正则表达式基础 简介正则表达式（Regular Expression，简称 regex 或 regexp）是一种用来匹配和处理文本的模式表示法。它提供了一套强大的搜索、替换和处理文本的工具，用于描述特定的字符序列。用途： 文本搜索 文本替换 数据验证：如验证电子邮件地址、电话号码、邮政编码等格式是否正确。 数据提取：从日志文件、网页、文档等复杂文本中提取需要的信息。 视频教程入门进阶复习‍基础语法正则表达式由普通字符（字母、数字）和元字符（例如.​、*​等）组成，这些字符和元字符形成了匹配规则。普通字符直接匹配字符串，例如文本 /etc/apt/sources.list 内容为： # newer versions of the distribution. deb http://cn.archive.ubuntu.com/ubuntu/ jammy main restricted # deb-src http://cn.archive.ubuntu.com/ubuntu/ jammy main restricted ## Major bug fix updates produced after the final release of the ## distribution. deb http://cn.archive.ubuntu.com/ubuntu/ jammy-updates main restricted # deb-src http://cn.archive.ubuntu.com/ubuntu/ jammy-updates main restricted 此处忽略几十行 过滤掉注释和空行：cat /etc/apt/sources.list | grep 'deb http' deb http://cn.archive.ubuntu.com/ubuntu/ jammy main restricted deb http://cn.archive.ubuntu.com/ubuntu/ jammy-updates main restricted deb http://cn.archive.ubuntu.com/ubuntu/ jammy universe deb http://cn.archive.ubuntu.com/ubuntu/ jammy-updates universe deb http://cn.archive.ubuntu.com/ubuntu/ jammy multiverse deb http://cn.archive.ubuntu.com/ubuntu/ jammy-updates multiverse deb http://cn.archive.ubuntu.com/ubuntu/ jammy-backports main restricted universe multiverse deb http://security.ubuntu.com/ubuntu/ jammy-security main restricted deb http://security.ubuntu.com/ubuntu/ jammy-security universe deb http://security.ubuntu.com/ubuntu/ jammy-security multiverse 元字符 元字符 含义 示例 ​.​ 匹配除换行符以外的任意单个字符 ​a.c​ 可以匹配 "abc"、"adc"、"a1c" 等 ​^​ 匹配字符串的开头 ​^abc​ 匹配以 "abc" 开头的字符串 ​$​ 匹配字符串的结尾 ​abc$​ 匹配以 "abc" 结尾的字符串 ​*​ 匹配前面的元素零次或多次 ​ab*c​ 匹配 "ac"、"abc"、"abbc" 等 ​+​ 匹配前面的元素一次或多次 ​ab+c​ 匹配 "abc"、"abbc"，但不匹配 "ac" ​?​ 匹配前面的元素零次或一次 ​ab?c​ 匹配 "ac"、"abc" ​[]​ 定义字符类，匹配方括号中任意一个字符 ​[aeiou]​ 匹配任何一个元音字母[a-z]​ 匹配所有小写字母 ​|​ 表示“或”关系，匹配两者之一 ​http|https​ 匹配 "http"、"https" ​()​ 用于分组，影响量词作用范围 ​(ab)+​ 匹配 "ab"、"abab"、"ababab" 等 ​\​ 用于转义下一个字符，使其失去特殊含义。匹配它们的字面意义。 ​\.​ 可以匹配句号.​本身（字面）\\​ 可以匹配本身\​本身（字面） 字符类 字符 作用 写法示例 [...] 匹配括号内的任意一个字符 [abc] 匹配 "a"、"b" 或 "c" 中的任意一个字符 [^...] 匹配不在括号内的任意字符 [^abc] 匹配除了 "a"、"b"、"c" 以外的任意字符 过滤掉注释和空行：cat /etc/apt/sources.list | grep -P '^[^#]' 分组语法符号：使用括号 ()​ 将多个字符或子表达式视为一个整体。用途：捕获子串、重复匹配、替换部分内容等。1. 捕获分组捕获分组将匹配到的内容存储起来，便于后续操作，比如提取子串或替换匹配部分。语法：(pattern)​例如： (ab)c 这里 (ab)​ 是一个捕获分组，匹配到 "ab"，后面紧跟一个 "c"。匹配结果会将 "ab" 存储为一个组。 示例：提取电话号码中的区号 (\d{3})-(\d{3})-(\d{4}) 输入字符串：123-456-7890​ 捕获分组1：123​ （区号） 捕获分组2：456​ 捕获分组3：7890​通过捕获分组，可以很容易地提取到区号或其他部分。 2. 非捕获分组有时我们只想对表达式进行分组，但不需要捕获其中的内容。这时可以使用非捕获分组。语法：(?:pattern)​非捕获分组不会保存匹配的内容，只用于逻辑上的分组或应用操作。例如： (?:ab)+ 匹配 "ab" 的一次或多次重复，但不会将每次匹配的 "ab" 作为捕获分组存储。 3. 命名捕获分组有时为了更好地管理分组，尤其是在复杂的正则表达式中，可以为捕获分组指定名称，以便更清晰地引用。语法：(?<name>pattern)​例如： (?<area_code>\d{3})-(?<prefix>\d{3})-(?<line_number>\d{4}) 这段正则表达式捕获电话中的不同部分，并为每个部分指定了名字：area_code​、prefix​ 和 line_number​。 这样，匹配到的电话号码部分就可以通过名称来引用，而不是通过数字索引。 4. 引用分组捕获分组在匹配完成后，可以通过反向引用的方式再次使用已经捕获的内容。反向引用通过 \数字​ 来表示，其中 数字​ 是捕获组的编号。例如： (\w)\1 这里的 (\w)​ 捕获了一个单词字符，\1​ 则引用了这个捕获的字符。因此，它可以匹配两个相同的字符连续出现的情况，比如 "aa" 或 "bb"。 示例：匹配重复的单词 \b(\w+)\b\s+\1\b 匹配两个连续相同的单词，如 hello hello​。 捕获分组 (\w+)​ 保存了第一个单词，\1​ 则引用这个单词，以匹配后续的重复单词。 5. 分组的嵌套分组可以嵌套使用，一个分组内部可以包含其他分组，匹配到的内容会依次按左括号出现的顺序编号。例如： ((\d{3})-(\d{4})) 捕获分组1：(\d{3})-(\d{4})​ （整个字符串） 捕获分组2：\d{3}​ （前三位数字） 捕获分组3：\d{4}​ （后四位数字） 示例应用：1. 提取日期假设我们要提取日期格式为 YYYY-MM-DD​ 的字符串中的年份、月份和日期： (\d{4})-(\d{2})-(\d{2}) 捕获分组1：年份（4位数字）。 捕获分组2：月份（2位数字）。 捕获分组3：日期（2位数字）。输入字符串 2024-09-22​，捕获结果为： 分组1：2024​ 分组2：09​ 分组3：22​ 2. 替换文本中的部分内容假设有一个文本："My phone number is 123-456-7890"​，我们想用 ***​ 替换中间三位数字： import re text = "My phone number is 123-456-7890" result = re.sub(r'(\d{3})-(\d{3})-(\d{4})', r'\1-***-\3', text) print(result) # 输出: My phone number is 123-***-7890 总结 捕获分组用于匹配和存储子串。 非捕获分组用于逻辑上的分组，而不捕获内容。 命名捕获分组通过命名使表达式更加易读。 反向引用允许在正则表达式中重新使用已经捕获的内容。 复用语法复用规则可以让表达式更简洁。（1）快捷元符号（基础元符号的简便写法） 元字符 作用 \d 匹配任意数字，相当于 [0-9] \D 匹配任意非数字字符，相当于 [^0-9] \w 匹配任意字母、数字或下划线字符，相当于 [a-zA-Z0-9_] \W 匹配任意非字母、数字或下划线字符，相当于 [^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 \b 匹配单词边界 \B 匹配非单词边界 （2）量词(量词不是元符号，用来指定前面元素的重复次数。） 字符 作用 写法示例 {n} 匹配前面的元素恰好 n 次 a{2} 匹配 "aa" {n,} 匹配前面的元素至少 n 次 a{2,} 匹配 "aa"、"aaa" 等 {n,m} 匹配前面的元素至少 n 次，但不超过 m 次 a{2,4} 匹配 "aa"、"aaa" 或 "aaaa" 断言语法断言本身不匹配字符，它只是定义了一个条件，要求在某个位置满足特定条件才能继续匹配。 正向先行断言（后面满足条件） ：用(?=...)​表示，表示在当前位置之后的字符串需要满足括号中的条件才能匹配。例如，正则表达式foo(?=bar)​会匹配后面紧跟着bar​的foo​。 负向先行断言（后面不满足条件） ：用(?!...)​表示，表示在当前位置之后的字符串不能满足括号中的条件才能匹配。例如，正则表达式foo(?!bar)​会匹配后面不是bar​的foo​。 正向后顾断言（前面满足条件） ：用(?<=...)​表示，表示在当前位置之前的字符串需要满足括号中的条件才能匹配。例如，正则表达式(?<=foo)bar​会匹配前面紧跟着foo​的bar​。 负向后顾断言（前面不满足条件） ：用(?<!...)​表示，表示在当前位置之前的字符串不能满足括号中的条件才能匹配。例如，正则表达式(?<!foo)bar​会匹配前面不是foo​的bar​。 ‍在线练习 正则表达式在线测试工具：regex101.com 正则在线测试工具：egexr-cn.com 正则练习：codejiaonang.com