值的信息，理解正则表达式语法和最佳实践都是关键。通过利用 Python 的 re 模块，您可以轻松匹配复杂模式并自动化重复性任务，从而提高工作效率和准确性。