当前位置：首页 > article >正文

Python正则表达式：30秒精通文本处理

article 2025/6/1 23:42:07

一、概述

1. 含义

正则表达式是一种记录文本规则的代码工具，用于描述字符串的结构和模式。它广泛应用于字符串的匹配、查找、替换、提取等操作。

2. 特点

语法复杂：符号多、规则灵活，可读性较差。
功能强大：可以精确控制字符串内容，适用于各种文本处理场景。
跨语言支持：Python、JavaScript、Java 等主流语言都支持正则表达式。

二、Python 中使用正则表达式

1. 导入模块

import re

2. 常用函数介绍

`re.match(pattern, string, flags)`

从字符串的开头开始匹配，若成功返回 Match 对象，否则返回 None。

pattern：要匹配的正则表达式。
string：目标字符串。
flags：标志位（如忽略大小写）。

⚠️ 注意：

匹配失败时返回的是 None，而不是 False。
match() 只从字符串开头开始匹配。

示例：

res = re.match("hello", "hello python")
if res:print(res.group())  # 输出: hello
else:print("未匹配到字符串")

三、基本语法与元字符

1. 单个字符匹配

元字符	含义
`.`	匹配任意一个字符（除 `\n` 外）
`\d`	匹配任意数字 `[0-9]`
`\D`	匹配非数字
`\s`	匹配空白字符（空格、换行、制表符等）
`\S`	匹配非空白字符
`\w`	匹配单词字符（字母、数字、下划线 `_`）
`\W`	匹配非单词字符
{}	匹配次数
[]	匹配[]中列举的字符

示例：

# 1 使用.匹配惹你单个字符
text = "hello python"res = re.match("..",text)
print(res.group())# 2 匹配 []中列举的字符，一个
res =  re.match("[he]",text)  # 只会匹配h因为匹配单个字符，是从开头匹配的
print(res.group())res =  re.match("[he][he]",text)  # 匹配到he
print(res.group())
# 3 匹配 0-9
res = re.match("[0123456789]","2312") # 匹配到2
print(res.group())
res = re.match("[0-9]","2312") # 匹配到2
print(res.group())
res = re.match("[0-23-5-9]","2312") # 不匹配4
print(res.group())
# 4 匹配任意字母
res = re.match("[a-zA-Z]","ABCD")
print(res.group())
# 匹配数字 \d
res = re.match("\d","9823456")
print(res.group())
# 匹配数字 9开头的连续4个数字的
res = re.match("9\d{3}","9823456")
print(res.group())# \D匹配非数字
res = re.match("\D{4}","ABCDEFGHIJKLMNO")
print(res.group())# 匹配空白 \s
res = re.match("\s"," helllo python")
print(res.group())# 匹配非空白
res = re.match("\S","helllo python")
print(res.group())#匹配单词字符 A-Z a-z 0-9 _ 汉字
res = re.match("\w","helllo python")
print(res.group())
res = re.match("\w","你好 python")
print(res.group())
res = re.match("\w",".你好 python") # 匹配不到
if res is not None:print("True")print(res.group())
else:print("False")
# 匹配非单词 \W
res = re.match('\W',"   .你好 python") # 匹配不到
try:print("True")print(res.group())
except Exception as e:print("错误信息",e)

2. 匹配次数控制（量词）

量词	含义
`*`	匹配前一个字符出现 0 次或多次
`+`	匹配前一个字符出现至少一次
`?`	匹配前一个字符出现 0 次或 1 次
`{m}`	匹配前一个字符出现恰好 m 次
`{m,n}`	匹配前一个字符出现 m 到 n 次（包含）

自定义安全匹配函数

def safe_match(pattern, text):try:res = re.match(pattern, text)print(f"匹配成功:[{pattern}] ==>'{res.group()}'")except Exception as e:print(f"出错了-->{e}")

示例：

safe_match('\w+'," hello python") #捕获异常,至少要匹配1次safe_match('\w*',"hello python") #输出hello \w匹配单词 *: 将匹配出的单词匹配0次或者无数次  要注意的是*的0次和无数次是针对\w 而不是\w匹配出来的单词safe_match('\w*',"    hello python") #不会报错,因为是0次或者无数次safe_match('\w+'," hello python") #捕获异常,至少要匹配1次
safe_match('\w?'," hello python") #不会报错,因为是0次或者1次
safe_match('\w{3}', "hello python")  # 不会报错,因为是0次或者1次safe_match('\w{7}', "hello python") # 会报错,没有7个连续的单词
safe_match('\w{4,7}', "hello python") # 不会报错 因为查询4-7个单词

四、匹配位置控制

符号	含义
`^`	匹配字符串的开始位置
`$`	匹配字符串的结束位置

示例：

# ^: 匹配字符串开头,或者对某种规则取反
safe_match('^hell', "hello python") # 以hell开头
# []:再[]中表示取反
safe_match("[^py]","hello python") #
# $ 匹配字符串结尾 但是要注意match是从开头匹配的
# 匹配以n结尾应该这样
safe_match('.*[n]$',"hello python")
# 匹配以非n结尾应该这样
safe_match('.*[^n]$',"hello python")

五、分组与引用

符号	含义
\|	匹配左右任意一个表达式: 优先匹配左边的,左边不匹配再去右边
(ab)	将括号中的字符作为一个分组
\num	匹配分组num匹配到的字符串
(?P<name>)	分组起别名
(?P=name)	引用别名为name分组匹配到的字符串。为分组命名，便于后续引用。

示例：

# 匹配左右任意任意表达式
safe_match("abc|ABC","abc")
safe_match("abc|ABC","ABC")# (ab) 将括号中的字符作为一个分组
safe_match("\w*@(163|qq|wechat).com","stitchcool@163.com")# 匹配分组num匹配到的字符串  -一般再匹配标签时使用
# 注意:从外到内进行排序,编号从1开始
safe_match("<\w*>\w*</\w*>","<html>login</html>")
#这样太麻烦 我们使用匹配到分组匹配到的字符串safe_match("<(\w*)>\w*</\\1>","<html>login</html>")
# 也可以使用r取消转义
safe_match(r"<(\w*)>\w*</\1>","<html>login</html>")
safe_match(r"<(\w*)><(\w*)>\w*</\2></\1>","<html><body>login</body></html>")# 别名操作
safe_match(r"<(?P<标签1>\w*)><(?P<标签2>\w*)>\w*</(?P=标签2)></(?P=标签1)>","<html><body>login</body></html>")
# 匹配网址 前缀一般是www 后缀 .com/.cn等
li = ["www.baidu.com","www.python.org","http.taobao.cn","http\iaidu\com"]for i in li:safe_match(r"www(.)\w*\1(com|cn|org)",i)# r'':也就是原始字符串,也就是不会经过转义,将字符串完整的写入#  "http\niaidu\com"  ->这个没有加r表示会对里面的字符串进行转义,在内存中就会是 http 回车 iaidu\com  因为后面的\c不是有效的转义符号,就会原样输出# r("http\niaidu\com")  这个是原始字符串,不会进行转义,写入内存的就是 "http\niaidu\com"
print(li[3])str111= "http\niaidu\com"
print(str111)
str111 = r"http\niaidu\com"
print(str111)
safe_match(r"\w",str111)

五、高级用法

1. `re.search()`

扫描整个字符串并返回第一个成功匹配的结果。

def safe_search(pattern, text):try:res = re.search(pattern, text)print("search成功: ", res.group())except Exception as e:print("search失败:", e)safe_search("\d", "python123")  # 成功匹配 '1'

2. `re.findall()`

返回所有匹配项组成的列表，不会报错。

print(re.findall("\d", "1py2345thon"))  # ['1','2','3','4','5']

3. `re.sub()`

替换匹配内容。

# re.sub(pattern,rep,string,count)
# pattren : 代表正则表达式,表示需要被替换的,
# rep: 替换的新内容
# string: 被替换的
# count: 替换的次数默认匹配到的全被替换

res = re.sub("\d", "X", "[1,2,3,4,5]")
print(res)  # 输出: [X,X,X,X,X]

4. `re.split()`

按正则表达式分割字符串。

#re.split(pattern,string,maxsplit)
# pattern 正则表达式,把其中的内容当作分隔符
# string 字符串
# maxsplit：指定最大分割次数

res = re.split("\d", "Y1Y2Y3Y4Y5]", 2)
print(res)  # ['Y', 'Y', 'Y3Y4Y5]']

六、贪婪与非贪婪

默认是贪婪匹配：尽可能匹配更长的字符串。
添加 ? 表示非贪婪匹配：尽可能短地匹配。

示例：

text = "<div>hello</div><div>world</div>"
safe_match(r"<div>(.*)</div>", text)  # 贪婪，匹配整个字符串
safe_match(r"<div>(.*?)</div>", text)  # 非贪婪，只匹配第一个 div

七、原始字符串（Raw String）

在 Python 中，使用 r"" 定义原始字符串，避免转义问题。

写法	含义
`"\\\\"`	普通字符串中表示两个反斜杠，进入内存后是 `\\`，这正好是正则表达式要匹配的单个 `\`
`r"\\"`	原始字符串中直接表示 `\`，不会被 Python 转义，推荐使用

在普通字符串中，为了在正则表达式中匹配一个反斜杠 \，你需要写成 "\\\\"：

第一层转义是 Python 字符串解析器做的，将 "\\\\" 转义为 \\
第二层转义是正则表达式引擎做的，将 \\ 转义为一个实际的 \
如果使用原始字符串 r""，只需要写成 r"\\" 就可以了，清晰又安全！

显示区分:

"E:\\pyCode\\pytest\\pythonProject1" 这个字符串中，每个 \\ 都被 Python 解释器当作一个单独的反斜杠字符。
实际在内存中它是E:\pyCode\pytest\pythonProject1一个\，当你打印它的时候，print() 函数默认会把每一个反斜杠 \ 显示为字面意义上的 \\。

所以你看到的是E:\\pyCode\\pytest\\pythonProject1，但如果你直接在控制台输入那就会变得不一样。

控制台输出

下面就是一个在控制台输出的\\的实际显示

示例：

safe_match(r"\\", r"\game")  # 成功匹配 '\'
safe_match("\\\\", "\\game")  # 成功匹配 '\'

Python正则表达式：30秒精通文本处理

一、概述 1. 含义正则表达式是一种记录文本规则的代码工具，用于描述字符串的结构和模式。它广泛应用于字符串的匹配、查找、替换、提取等操作。 2. 特点语法复杂：符号多、规则灵活，可读性较差。功能强大：可以精确控制字符串…...

编程日记 2025/6/1 23:42:07

目录 SQL特点编辑 Select-From-Where Statements Meaning of Single-Relation Query Operational Semantics * In SELECT clauses Complex Conditions in WHERE Clause PATTERNS NULL Values Three-Valued Logic Multirelation Queries Aggregations NULL’s Ig…...

编程日记 2025/6/1 18:10:30

计算机视觉---YOLOv3

YOLOv3讲解一、YOLOv3 核心架构与创新 YOLOv3（2018年发布）在YOLOv2基础上进行了全面升级，通过多尺度预测、更强大的骨干网络和优化的分类损失函数，显著提升了检测精度，尤其是小目标检测能力，同时保持了实…...

编程日记 2025/6/2 9:53:52

#RabbitMQ# 消息队列进阶

目录消息可靠性一生产者的可靠性 1 生产者的重连 2 生产者的确认 (1 Confirm* (2 Return 二 MQ的可靠性 1 数据持久化 2 Lazy Queue* 三消费者的可靠性 1 消费者确认机制 2 消费失败处理 3 业务幂等性四延迟消息消息可靠性在消息队列中，可靠性…...

编程日记 2025/6/1 18:54:43

React从基础入门到高级实战：React 核心技术 - React Router：路由管理

React Router：路由管理在现代 Web 应用开发中，路由管理是构建多页面或单页应用（SPA）的核心技术之一。React Router 是 React 生态中最受欢迎的路由管理库，它为开发者提供了强大的工具来实现页面导航、动态路由和权限…...

编程日记 2025/6/2 18:22:38

【深度学习】损失“三位一体”——从 Fisher 的最大似然到 Shannon 的交叉熵再到 KL 散度，并走进 PET·P-Tuning微调·知识蒸馏的实战

一页速览： 1912 Fisher 用最大似然把「让数据出现概率最高」变成参数学习； 1948 Shannon 把交叉熵解释成「最短平均编码长度」； 1951 Kullback-Leibler 用相对熵量化「多余信息」。三条历史线落到今天深度学习同一个损失——交叉熵。也…...

编程日记 2025/6/2 9:49:32

5 分钟速通密码学！

让我们开始第一部分：密码学基础 (Cryptography Basics)。第一部分：密码学基础 (Cryptography Basics) 1. 什么是密码学？ 想象一下，在古代战争中，将军需要向远方的部队传递作战指令。如果直接派人送信，信…...

编程日记 2025/6/1 7:40:46

Linux——IP协议

1. 现实意义 • IP协议：提供一种能力，把数据报从主机A跨网络送到主机B • TCP/IP协议：核心功能，把数据100%可靠的从主机A跨网络送到主机B 注：TCP协议负责百分百可靠，通过三次握手、滑动窗口、拥塞控制、延…...

编程日记 2025/6/1 20:44:28

Lua 脚本在 Redis 中的运用-24 （使用 Lua 脚本实现原子计数器）

实践练习：使用 Lua 脚本实现原子计数器实现原子计数器是许多应用程序中的常见需求，例如跟踪网站访问量、限制 API 请求或管理库存。虽然 Redis 提供了 INCR 命令用于递增整数，但在复杂场景或与其他操作结合时直接使用它可能并不足够。本课程探讨了如何在 Redis 中利用 Lua…...

编程日记 2025/6/1 20:41:26

Linux信号量(32)

文章目录前言一、POSIX 信号量信号量的基础知识信号量的基本操作二、基于环形队列实现生产者消费者模型环形队列单生产单消费模型多生产多消费模型总结前言加油，加油！！！ 一、POSIX 信号量信号量的基础知识互斥、同步不只…...

编程日记 2025/6/2 18:17:23

技术视界 | 打造“有脑有身”的机器人：ABC大脑架构深度解析（上）

ABC大脑架构：连接大模型与物理世界的具身智能新范式在具身智能和类人机器人技术快速发展的背景下，如何高效整合“大模型的认知理解能力”与“对真实物理世界的精准控制”，成为当前智能体系统设计中最具挑战性也是最关键的问题之一。尽管大语…...

编程日记 2025/6/2 15:50:31

使用堡塔和XShell

使用堡塔和XShell 一、SSH协议介绍 SSH为SecureShell的缩写，由IETF的网络小组(NetworkWorkingGroup)所制定;SSH为建立在应用层基础上的安全协议。SSH是较可靠，专为远程登录会话和其他网络服务提供安全性的协议。利用SSH协议可以有效防止远程管理过程中…...

编程日记 2025/6/1 2:46:42

软件项目交付阶段，验收报告记录了什么？有哪些标准要求？

软件项目交付阶段，验收报告扮演着至关重要的角色，它相当于一份详尽的“成绩单”，具体记录了项目完成的具体情况以及是否达到了既定的标准。项目基本信息该环节将展示软件项目的核心信息，包括项目名称、开发团队构成、项目实施…...

编程日记 2025/6/2 4:05:44

LightGBM的python实现及参数优化

文章目录 1. LightGBM模型参数介绍2. 核心优势3. python实现LightGBM3.1 基础实现3.1.1 Scikit-learn接口示例3.1.2 Python API示例 3.2 模型调优3.2.1 GridSearchCV简介3.2.2 LightGBM超参调优3.2.3 GridSearchCV寻优结果解读在之前的文章 Boosting算法【AdaBoost、GBDT 、X…...

编程日记 2025/6/2 15:16:27

封装渐变堆叠柱状图组件附完整代码

组件功能这是一个渐变堆叠柱状图组件，主要功能包括： 在一根柱子上同时显示高、中、低三种危险级别数据使用渐变色区分不同危险级别（高危红色、中危橙色、低危蓝色）悬停显示详细数据信息（包括总量和各级别数据&#…...

编程日记 2025/6/1 11:46:27

分布式项目保证消息幂等性的常见策略

Hello，大家好，我是灰小猿！ 在分布式系统中，由于各个服务之间独立部署，各个服务之间依靠远程调用完成通信，再加上面对用户重复点击时的重复请求等情况，所以如何保证消息消费的幂等性是在分布式或…...

编程日记 2025/5/31 22:53:30

山东大学软件学院创新项目实训开发日志——第十三周

目录 1.开展prompt工程，创建个性化AI助理，能够基于身份实现不同角度和语言风格的回答。 2.对输出进行格式化，生成特定格式的会议计划文档。 3.学习到的新知识本阶段我所做的工作 1.开展prompt工程，创建个性化AI助理&#xff…...

编程日记 2025/6/1 14:29:51

如何在sublime text中批量为每一行开头或者结尾添加删除指定内容

打开你的文件：首先，在 Sublime Text 中打开你想要编辑的文件，然后全选行首插入： 选择所有行的开头： 使用快捷键 Ctrl Shift L（Windows/Linux）或 Cmd Shift L（Mac）&…...

编程日记 2025/6/1 23:44:30

Cesium 透明渐变墙解决方案

闭合路径修复通过增加额外点确保路径首尾相接透明渐变效果使用RGBA颜色模式实现从完全不透明到完全透明的平滑渐变参数可调性提供多个可调参数，轻松自定义颜色、高度和圆环尺寸完整代码实现 <!DOCTYPE html> <html> <head><meta …...

编程日记 2025/6/1 17:10:34

网络原理与 TCP/IP 协议详解

一、网络通信的本质与基础概念 1.1 什么是网络通信？ 网络通信的本质是跨设备的数据交换，其核心目标是让不同物理位置的设备能够共享信息。这种交换需要解决三个核心问题： 如何定位设备？ → IP地址如何找到具体服务？…...

编程日记 2025/6/1 7:41:43

day022-定时任务-故障案例与发送邮件

文章目录 1. cron定时任务无法识别命令1.1 故障原因1.2 解决方法1.2.1 对命令使用绝对路径1.2.2 在脚本开头定义PATH 2. 发送邮件2.1 安装软件2.2 配置邮件信息2.3 巡检脚本与邮件发送2.3.1 巡检脚本内容2.3.2 制作时任务发送邮件 3. 调取API发送邮件3.1 编写文案脚本3.2 制作定…...

编程日记 2025/6/2 16:15:38

新增 git submodule 子模块

文章目录 1、基本语法2、添加子模块后的操作3、拉取带有submodule的仓库 git submodule add 是 Git 中用于将另一个 Git 仓库作为子模块添加到当前项目中的命令。子模块允许你将一个 Git 仓库作为另一个 Git 仓库的子目录，同时保持它们各自的提交历史独立。 1、基…...

编程日记 2025/6/1 16:43:39

List优雅分组

一、前言最近小永哥发现，在开发过程中，经常会遇到需要对list进行分组，就是假如有一个RecordTest对象集合，RecordTest对象都有一个type的属性，需要将这个集合按type属性进行分组，转换为一个以type为key&…...

编程日记 2025/6/2 8:36:06

Linux 使用 Docker 安装 Milvus的两种方式

一、使用 Docker Compose 运行 Milvus (Linux) 安装并启动 Milvus Milvus 在 Milvus 资源库中提供了 Docker Compose 配置文件。要使用 Docker Compose 安装 Milvus，只需运行 wget https://github.com/milvus-io/milvus/releases/download/v2.5.10/milvus-standa…...

编程日记 2025/6/2 7:04:19

AR眼镜+AI视频盒子+视频监控联网平台：消防救援的智能革命

在火灾现场，每一秒都关乎生死。传统消防救援方式面临信息滞后、指挥盲区、环境复杂等挑战。今天，一套融合AR智能眼镜AI视频分析盒子智能监控管理平台的"三位一体"解决方案，正在彻底改变消防救援的作业模式，为消防员装上…...

编程日记 2025/6/2 9:34:47

编程技能：字符串函数10，strchr

专栏导航本节文章分别属于《Win32 学习笔记》和《MFC 学习笔记》两个专栏，故划分为两个专栏导航。读者可以自行选择前往哪个专栏。 （一）WIn32 专栏导航上一篇：编程技能：字符串函数09，strncmp 回到目录…...

编程日记 2025/6/1 12:33:50

使用tunasync部署企业内部开源软件镜像站-Centos Stream 9

使用tunasync部署企业内部开源软件镜像站 tunasync 是清华大学 TUNA 镜像源目前使用的镜像方案，本文将介绍如何使用 tunasync 部署企业内部开源软件镜像站。基于tunasync mirror-web nginx进行镜像站点搭建。 1. tunasync设计 tunasync架构如下： …...

编程日记 2025/6/2 0:37:11

c/c++的opencv像素级操作二值化

图像级操作：使用 C/C 进行二值化在数字图像处理中，图像级操作 (Image-Level Operations) 是指直接在图像的像素级别上进行处理，以改变图像的视觉特性或提取有用信息。这些操作通常不依赖于图像的全局结构，而是关注每个像素及其邻…...

编程日记 2025/6/2 0:27:34

C++----Vector的模拟实现

上一节讲了string的模拟实现，string的出现时间比vector靠前，所以一些函数给的也比较冗余，而后来的vector、list等在此基础上做了优化。这节讲一讲vector的模拟实现，vector与模板具有联系，而string的底层就是vector的一…...

编程日记 2025/6/2 13:00:44

Mac redis下载和安装

目录 1、官网：https://redis.io/ 2、滑到最底下 3、下载资源 4、安装： 5、输入 sudo make test 进行编译测试会提示编辑 6、sudo make install 继续 7、输入 src/redis-server 启动服务器 8、输入 src/redis-cli 启动测试端 1、官网&#xff…...

编程日记 2025/6/2 10:02:11