当前位置：首页 > news >正文

Python3 正则表达式：文本处理的魔法工具

news 文章来源：https://blog.csdn.net/weixin_47267103/article/details/145356272 2025/5/9 0:50:30

Python3 正则表达式：文本处理的魔法工具

内容简介

本系列文章是为 Python3 学习者精心设计的一套全面、实用的学习指南，旨在帮助读者从基础入门到项目实战，全面提升编程能力。文章结构由 5 个版块组成，内容层层递进，逻辑清晰。

基础速通：n 个浓缩提炼的核心知识点，夯实编程基础；
经典范例：10 个贴近实际的应用场景，深入理解 Python3 的编程技巧和应用方法；
避坑宝典：10 个典型错误解析，提供解决方案，帮助读者避免常见的编程陷阱；
水平考试：10 道测试题目，检验学习成果，附有标准答案，以便自我评估；
实战案例：3 个迷你项目开发，带领读者从需求分析到代码实现，掌握项目开发的完整流程。

无论你是 Python3 初学者，还是希望提升实战能力的开发者，本系列文章都能为你提供清晰的学习路径和实用的编程技巧，助你快速成长为 Python3 编程高手。

阅读建议

初学者：建议从 “基础速通” 开始，系统学习 Python3 的基础知识，然后通过 “经典范例” 和 “避坑宝典” 加深理解，最后通过 “水平考试” 和 “实战案例” 巩固所学内容；
有经验的开发者：可以直接跳转到 “经典范例” 和 “避坑宝典”，快速掌握 Python3 的高级应用技巧和常见错误处理方法，然后通过 “实战案例” 提升项目开发能力；
选择性学习：如果读者对某个特定主题感兴趣，可以直接选择相应版块学习。各版块内容既相互独立又逻辑关联，方便读者根据自身需求灵活选择；
测试与巩固：完成每个版块的学习后，建议通过 “水平考试” 检验学习效果，并通过 “实战案例” 将理论知识转化为实际技能；
项目实战优先：如果你更倾向于实战学习，可以直接从 “实战案例” 入手，边做边学，遇到问题再回溯相关知识点。

一、基础速通

正则表达式（Regular Expression，简称 regex 或 regexp）是一种强大的工具，用于匹配和处理文本。Python 通过 re 模块提供了对正则表达式的支持。正则表达式可以用于搜索、替换、分割和验证字符串。

1. 基本概念

模式（Pattern）：正则表达式的核心是模式，它定义了你要匹配的文本规则。
元字符（Metacharacters）：在正则表达式中具有特殊意义的字符，如 ., *, +, ?, ^, $, \, |, {, }, [, ], (, ) 等。
普通字符：除了元字符之外的字符，如字母、数字等。

2. 常用元字符

.：匹配除换行符以外的任意单个字符。
^：匹配字符串的开头。
$：匹配字符串的结尾。
*：匹配前面的字符零次或多次。
+：匹配前面的字符一次或多次。
?：匹配前面的字符零次或一次。
{n}：匹配前面的字符恰好 n 次。
{n,}：匹配前面的字符至少 n 次。
{n,m}：匹配前面的字符至少 n 次，至多 m 次。
\：转义字符，用于匹配元字符本身。
|：或操作符，匹配左边或右边的表达式。
[]：字符集，匹配其中的任意一个字符。
()：分组，将多个字符作为一个整体进行匹配。

3. 常用字符集

\d：匹配任意数字，等价于 [0-9]。
\D：匹配任意非数字字符，等价于 [^0-9]。
\w：匹配任意字母、数字或下划线，等价于 [a-zA-Z0-9_]。
\W：匹配任意非字母、数字或下划线的字符，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。
\S：匹配任意非空白字符。

4. `re` 模块常用函数

re.match(pattern, string)：从字符串的起始位置匹配正则表达式，如果匹配成功返回匹配对象，否则返回 None。
re.search(pattern, string)：在字符串中搜索匹配正则表达式的第一个位置，如果匹配成功返回匹配对象，否则返回 None。
re.findall(pattern, string)：返回字符串中所有匹配正则表达式的子串，返回一个列表。
re.finditer(pattern, string)：返回一个迭代器，包含所有匹配正则表达式的子串。
re.sub(pattern, repl, string)：将字符串中匹配正则表达式的部分替换为 repl。
re.split(pattern, string)：根据正则表达式匹配的子串将字符串分割，返回一个列表。

5. 示例

5.1 匹配数字

import retext = "The price is 123.45 dollars."
pattern = r'\d+\.\d+'
match = re.search(pattern, text)
if match:print("Found:", match.group())

5.2 替换字符串

import retext = "Hello, world!"
pattern = r'world'
repl = 'Python'
new_text = re.sub(pattern, repl, text)
print(new_text)  # 输出: Hello, Python!

5.3 分割字符串

import retext = "apple,banana,cherry"
pattern = r','
result = re.split(pattern, text)
print(result)  # 输出: ['apple', 'banana', 'cherry']

5.4 查找所有匹配

import retext = "The rain in Spain falls mainly in the plain."
pattern = r'\bin\b'
matches = re.findall(pattern, text)
print(matches)  # 输出: ['in', 'in', 'in']

6. 分组和捕获

分组使用 () 来定义，可以捕获匹配的子串。

import retext = "John Doe, Jane Doe"
pattern = r'(\w+) (\w+)'
matches = re.findall(pattern, text)
for first_name, last_name in matches:print(f"First: {first_name}, Last: {last_name}")

7. 非贪婪匹配

默认情况下，* 和 + 是贪婪的，会尽可能多地匹配字符。可以在它们后面加上 ? 来使其变为非贪婪匹配。

import retext = "<html><head><title>Title</title></head></html>"
pattern = r'<.*?>'
matches = re.findall(pattern, text)
print(matches)  # 输出: ['<html>', '<head>', '<title>', '</title>', '</head>', '</html>']

8. 编译正则表达式

如果需要多次使用同一个正则表达式，可以将其编译为正则表达式对象，以提高效率。

import repattern = re.compile(r'\d+')
text = "There are 3 apples and 5 oranges."
matches = pattern.findall(text)
print(matches)  # 输出: ['3', '5']

9. 标志（Flags）

re 模块提供了一些标志来修改正则表达式的行为，如忽略大小写、多行匹配等。

re.IGNORECASE 或 re.I：忽略大小写。
re.MULTILINE 或 re.M：多行模式，^ 和 $ 匹配每行的开头和结尾。
re.DOTALL 或 re.S：使 . 匹配包括换行符在内的所有字符。

import retext = "Hello\nWorld"
pattern = r'^world'
match = re.search(pattern, text, re.IGNORECASE | re.MULTILINE)
if match:print("Found:", match.group())

小结

正则表达式是处理文本的强大工具，Python 的 re 模块提供了丰富的功能来支持正则表达式的使用。通过掌握正则表达式的基本语法和 re 模块的常用函数，你可以高效地处理各种文本匹配和替换任务。

二、经典范例

以下是 10 个经典的正则表达式应用实例，每个实例都包含正则表达式的解释、测试代码以及执行结果的注释说明。

1. 匹配邮箱地址

正则表达式: r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'

解释：匹配常见的邮箱地址格式。
^ 和 $ 表示字符串的开始和结束。
[a-zA-Z0-9_.+-]+ 匹配用户名部分。
@ 匹配邮箱中的 @ 符号。
[a-zA-Z0-9-]+ 匹配域名部分。
\. 匹配域名中的点 .。
[a-zA-Z0-9-.]+ 匹配顶级域名部分。

import repattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'
emails = ["test@example.com", "user.name+tag+sorting@example.com", "invalid-email@com"]
for email in emails:if re.match(pattern, email):print(f"Valid: {email}")else:print(f"Invalid: {email}")# 执行结果:
# Valid: test@example.com
# Valid: user.name+tag+sorting@example.com
# Invalid: invalid-email@com

2. 匹配手机号码

正则表达式: r'^1[3-9]\d{9}$'

解释：匹配中国大陆的手机号码。
1 表示手机号码的第一位。
[3-9] 表示第二位可以是 3 到 9 之间的数字。
\d{9} 表示后面跟着 9 位数字。

import repattern = r'^1[3-9]\d{9}$'
phones = ["13800138000", "12345678901", "19912345678"]
for phone in phones:if re.match(pattern, phone):print(f"Valid: {phone}")else:print(f"Invalid: {phone}")# 执行结果:
# Valid: 13800138000
# Invalid: 12345678901
# Valid: 19912345678

3. 匹配 URL

正则表达式: r'https?://(?:www\.)?\S+'

解释：匹配 HTTP 或 HTTPS 协议的 URL。
https? 匹配 http 或 https。
:// 匹配 URL 中的协议分隔符。
(?:www\.)? 匹配可选的 www.。
\S+ 匹配 URL 的其余部分。

import repattern = r'https?://(?:www\.)?\S+'
urls = ["https://www.example.com", "http://example.com", "ftp://example.com"]
for url in urls:if re.match(pattern, url):print(f"Valid: {url}")else:print(f"Invalid: {url}")# 执行结果:
# Valid: https://www.example.com
# Valid: http://example.com
# Invalid: ftp://example.com

4. 匹配日期（YYYY-MM-DD）

正则表达式: r'^\d{4}-[01]?[0-2]-[0123]?[0-9]$'

解释：匹配 YYYY-MM-DD 格式的日期。
\d{4} 匹配 4 位年份。
- 匹配日期分隔符。
[01]?[0-2] 匹配 2 位月份。
[0123]?[0-9] 匹配 2 位日期。

import repattern = r'^\d{4}-[01]?[0-2]-[0123]?[0-9]$'
dates = ["2023-10-05", "2023/10/05", "2023-13-01"]
for date in dates:if re.match(pattern, date):print(f"Valid: {date}")else:print(f"Invalid: {date}")# 执行结果:
# Valid: 2023-10-05
# Invalid: 2023/10/05
# Invalid: 2023-13-01

5. 匹配 IP 地址

正则表达式: r'^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$'

解释：匹配 IPv4 地址。
\d{1,3} 匹配 1 到 3 位数字。
\. 匹配 IP 地址中的点 .。

import repattern = r'^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$'
ips = ["192.168.1.1", "256.256.256,256", "127.0.0.1"]
for ip in ips:if re.match(pattern, ip):print(f"Valid: {ip}")else:print(f"Invalid: {ip}")# 执行结果:
# Valid: 192.168.1.1
# Invalid: 256.256.256.256
# Valid: 127.0.0.1

6. 匹配 HTML 标签

正则表达式: r'<(\w+)[^>]*>(.*?)</\1>'

解释：匹配 HTML 标签及其内容。
<(\w+) 匹配标签名。
[^>]* 匹配标签内的属性。
>(.*?) 匹配标签内容。
</\1> 匹配对应的闭合标签。

import repattern = r'<(\w+)[^>]*>(.*?)</\1>'
html = "<div class='test'>Hello World</div>"
match = re.search(pattern, html)
if match:print(f"Tag: {match.group(1)}, Content: {match.group(2)}")# 执行结果:
# Tag: div, Content: Hello World

7. 匹配中文字符

正则表达式: r'[\u4e00-\u9fff]+'

解释：匹配中文字符。
[\u4e00-\u9fff] 是中文字符的 Unicode 范围。

import repattern = r'[\u4e00-\u9fff]+'
text = "Hello 世界"
matches = re.findall(pattern, text)
print(matches)  # 执行结果: ['世界']

8. 匹配密码强度

正则表达式: r'^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[\W_]).{8,}$'

解释：匹配强密码（至少 8 位，包含大小写字母、数字和特殊字符）。
(?=.*[A-Z]) 确保至少有一个大写字母。
(?=.*[a-z]) 确保至少有一个小写字母。
(?=.*\d) 确保至少有一个数字。
(?=.*[\W_]) 确保至少有一个特殊字符。
.{8,} 确保密码长度至少为 8。

import repattern = r'^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[\W_]).{8,}$'
passwords = ["Password123!", "weakpass", "StrongPass1"]
for pwd in passwords:if re.match(pattern, pwd):print(f"Strong: {pwd}")else:print(f"Weak: {pwd}")# 执行结果:
# Strong: Password123!
# Weak: weakpass
# Strong: StrongPass1

9. 匹配十六进制颜色值

正则表达式: r'^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$'

解释：匹配十六进制颜色值（如 #FFFFFF 或 #FFF）。
# 匹配颜色值开头的 #。
[A-Fa-f0-9]{6} 匹配 6 位十六进制值。
[A-Fa-f0-9]{3} 匹配 3 位十六进制值。

import repattern = r'^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$'
colors = ["#FFFFFF", "#FFF", "#123456", "#GHIJKL"]
for color in colors:if re.match(pattern, color):print(f"Valid: {color}")else:print(f"Invalid: {color}")# 执行结果:
# Valid: #FFFFFF
# Valid: #FFF
# Valid: #123456
# Invalid: #GHIJKL

10. 匹配文件名和扩展名

正则表达式: r'^(\w+)\.(\w+)$'

解释：匹配文件名和扩展名。
(\w+) 匹配文件名。
\. 匹配点 .。
(\w+) 匹配扩展名。

import repattern = r'^(\w+)\.(\w+)$'
filename = "example.txt"
match = re.match(pattern, filename)
if match:print(f"Filename: {match.group(1)}, Extension: {match.group(2)}")# 执行结果:
# Filename: example, Extension: txt

三、避坑宝典

在使用正则表达式时，初学者和中级用户经常会遇到一些常见错误。以下是 10 种常见的正则表达式错误、原因分析以及纠错方法。

1. 忘记转义特殊字符

错误：直接使用 .、*、+ 等元字符而未转义。

import re
pattern = r'example.com'
text = "example-com"
match = re.search(pattern, text)  # 无法匹配

原因：. 是元字符，匹配任意字符，而不是字面的点 .。
纠错：使用 \. 转义。

pattern = r'example\.com'

2. 贪婪匹配导致意外结果

错误：使用 .* 或 .+ 时匹配过多内容。

import re
pattern = r'<.*>'
text = "<div>Hello</div><p>World</p>"
match = re.search(pattern, text)  # 匹配整个字符串

原因：* 和 + 是贪婪的，会尽可能多地匹配字符。
纠错：使用非贪婪匹配 .*? 或 .+?。

pattern = r'<.*?>'

3. 忽略多行模式

错误：在多行文本中使用 ^ 或 $ 时，未启用多行模式。

import re
pattern = r'^Hello'
text = "Line1\nHello\nLine2"
match = re.search(pattern, text)  # 无法匹配

原因：默认情况下，^ 和 $ 只匹配字符串的开头和结尾。
纠错：使用 re.MULTILINE 标志。

match = re.search(pattern, text, re.MULTILINE)

4. 字符集未正确使用

错误：在字符集中未正确使用 -。

import re
pattern = r'[A-Z]'
text = "abc123"
match = re.search(pattern, text)  # 无法匹配小写字母

原因：[A-Z] 只匹配大写字母。
纠错：使用 [A-Za-z] 匹配所有字母。

pattern = r'[A-Za-z]'

5. 分组捕获错误

错误：未正确使用分组捕获。

import re
pattern = r'(\d{2})-(\d{2})-(\d{4})'
text = "12-31-2023"
match = re.search(pattern, text)
if match:print(match.group(1))  # 输出 12

原因：分组索引从 1 开始，group(0) 是整个匹配内容。
纠错：确保使用正确的分组索引。

if match:print(match.group(1), match.group(2), match.group(3))  # 输出 12 31 2023

6. 忽略大小写

错误：未忽略大小写导致匹配失败。

import re
pattern = r'hello'
text = "Hello World"
match = re.search(pattern, text)  # 无法匹配

原因：默认情况下，正则表达式区分大小写。
纠错：使用 re.IGNORECASE 标志。

match = re.search(pattern, text, re.IGNORECASE)

7. 量词使用错误

错误：量词使用不当导致匹配失败。

import re
pattern = r'\d{3,5}'
text = "123"
match = re.search(pattern, text)  # 匹配成功，但可能不符合预期

原因：{3,5} 表示匹配 3 到 5 个数字，但可能匹配过多。
纠错：根据需求调整量词。

pattern = r'\d{3}'  # 只匹配 3 个数字

8. 未正确处理边界

错误：未使用单词边界 \b。

import re
pattern = r'cat'
text = "category"
match = re.search(pattern, text)  # 匹配成功，但可能不符合预期

原因：cat 会匹配 category 中的 cat。
纠错：使用 \b 确保匹配完整单词。

pattern = r'\bcat\b'

9. 忽略空白字符

错误：未正确处理空白字符。

import re
pattern = r'hello world'
text = "hello   world"
match = re.search(pattern, text)  # 无法匹配

原因：正则表达式中的空格是字面匹配。
纠错：使用 \s+ 匹配空白字符。

pattern = r'hello\s+world'

10. 未正确处理换行符

错误：未正确处理多行文本中的换行符。

import re
pattern = r'^Hello'
text = "Line1\nHello\nLine2"
match = re.search(pattern, text)  # 无法匹配

原因：不能正确处理换行符。
纠错：使用 re.MULTILINE 标志。

match = re.search(pattern, text, re.MULTILINE)

小结

正则表达式虽然强大，但在使用时容易犯一些常见错误。通过理解这些错误的原因并掌握纠错方法，可以更高效地使用正则表达式处理文本。

四、水平考试

这是一份关于“正则表达式”的测试试卷。包含：选择题：15 道、填空题：10 道和 编程题：5 道，总分 100 分。每道题后附有答案和解析。

选择题（每题 2 分，共 30 分）

以下哪个正则表达式可以匹配任意数字？
- A. \d
- B. \D
- C. \w
- D. \s
  答案：A
  解析：\d 匹配任意数字，\D 匹配非数字，\w 匹配字母、数字或下划线，\s 匹配空白字符。
以下哪个正则表达式可以匹配一个或多个字母？
- A. [a-z]
- B. [a-z]+
- C. [a-z]*
- D. [a-z]?
  答案：B
  解析：+ 表示前面的字符至少出现一次。
以下哪个正则表达式可以匹配字符串的开头？
- A. $
- B. ^
- C. \b
- D. \B
  答案：B
  解析：^ 匹配字符串的开头，$ 匹配字符串的结尾。
以下哪个正则表达式可以匹配一个单词边界？
- A. \b
- B. \B
- C. ^
- D. $
  答案：A
  解析：\b 匹配单词边界，\B 匹配非单词边界。
以下哪个正则表达式可以匹配一个浮点数？
- A. \d+\.\d+
- B. \d*\.\d*
- C. \d+\.\d*
- D. \d*\.\d+
  答案：A
  解析：\d+\.\d+ 匹配至少一个数字，后跟一个小数点，再跟至少一个数字。
以下哪个正则表达式可以匹配一个邮箱地址？
- A. [a-zA-Z0-9]+@[a-zA-Z0-9]+\.[a-zA-Z]+
- B. [a-zA-Z0-9]+@[a-zA-Z0-9]+
- C. [a-zA-Z0-9]+@[a-zA-Z0-9]+\.[a-zA-Z0-9]+
- D. [a-zA-Z0-9]+@[a-zA-Z0-9]+\.[a-zA-Z0-9]+\.
  答案：A
  解析：邮箱地址的格式为 用户名@域名.顶级域名。
以下哪个正则表达式可以匹配一个 URL？
- A. https?://\S+
- B. http://\S+
- C. https://\S+
- D. http://\S
  答案：A
  解析：https? 匹配 http 或 https，\S+ 匹配非空白字符。
以下哪个正则表达式可以匹配一个 HTML 标签？
- A. <.*>
- B. <.*?>
- C. <.+>
- D. <.+?>
  答案：B
  解析：<.*?> 使用非贪婪匹配，避免匹配过多内容。
以下哪个正则表达式可以匹配一个中文字符？
- A. [\u4e00-\u9fff]
- B. [a-zA-Z]
- C. \d
- D. \w
  答案：A
  解析：[\u4e00-\u9fff] 是中文字符的 Unicode 范围。
以下哪个正则表达式可以匹配一个 IP 地址？
- A. \d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}
- B. \d{1,3}\.\d{1,3}\.\d{1,3}
- C. \d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}
- D. \d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}
  答案：A
  解析：IPv4 地址由 4 个 1 到 3 位的数字组成，用 . 分隔。
以下哪个正则表达式可以匹配一个日期（YYYY-MM-DD）？
- A. \d{4}-\d{2}-\d{2}
- B. \d{2}-\d{2}-\d{4}
- C. \d{4}/\d{2}/\d{2}
- D. \d{2}/\d{2}/\d{4}
  答案：A
  解析：\d{4}-\d{2}-\d{2} 匹配 YYYY-MM-DD 格式的日期。
以下哪个正则表达式可以匹配一个时间（HH:MM:SS）？
- A. \d{2}:\d{2}:\d{2}
- B. \d{2}:\d{2}
- C. \d{2}:\d{2}:\d{2}:\d{2}
- D. \d{2}:\d{2}:\d{2}:\d{2}:\d{2}
  答案：A
  解析：\d{2}:\d{2}:\d{2} 匹配 HH:MM:SS 格式的时间。
以下哪个正则表达式可以匹配一个十六进制颜色值？
- A. #[A-Fa-f0-9]{6}
- B. #[A-Fa-f0-9]{3}
- C. #[A-Fa-f0-9]{6}|#[A-Fa-f0-9]{3}
- D. #[A-Fa-f0-9]{6}|#[A-Fa-f0-9]{3}|#[A-Fa-f0-9]{2}
  答案：C
  解析：十六进制颜色值可以是 3 位或 6 位。
以下哪个正则表达式可以匹配一个文件名和扩展名？
- A. \w+\.\w+
- B. \w+\.\w
- C. \w+\.\w{2,4}
- D. \w+\.\w+\.\w+
  答案：A
  解析：\w+\.\w+ 匹配文件名和扩展名。
以下哪个正则表达式可以匹配一个强密码（至少 8 位，包含大小写字母、数字和特殊字符）？
- A. ^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[\W_]).{8,}$
- B. ^(?=.*[A-Z])(?=.*[a-z])(?=.*\d).{8,}$
- C. ^(?=.*[A-Z])(?=.*[a-z]).{8,}$
- D. ^(?=.*[A-Z])(?=.*\d).{8,}$
  答案：A
  解析：(?=.*[A-Z]) 确保至少有一个大写字母，(?=.*[a-z]) 确保至少有一个小写字母，(?=.*\d) 确保至少有一个数字，(?=.*[\W_]) 确保至少有一个特殊字符。

填空题（每题 3 分，共 30 分）

正则表达式 \d{3}-\d{2}-\d{4} 可以匹配的格式是：________。
答案：XXX-XX-XXXX（例如：123-45-6789）
正则表达式 ^[A-Za-z]+$ 可以匹配的字符串是：________。
答案：仅包含字母的字符串
正则表达式 \b\w+\b 可以匹配的字符串是：________。
答案：一个完整的单词
正则表达式 \d{2}:\d{2}:\d{2} 可以匹配的格式是：________。
答案：HH:MM:SS（例如：12:34:56）
正则表达式 [\u4e00-\u9fff]+ 可以匹配的字符串是：________。
答案：中文字符
正则表达式 ^[a-zA-Z0-9_]{4,16}$ 可以匹配的字符串是：________。
答案：4 到 16 位的用户名（字母、数字、下划线）
正则表达式 https?://\S+ 可以匹配的字符串是：________。
答案：HTTP 或 HTTPS 协议的 URL
正则表达式 \d+\.\d+ 可以匹配的字符串是：________。
答案：浮点数（例如：3.14）
正则表达式 ^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$ 可以匹配的字符串是：________。
答案：十六进制颜色值（例如：#FFFFFF 或 #FFF）
正则表达式 ^(\d{4})-(\d{2})-(\d{2})$ 可以匹配的格式是：________。
答案：YYYY-MM-DD（例如：2023-10-05）

编程题（每题 8 分，共 40 分）

编写一个正则表达式，匹配一个合法的邮箱地址。
答案：

import re
pattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'
emails = ["test@example.com", "invalid-email@com"]
for email in emails:if re.match(pattern, email):print(f"Valid: {email}")else:print(f"Invalid: {email}")

编写一个正则表达式，匹配一个合法的手机号码（中国大陆）。
答案：

import re
pattern = r'^1[3-9]\d{9}$'
phones = ["13800138000", "12345678901"]
for phone in phones:if re.match(pattern, phone):print(f"Valid: {phone}")else:print(f"Invalid: {phone}")

编写一个正则表达式，匹配一个合法的 URL。
答案：

import re
pattern = r'https?://(?:www\.)?\S+'
urls = ["https://www.example.com", "ftp://example.com"]
for url in urls:if re.match(pattern, url):print(f"Valid: {url}")else:print(f"Invalid: {url}")

编写一个正则表达式，匹配一个合法的日期（YYYY-MM-DD）。
答案：

import re
pattern = r'^\d{4}-\d{2}-\d{2}$'
dates = ["2023-10-05", "2023/10/05"]
for date in dates:if re.match(pattern, date):print(f"Valid: {date}")else:print(f"Invalid: {date}")

编写一个正则表达式，匹配一个合法的强密码（至少 8 位，包含大小写字母、数字和特殊字符）。
答案：

import re
pattern = r'^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[\W_]).{8,}$'
passwords = ["Password123!", "weakpass"]
for pwd in passwords:if re.match(pattern, pwd):print(f"Strong: {pwd}")else:print(f"Weak: {pwd}")

总分：100 分

选择题：15 题 × 2 分 = 30 分
填空题：10 题 × 3 分 = 30 分
编程题：5 题 × 8 分 = 40 分

五、实战案例

本节内容包含 3 个关于“正则表达式”的综合应用项目，每个项目都包含完整的程序代码、测试案例、执行结果以及代码说明。具体项目是：

邮箱地址提取器
日志文件分析器
HTML 标签提取器

项目 1：邮箱地址提取器

功能描述

从一段文本中提取所有合法的邮箱地址。

代码

import redef extract_emails(text):# 正则表达式匹配邮箱地址pattern = r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+'# 查找所有匹配的邮箱地址emails = re.findall(pattern, text)return emails# 测试案例
text = """
Contact us at support@example.com or sales@example.org. 
For more information, visit https://www.example.com.
Invalid email: user@com.
"""
emails = extract_emails(text)
print("Extracted emails:", emails)

执行结果

Extracted emails: ['support@example.com', 'sales@example.org']

代码说明

使用正则表达式 [a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+ 匹配邮箱地址。
re.findall 返回所有匹配的邮箱地址。

项目 2：日志文件分析器

功能描述

从日志文件中提取所有错误日志（包含 “ERROR” 关键字）。

代码

import redef extract_errors(log_file):# 正则表达式匹配错误日志pattern = r'ERROR.*'errors = []with open(log_file, 'r') as file:for line in file:match = re.search(pattern, line)if match:errors.append(match.group())return errors# 测试案例
log_file = 'sample_log.txt'
# 假设 sample_log.txt 内容如下：
"""
INFO: User logged in
ERROR: Failed to connect to database
INFO: Request processed
ERROR: File not found
"""
errors = extract_errors(log_file)
print("Error logs:")
for error in errors:print(error)

执行结果

Error logs:
ERROR: Failed to connect to database
ERROR: File not found

代码说明

使用正则表达式 ERROR.* 匹配以 “ERROR” 开头的日志行。
逐行读取日志文件并提取匹配的错误日志。

项目 3：HTML 标签提取器

功能描述

从 HTML 文本中提取所有标签及其内容。

代码

import redef extract_html_tags(html):# 正则表达式匹配 HTML 标签及其内容pattern = r'<(\w+)[^>]*>(.*?)</\1>'tags = re.findall(pattern, html)return tags# 测试案例
html = """
<div class="header">Welcome</div>
<p>This is a <b>test</b> paragraph.</p>
<a href="https://example.com">Link</a>
"""
tags = extract_html_tags(html)
print("HTML tags and content:")
for tag, content in tags:print(f"Tag: {tag}, Content: {content}")

执行结果

HTML tags and content:
Tag: div, Content: Welcome
Tag: p, Content: This is a <b>test</b> paragraph.
Tag: a, Content: Link

代码说明

使用正则表达式 <(\w+)[^>]*>(.*?)</\1> 匹配 HTML 标签及其内容。
re.findall 返回所有匹配的标签及其内容。

小结

以上 3 个迷你项目展示了正则表达式在实际应用中的强大功能，包括文本提取、日志分析、HTML 处理等。通过这些项目，可以更好地理解和掌握正则表达式的使用。