正則表達(dá)式 (Regular Expression, 簡稱 regex 或 regexp) 是一種強(qiáng)大的文本處理工具，它使用預(yù)定義的特殊字符和模式來匹配、查找、替換和分割字符串。Python 的 re 庫提供了全面的正則表達(dá)式支持，讓你能夠在 Python 程序中輕松地處理各種文本任務(wù)。

本文將通過五個案例，帶大家逐步了解 re 庫的常用功能和技巧。

案例 1: 基礎(chǔ)匹配 - 查找郵箱地址

假設(shè)你有一段文本信息，其中包含一些郵箱地址，你想從中提取出所有的郵箱地址。

正則表達(dá)式: \w+@\w+\.\w+

• \w: 匹配字母、數(shù)字、下劃線 (word characters)。
• +: 匹配前面的字符一次或多次。
• @:  匹配 @ 符號本身。
• \.: 匹配 . 符號本身 (需要轉(zhuǎn)義，因為 . 在正則中是特殊字符，匹配任意字符)。

import re

text = "聯(lián)系我們：support@example.com 或者 sales.department@another-example.net.cn"
pattern = r'\w+@\w+\.\w+' # r'' 表示原始字符串，避免反斜杠轉(zhuǎn)義問題
emails = re.findall(pattern, text) # findall 查找所有匹配項，返回列表

print("原始文本:", text)
print("提取到的郵箱地址:", emails)

• r'\w+@\w+\.\w+' 定義了正則表達(dá)式模式。r 前綴表示原始字符串，這在正則表達(dá)式中非常推薦使用，可以避免反斜杠被 Python 字符串轉(zhuǎn)義誤解。
• re.findall(pattern, text) 函數(shù)會在 text 字符串中查找所有符合 pattern 模式的子字符串，并將它們以列表的形式返回。

上面的正則表達(dá)式是一個非常基礎(chǔ)的郵箱地址匹配模式，它能匹配簡單的郵箱格式，但對于更復(fù)雜的郵箱地址 (例如包含 . 或 - 在用戶名部分) 可能無法完全匹配。在實(shí)際應(yīng)用中，你可能需要更完善的正則表達(dá)式來處理各種郵箱格式。 例如，\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 可以匹配更復(fù)雜的郵箱地址。

案例 2: 匹配手機(jī)號碼

場景:你需要驗證用戶輸入的字符串是否為中國大陸的手機(jī)號碼。

正則表達(dá)式 (簡化版):^1[3-9]\d{9}$

• ^:  匹配字符串的開始位置。
• 1:  匹配數(shù)字 1，中國大陸手機(jī)號碼通常以 1 開頭。
• [3-9]: 匹配數(shù)字 3 到 9 中的任意一個，表示手機(jī)號碼的第二位數(shù)字 (常見的號段第二位)。
• \d{9}: 匹配 9 個數(shù)字 (\d 代表數(shù)字，{9} 表示重復(fù) 9 次)。
• $:  匹配字符串的結(jié)束位置。

import re

phone_numbers = ["13812345678", "15098765432", "18655551111", "12345678901", "010-88888888"]

pattern = r'^1[3-9]\d{9}$'

for number in phone_numbers:
    if re.match(pattern, number): # match 從字符串的開頭開始匹配
        print(f"{number} 是一個有效的手機(jī)號碼")
    else:
        print(f"{number} 不是有效的手機(jī)號碼")

• ^1[3-9]\d{9}$ 定義了手機(jī)號碼的模式。^ 和 $ 確保模式從字符串的開頭匹配到結(jié)尾，避免匹配到字符串中間部分符合模式的情況。
• re.match(pattern, number) 函數(shù)嘗試從 number 字符串的開頭匹配 pattern。如果匹配成功，返回一個匹配對象；否則返回 None。

這個正則表達(dá)式只是一個簡化的版本，實(shí)際的手機(jī)號碼規(guī)則非常復(fù)雜，號段不斷更新。更嚴(yán)格的手機(jī)號碼驗證可能需要更復(fù)雜的正則表達(dá)式，或者使用專門的手機(jī)號碼驗證庫。

案例 3: 分組與提取 - 解析日期格式

你有一系列不同格式的日期字符串，例如 "2023-10-26"、"2023/10/26"、"2023年10月26日"，你想統(tǒng)一提取出年、月、日。

正則表達(dá)式 (支持多種分隔符): (\d{4})[-/年](\d{1,2})[-/月](\d{1,2})日?

• (\d{4}):  用括號 () 分組，匹配 4 位數(shù)字表示年份。
• [-/年]: 匹配 -、/ 或 年 字作為分隔符。
• (\d{1,2}):  分組，匹配 1 到 2 位數(shù)字表示月份。
• [-/月]: 匹配 -、/ 或 月 字作為分隔符。
• (\d{1,2}):  分組，匹配 1 到 2 位數(shù)字表示日期。
• 日?: 匹配 "日" 字，? 表示 0 次或 1 次，即 "日" 字可選。

import re

dates = ["2023-10-26", "2023/10/26", "2023年10月26日", "2024-1-5", "invalid date"]

pattern = r'(\d{4})[-/年](\d{1,2})[-/月](\d{1,2})日?'

for date_str in dates:
    match = re.search(pattern, date_str) # search 在字符串中搜索第一個匹配項
    if match:
        year = match.group(1) # 獲取第一個分組的內(nèi)容 (年份)
        month = match.group(2) # 獲取第二個分組的內(nèi)容 (月份)
        day = match.group(3)   # 獲取第三個分組的內(nèi)容 (日期)
        print(f"日期字符串: {date_str},  提取結(jié)果: 年={year}, 月={month}, 日={day}")
    else:
        print(f"日期字符串: {date_str},  無法解析")

• (\d{4})[-/年](\d{1,2})[-/月](\d{1,2})日? 使用括號 () 創(chuàng)建了三個分組，分別對應(yīng)年、月、日。
• re.search(pattern, date_str) 在 date_str 中搜索第一個匹配項。
• match.group(n) 方法可以獲取第 n 個分組匹配到的內(nèi)容 (從 1 開始計數(shù))。

案例 4: 替換操作 - 統(tǒng)一文本格式

你需要將文本中的所有 "Mr.", "Ms.", "Miss." 等稱謂統(tǒng)一替換為 "先生/女士"。

正則表達(dá)式 (匹配多種稱謂): (Mr\.|Ms\.|Miss\.)

• (Mr\.|Ms\.|Miss\.):  使用 | (或) 匹配 "Mr.", "Ms.", 或 "Miss."。 注意 . 需要轉(zhuǎn)義 \.。  整個部分用括號分組。

import re

text = "Hello Mr. Smith, how are you? And Ms. Jane, are you doing well?  Also, Miss. Lee is joining us."

pattern = r'(Mr\.|Ms\.|Miss\.)'
replacement = '先生/女士'
new_text = re.sub(pattern, replacement, text) # sub 執(zhí)行替換操作

print("原始文本:", text)
print("替換后的文本:", new_text)

• r'(Mr\.|Ms\.|Miss\.)' 定義了要匹配的稱謂模式。
• re.sub(pattern, replacement, text) 函數(shù)會在 text 中查找所有匹配 pattern 的子字符串，并用 replacement 字符串替換它們。

案例 5: 分割字符串 - 按多種分隔符分割

你需要將一段文本按照句號、逗號、問號、感嘆號等多種標(biāo)點(diǎn)符號分割成句子。

正則表達(dá)式 (匹配多種標(biāo)點(diǎn)符號): [.,?!]

• [.,?!]:  字符集 [] 匹配方括號中列出的任意一個字符，這里匹配句號 .、逗號 ,、問號 ?、感嘆號 !。

import re

text = "This is the first sentence. And this is the second, with a comma! Is this the third? Yes it is."

pattern = r'[.,?!]'
sentences = re.split(pattern, text) # split 根據(jù)模式分割字符串，返回列表

print("原始文本:", text)
print("分割后的句子列表:", sentences)

• r'[.,?!]' 定義了分隔符模式，匹配任何句號、逗號、問號或感嘆號。
• re.split(pattern, text) 函數(shù)會根據(jù) pattern 將 text 字符串分割成多個子字符串，并將它們以列表形式返回。 分割符本身不會包含在返回的子字符串中。

總結(jié)

這5個案例展示了 re 庫在 Python 中處理正則表達(dá)式的一些基本和常用功能：

• re.findall():  查找所有匹配項。
• re.match():  從字符串開頭匹配。
• re.search():  在字符串中搜索第一個匹配項。
• re.sub():  替換匹配項。
• re.split():  根據(jù)模式分割字符串。

同時，我們也接觸了一些常用的正則表達(dá)式語法元素：

• 字符類: \w, \d, \s, . 等
• 量詞: +, *, ?, {n}, {n,m}
• 錨點(diǎn): ^, $
• 分組: ()
• 字符集: []
• 或: |

要深入掌握正則表達(dá)式，還需要不斷學(xué)習(xí)和實(shí)踐。 你可以查閱 Python re 庫的官方文檔，以及在線正則表達(dá)式教程和工具，例如 https://regex101.com/ (一個非常棒的在線正則表達(dá)式測試工具)。