如何在Python中使用正則表達式
在Python中使用正則表達式（Regular Expressions, 簡稱regex）主要是通過內(nèi)置的re模塊來實現(xiàn)。這個模塊提供了多種函數(shù)和方法，可以幫助你創(chuàng)建、編譯和應用正則表達式來進行字符串匹配、搜索、替換等操作。
1. 導入 re 模塊
首先，你需要導入Python的標準庫中的re模塊：
import re2. 編寫正則表達式模式
正則表達式是一個特殊的字符序列，它描述了字符串的某種模式或規(guī)則。例如，要匹配一個電子郵件地址，你可以編寫如下正則表達式：
email_pattern = r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"注意：在Python中，通常會在字符串前加上字母r以表示這是一個原始字符串（raw string），這樣可以避免反斜杠轉(zhuǎn)義問題。
3. 使用 re 模塊的常用函數(shù)
查找所有匹配項 - findall()
查找字符串中所有與給定模式匹配的子串，并返回一個列表：
matches = re.findall(email_pattern, "Contact us at support@example.com or sales@company.org")
print(matches) # Output: ['support@example.com', 'sales@company.org']匹配開頭 - match()
嘗試從字符串的起始位置匹配一個模式，如果匹配成功，則返回一個匹配對象；否則返回None：
result = re.match(r"Hello", "Hello world!")
if result:
print("Match found:", result.group())
else:
print("No match")搜索整個字符串 - search()
掃描整個字符串并返回第一個成功的匹配結(jié)果：
result = re.search(r"world", "Hello world!")
if result:
print("Found:", result.group()) # Output: Found: world
else:
print("Not found")替換匹配項 - sub()
將匹配到的內(nèi)容替換為指定的新字符串：
new_text = re.sub(r"\d+", "number", "There are 123 apples and 456 oranges.")
print(new_text) # Output: There are number apples and number oranges.分割字符串 - split()
按照匹配的模式分割字符串，并返回一個列表：
words = re.split(r"\W+", "Hello, how are you?")
print(words) # Output: ['Hello', 'how', 'are', 'you', '']4. 編譯正則表達式
為了提高性能，特別是當你多次使用同一個正則表達式時，你可以先編譯它：
compiled_pattern = re.compile(email_pattern)
matches = compiled_pattern.findall("Contact us at support@example.com or sales@company.org")
print(matches) # Output: ['support@example.com', 'sales@company.org']5. 獲取更多信息 - 使用匹配對象
當你調(diào)用match()或search()時，它們會返回一個匹配對象，其中包含了有關(guān)匹配的信息。你可以從中提取更多細節(jié)：
result = re.search(r"(\w+) (\w+)", "John Doe")
if result:
print("Full name:", result.group()) # Output: Full name: John Doe
print("First name:", result.group(1)) # Output: First name: John
print("Last name:", result.group(2)) # Output: Last name: Doe6. 使用標志（Flags）
某些情況下，你可能希望改變正則表達式的行為。可以通過傳遞額外的標志來實現(xiàn)這一點。例如，使匹配不區(qū)分大小寫：
case_insensitive_match = re.search("hello", "Hello World!", flags=re.IGNORECASE)
if case_insensitive_match:
print("Case-insensitive match found!")常見的標志包括：
re.IGNORECASE 或 re.I：忽略大小寫的匹配。
re.MULTILINE 或 re.M：多行模式，改變'^'和'$'的行為。
re.DOTALL 或 re.S：讓.匹配包括換行符在內(nèi)的所有字符。7. 正則表達式的元字符和特殊序列
了解一些常用的元字符（如^, $, ., *, +, ?, {m,n}, [], (), |）以及特殊序列（如\d, \s, \w）對于構(gòu)建有效的正則表達式至關(guān)重要。這些符號賦予了正則表達式強大的靈活性和表達能力。
import re
# 編寫正則表達式模式，用于匹配電子郵件地址
email_pattern = r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"# 查找所有匹配項 - findall()
匹配結(jié)果 = re.findall(email_pattern, "請聯(lián)系 support@example.com 或 sales@company.org")
print("找到的電子郵件地址:", 匹配結(jié)果) # 輸出: ['support@example.com', 'sales@company.org']# 匹配開頭 - match()
result = re.match(r"你好", "你好，世界！")
if result:
print("匹配成功:", result.group()) # 輸出: 匹配成功: 你好
else:
print("沒有匹配")# 搜索整個字符串 - search()
result = re.search(r"世界", "你好，世界！")
if result:
print("找到:", result.group()) # 輸出: 找到: 世界
else:
print("未找到")# 替換匹配項 - sub()
新文本 = re.sub(r"\d+", "數(shù)字", "這里有123個蘋果和456個橙子。")
print("替換后的文本:", 新文本) # 輸出: 這里有數(shù)字個蘋果和數(shù)字個橙子。# 分割字符串 - split()
words = re.split(r"\W+", "你好，你怎么樣？")
print("分割后的單詞列表:", words) # 輸出: ['你好', '你', '怎么樣', '']# 編譯正則表達式以提高性能
compiled_pattern = re.compile(email_pattern)
匹配結(jié)果 = compiled_pattern.findall("請聯(lián)系 support@example.com 或 sales@company.org")
print("找到的電子郵件地址:", 匹配結(jié)果) # 輸出: ['support@example.com', 'sales@company.org']# 獲取更多信息 - 使用匹配對象
result = re.search(r"(\w+) (\w+)", "張三 李四")
if result:
print("全名:", result.group()) # 輸出: 全名: 張三 李四
print("名字:", result.group(1)) # 輸出: 名字: 張三
print("姓氏:", result.group(2)) # 輸出: 姓氏: 李四# 使用標志（Flags）使匹配不區(qū)分大小寫
case_insensitive_match = re.search("hello", "Hello World!", flags=re.IGNORECASE)
if case_insensitive_match:
print("不區(qū)分大小寫的匹配找到了!")# 注意：確保你的環(huán)境支持UTF-8編碼，以便正確顯示中文字符。
關(guān)于中文字符的支持
為了確保中文字符能夠被正確處理和顯示，請注意以下幾點：
文件編碼：保存Python腳本時，請確保文件保存為UTF-8編碼格式。大多數(shù)現(xiàn)代編輯器默認使用UTF-8，但你可以檢查并更改設(shè)置以確認。
終端或命令行工具：運行Python腳本的終端或命令行工具也應支持UTF-8編碼。如果你遇到亂碼問題，可能需要調(diào)整這些工具的編碼設(shè)置。
Python源文件聲明：雖然對于Python 3.x來說不是必須的，但在某些情況下，在文件頂部添加如下聲明可能會有所幫助：
# -*- coding: utf-8 -*-
