【Python】正则表达式的艺术：轻松驾驭 Python 的re库

🏠大家好，我是Yui_，目标成为全栈工程师~💬
🍑如果文章知识点有错误的地方，请指正！和大家一起学习，一起进步👀
🚀如有不懂，可以随时向我提问，我会全力讲解~
🔥如果感觉博主的文章还不错的话，希望大家关注、点赞、收藏三连支持一下博主哦~！
🔥你们的支持是我创作的动力！
🧸我相信现在的努力的艰辛，都是为以后的美好最好的见证！
🧸人的心态决定姿态！
💬欢迎讨论：如有疑问或见解，欢迎在评论区留言互动。
👍点赞、收藏与分享：如觉得这篇文章对您有帮助，请点赞、收藏并分享！
🚀分享给更多人：欢迎分享给更多对编程感兴趣的朋友，一起学习！

1.案例引入

本文将会先介绍什么是正则表达式，然后在介绍正则表达式在python中的应用。
下方图片及案例思路来自：正则表达式

在没有学习正则表达式前，当你被要求实现上图的功能，你会怎么实现呢？肯定就是将上面的要求一个个拆分出来逐个击破。
密码设置的规则：

• 密码长度为6~16位。
• 密码必须同时数字以及包含大小写字母和特殊字符。

def checkPassword(password):
    if(password == None):
        return False
    if(len(password)>16 or len(password)<6):
        return False
    hasNumber = False
    hasSmallLetter = False
    hasBigLetter = False
    hasSpecialChar = False
    arr = '~@#$%*_-+=:.?'
    for c in password:
        if '0'<=c<='9':
            hasNumber = True
        elif 'a'<=c<='z':
            hasSmallLetter = True
        elif 'A'<=c<='Z':
            hasBigLetter = True
        elif c in arr:
            hasSpecialChar = True
        else:
            return False
    return hasNumber and hasSmallLetter and hasBigLetter and hasSpecialChar

下面是验证：

#测试用例分别为：长度不够，完全符合，含有无效字符，长度过长，不含数字，不含小写字母，不含大写字母，不含特殊字符
passwords = ['aA1#a','AAA123__a','adasd1AS$$\\','asd232ASD&&asdqwasfa2','asdadASD$%','123ASD$$$$','123asd$','123qweASD']
for s in passwords:
    print(checkPassword(s))
#打印结果：
#False
#True
#False
#False
#False
#False
#False
#False

这是我们的没有学习过正则表达式的做法，代码量还是比较多的，但是如果运用正则表达式，可以将代码量压缩到一行。

import re
import numpy as np
def checkPassword(password):
    return bool(re.fullmatch(r'^(?=.*[0-9])(?=.*[a-z])(?=.*[A-Z])(?=.*[~@#\$%*_\-+=:.?])[A-Za-z0-9~@#\$%*_\-+=:.?]{6,16}$', password))  # 返回布尔值表示是否符合

美化一下验证代码：

# 测试用例
passwords = [
    'aA1#a',            # 长度不够
    'AAA123__a',        # 完全符合
    'adasd1AS$$\\',     # 含有无效字符
    'asd232ASD&&asdqwasfa2',  # 长度过长
    'asdadASD$%',       # 不含数字
    '123ASD$$$$',       # 不含小写字母
    '123asd$',        # 不含大写字母
    '123qweASD'         # 不含特殊字符
]
for s in passwords:
    print(f"{s}: {checkPassword(s)}")

打印结果：

aA1#a: False
AAA123__a: True
adasd1AS$$\: False
asd232ASD&&asdqwasfa2: False
asdadASD$%: False
123ASD$$$$: False
123asd&&$: False
123qweASD: False

这样是不是就非常简单了，现在你可能看不懂正则表达式，但相信你在看完这篇博客就会有所了解了。

2.正则表达式

正则表达式（英语：regular expression，常简写为regex、regexp或RE），又称规律表达式、正则表示式、正则表示法、规则表达式、常规表示法，是计算机科学概念，用简单字符串来描述、匹配文中全部匹配指定格式的字符串，现在很多文本编辑器都支持用正则表达式搜索、取代匹配指定格式的字符串。
许多程序设计语言都支持用正则表达式操作字符串，如Perl就内置功能强大的正则表达式引擎。正则表达式这概念最初由Unix的工具软件（例如sed和grep）普及开。

2.1 核心概念

1. 模式（Pattern）

• 正则表达式通过模式来描述字符的规则，比如“匹配所有数字”或“匹配以字母开头的字符串”。
• 模式由普通字符（如字母、数字）和特殊字符（元字符）组成。
  2. 匹配
• 正则表达式根据定义的模式，尝试在目标字符串中找到匹配部分。

3.正则表达式的语法

本文会详细讲述以下表格中的正则表达式的语法，当然正则表达式还存在其他的语法，但不在本文的讨论范围内。

3.1 正则：.

匹配除换行符的任意字符
举例：
a.c可以匹配abc、acc等等
...可以匹配123,124但是不能匹配1234

3.2 正则： \d

匹配任意一位数字
举例：
asd\d可以匹配asd1、asd2等等
aaabb\dccc就表示aaabb和ccc中间有一个数字。
aaa\d\d\d就表示aaa后面有3个数字。

3.3 正则：\D

匹配非数字
举例：
\D\D\D可以匹配3个非数字字符
如abc，qwe,zxc

3.4 正则：\w

匹配字母、数字或下划线
举例：
12\w212可以匹配123212,12a212,12_212…

3.5 正则：\W

匹配非字母，数字或下划线
举例：
12\W212可以匹配12+212,12-212…

3.6 正则：\s

匹配空白字符（空格、制表符等）（制表符为\t也就是Tab键）
举例：
12\s12可以匹配12 12

3.7 正则：\S

匹配非空白字符
举例：
12\S12可以匹配12112,12a12…

3.8 正则：^

匹配字符串的开头
举例：
^abc可以匹配以abc开头的字符串
比如^abc可以匹配abc123但是不能匹配123abc

3.9 正则：$

匹配字符串的结尾
举例：
$abc可以匹配123abc但是不能匹配abc123

3.10 正则：*

匹配前面的字符0次或多次，也就是任意次
举例：a*匹配任意次a
abc*abc可以匹配ababc,abcabc,abccabc,`abcccccccccabc

3.11 正则：+

匹配前面的字符1次或多次
举例：
abc+de可以匹配abcde,abccde,abccccde

3.12 正则：?

匹配前面的字符0次或1次
举例：
abc?bc可以匹配abcbc,abbc

3.13 正则：{n}

精确前面的字符匹配n次
举例：
ab{3}ab可以匹配abbbab

3.14 正则：{n,}

前面的字符至少匹配n次
举例：
ab{3,}ab可以匹配abbbab,abbbbbbbbab

3.15 正则：{n,m}

前面的字符匹配n到m次
举例：
ab{3,4}ab可以匹配abbbab,abbbbab

3.16 正则：[]

匹配字符集中的任意一个字符
举例：
ab[abc]de可以匹配abade,abbde,abcde
配合前面的语法，我们可以组合出[^]表示不与括号中的任意字符匹配。
举例：
a[^abc]c表示a和c的中间除了a、b、c这3个字符外，其他字符都满足要求。

3.17 正则()

分组，捕获子模式，把（）中的内容看成一个整体。
举例：
(abc)+可以匹配abc,abcabc

3.18 正则(?:...

它的作用类似于普通的分组 ()，但有一个关键区别：它只对正则表达式的逻辑分组，而不会将匹配的内容捕获为一个组。
这个举例必须用代码解释了

import re

pattern1 = r'(abc)+'
pattern2 = r'(?:abc)+'
text = 'abcabc'
match1 = re.match(pattern1,text)
match2 = re.match(pattern2,text)
if match1:
    print(match1.groups())
if match2:
    print(match2.groups())

因为它们的功能是一样的，所以match1和match2的if判断都为真，但是(?:匹配后不会将内容捕获为一个组，所以第二个print打印不出内容的。

打印结果：
('abc',)
()

3.18 正则(?P<name>...

与普通的捕获组 () 不同，命名捕获组为每个捕获的子表达式指定一个可读的名称，而不仅仅使用数字索引来引用它。这使得代码更加易读，特别是在多个捕获组时，能够明确标明每个捕获组的意义。
这里还是用代码来解释

import re

# 使用命名捕获组
pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
text = "2023-12-14"

# 执行匹配
match = re.match(pattern, text)
if match:
    # 通过组名来获取匹配的内容
    print(f"Year: {match.group('year')}")   # 输出：Year: 2023
    print(f"Month: {match.group('month')}") # 输出：Month: 12
    print(f"Day: {match.group('day')}")     # 输出：Day: 14

3.19 正则：|

补充一个语法
功能：| (竖线) 则表示或的关系，表示检测的字符串须满足其中一个时，才符合条件
举例：
aa|bb|cc可以匹配aa,bb,cc

3.20 正则：(?=...)

再补充一个语法，这是前面案例中用到的语法。
(?=...) 是正则表达式中的正向前瞻（Positive Lookahead），用于在某个位置检查后面是否跟着某个特定的模式，但不会消耗这些字符，即匹配时并不会把 (?=...) 中的内容包括在最终结果中。
举例：
X(?=Y)

• X为主匹配部分
• (?=Y)：正向前瞻，表示在X后面必须匹配到Y，但是Y不会成为匹配结果的一部分。
  用代码举例：

import re

pattern = r'[a-zA-Z](?=\d)'  # 匹配一个字母，后面必须是数字
text = "a1b2c3"

matches = re.findall(pattern, text)
print(matches)  # 输出：['a', 'b', 'c']

那么正则表达式的基础语法就都讲完了，下面就是python中的re库的介绍

4. re库

re 是 Python 的正则表达式（regular expression）模块，提供了一套强大而灵活的工具，用于字符串的模式匹配、查找和替换操作。正则表达式是一种用来匹配字符串的规则，这种规则通常用于数据验证、字符串解析或复杂的文本处理。
re库是python中内置的库，不需要进行额外的安装在代码的开头添加import re即可。

4.1 常见的re函数

第一个不得不提的函数就是re.match().

4.1.1 re.match()

功能：用于从字符串的起始位置开始匹配开始匹配一个正则表达式。如果正则表达式匹配成功，则返回一个匹配对象，如果匹配失败，返回None.
语法：

re.match(pattern,string,[flags])

参数：

• pattern：表示模式字符串，由要匹配的正则表达式转化而来。
• string：表示要匹配的字符串。
• flags：可选参数，表示标志位，用于控制匹配模式，比如是否区分大小写。
  返回值：
  失败返回None，成功返回一个匹配对象match object
  这里的match object就是该函数的重点。
  该返回值包含了详细的匹配信息，可以通过对该返回值的提取获得更多的内容，如匹配的字符串、位置等信息。
  match object的常见方法和属性：

1. group()：返回匹配到的子串。

• group(0)：返回整个匹配到的字符串。
• group(n)：返回第n个捕获组（如果存在的话）。

import re

pattern1 = r'\d*' #无捕获组
pattern2 = r'(\d*)' #有捕获组
text = '12345678'

match1 = re.match(pattern1,text)
match2 = re.match(pattern2,text)

print(match1.group()) 
print(match1.group(0))
#print(match1.group(1)) #报错

print(match2.group())
print(match2.group(0))
print(match2.group(1))
#打印结果
'''
12345678
12345678
12345678
12345678
12345678
'''

在这个例子上你发现会对于不存在捕获组的pattern1它的match1.group(1)是无法打印的，通过这个例子似乎并不能完全理解，看着打印结果。你可能会认为它们的功能相同，实际上只有group()和group(0)的功能是一样的。
那么我们来看第二个例子：

import re

pattern = r"(\d+)-(\w+)"
text = "123-abc"

match = re.match(pattern, text)
if match:
    print(match.group(0))   # 输出：123-abc（完整匹配）
    print(match.group(1))   # 输出：123（第一个捕获组）
    print(match.group(2))   # 输出：abc（第二个捕获组）

这个例子可以清楚的理解到返回第n个捕获组的意思了吧。
2. groups()：返回所有捕获组的内容，形式是一个元组。

• 没有捕获组的话会返回空元组。
  通过代码更好理解

import re

pattern = r"(\d+)-(\w+)"
text = "123-abc"

match = re.match(pattern, text)
if match:
    print(match.group(0))   # 输出：123-abc（完整匹配）
    print(match.group(1))   # 输出：123（第一个捕获组）
    print(match.group(2))   # 输出：abc（第二个捕获组）
    print(match.groups())   # 输出：('123', 'abc')（所有捕获组）

这个函数和group()非常之像，不要记反了。

match object还有其它的一些方法，如：start(),end(),span,lastgroup(),lastindex()，这里就不具体介绍了，读者可以根据提供的方法名，自行了解。

4.1.2 re.findall()

返回字符串中所有与正则表达式匹配的非重复子串，结果以列表的形式返回。如果没有匹配项返回空列表。
语法：

re.fillall(pattern,string,[flags])

直接看代码可能会更好理解：

import re

pattern = r'\d+'
text = '123456x12x123'
arr = re.findall(pattern,text)
print(arr) #输出['123456', '12', '123']

4.1.3 re.search()

功能：从整个字符串中查找第一个匹配的子串，如果找到匹配项，那么返回一个匹配对象；否则，返回None
语法：

re,search(pattern,string,[flags])

返回值：match object
注意：search()方法不仅是在字符串的起始位置进行匹配，其他位置上有符合的匹配也可以进行搜索，但是最终不论待匹配字符串有多少个符合的结果，也只会返回一个。

import re

pattern = r"abc"  # 查找 'abc'
text = "123abc456"

search = re.search(pattern, text)
if search:
    print(f"匹配到：{search.group()}")  # 输出：匹配到：abc
else:
    print("没有匹配到")

4.1.4 re.sub()

功能：用于替换字符串所有匹配正则表达式的部分。接受正则表达式，替换内容和目标字符串作为参数。
语法：

re.sub(pattern,repl,string,[count],[flags])

参数：

• repl：表示要替换后的字符串。
• count：可选参数，表示模式匹配后替换的最大次数，默认值为0，表示替换所有的匹配。
  下面看代码吧。

import re

pattern = r"\d+"  # 匹配数字
text = "123abc456def789"

result = re.sub(pattern, "X", text)
print(result)  # 输出：XabcXdefX

4.1.5 re.split()

功能：按正则表达式分割字符串，返回分割后的字符串列表。
语法：

re.split(pattern,string,[maxsplit],[flags])

参数：

• maxsplit：可选参数，表达最大的拆分次数。
  这个也是看代码更清晰易懂：

import re

pattern = r"\d+"  # 按数字分割
text = "abc123def456ghi789"

result = re.split(pattern, text)
print(result)  # 输出：['abc', 'def', 'ghi', '']

5. 再讲案例

还记得我们在最前面引入的那个密码问题吗？

前面我给出了它们的普通写法，以及正则表达式写法。现在学完正则表达式的你，能不能写出它的正则表达式呢？
首先就是至少包含一个数字，可能读者会想到[0-9]来匹配，但是这其实是不行的，这是因为它的作用范围仅限匹配当前字符，不能与其他复杂规则组合使用。
对比：

• 简单匹配[0-9]:
  • 只能直接匹配数字，无法检查整个字符串。
  • 举例：[0-9]匹配123abc的第一个数字1.
• 正向前瞻(?=.*[0-9]):
  • 检查整个字符串中是否包含一个数字。
  • 举例：(?=.*[0-9])检查abc123是否包含数字，不消耗字符，后续规则继续匹配。
    r'^(?=.*[0-9])(?=.*[a-z])(?=.*[A-Z])(?=.*[~@#\$%*_\-+=:.?])[A-Za-z0-9~@#\$%*_\-+=:.?]{6,16}$'

了解完这个案例，后续的大小写字母、特殊字符也是这样规则。
那么案例的后续规则还有，输入字符必须是指定范围内的字符。为此我们还需要限定一下可选的字符。
这时候想到的语法就是匹配字符集中的任意一个字符，用到[]
把范围内的字符全加进去[A-Za-z0-9~@#\$%*_\-+=:.?]
最后一个要求就是字符串长度要求6~16，这就要用到{6~16}匹配前面的字符6~16次
最后的最后，在加上^和$,分别表示匹配字符串的开头和结尾，确保字符串完全匹配，不允许多余字符。

6. 总结

正则表达式是处理文本数据的强大工具，它以灵活的模式匹配能力广泛应用于数据清洗、验证、提取和替换等任务中。而 Python 的 re 库则提供了一套高效且易用的接口，让开发者可以轻松地使用正则表达式来解决复杂的字符串处理问题。从简单的匹配到多条件组合的验证，再到高级功能如前瞻、后瞻和命名捕获组，re 模块都能满足你的需求。无论你是编程新手，还是需要快速完成数据处理任务的开发者，掌握正则表达式与 re 库将帮助你在文本操作中如虎添翼。
往期文章python
文章代码都在gitee