Python 零基础100天—Day26 正则表达式基础
- 2026-07-01 19:41:04
Python 零基础100天—Day26 正则表达式基础
轻松时刻：
🐍 正则表达式基础 — 文本处理的瑞士军刀
🕐 预计用时：2-3 小时 ｜ 🎯 目标：掌握 re 模块、元字符、match/search/findall
📖 今日目录
什么是正则表达式？ re 模块入门 基础元字符 字符类 [] 量词 位置锚点 常用函数：match/search/findall 实战练习 今日小结
1. 什么是正则表达式？
正则表达式（Regular Expression，简称 regex）是一种"模式匹配语言"——用特殊符号描述文本模式，然后从海量文本中精准提取你想要的内容。
# 没有正则：手动逐字符判断
text = "我的手机号是13800138000，他的号码是13912345678"
# 想提取手机号？手动写代码逐字符判断？太累了！
# 有正则：一行搞定
import re
phones = re.findall(r"1[3-9]\d{9}", text)
print(phones) # ['13800138000', '13912345678']1[3-9]\d{9} | |
\w+@\w+\.\w+ | |
\d{4}-\d{2}-\d{2} | |
re.sub("敏感词", "***", text) | |
re.split(r"[,;\s]", text) |
2. re 模块入门
import re
# 最简单的正则：普通字符匹配自己
result = re.search(r"hello", "say hello to python")
print(result) # <re.Match object; span=(4, 9), match='hello'>
print(result.group()) # hello
print(result.start()) # 4（匹配的起始位置）
print(result.end()) # 9（匹配的结束位置）💡 r 前缀是什么？r"hello" 是"原始字符串"——反斜杠不被转义。
正则里大量用 \，不加 r 的话 \d 要写成 \\d，太丑了。
写正则永远加 r 前缀！
3. 基础元字符
. | a.c | ||
\d | a\db | ||
\D | a\Db | ||
\w | \w+ | ||
\W | \W+ | ||
\s | a\sb | ||
\S | a\Sb | ||
\\ | a\.b |
import re
# . 匹配任意一个字符
print(re.findall(r"a.c", "abc a1c a@c a\nc")) # ['abc', 'a1c', 'a@c']（不含换行）
# \d 匹配数字
print(re.findall(r"\d+", "今天是2024年1月15日")) # ['2024', '1', '15']
# \w 匹配字母数字下划线
print(re.findall(r"\w+", "hello_world 123 @#$")) # ['hello_world', '123']
# \s 匹配空白
print(re.findall(r"\s+", "a b\tc\nd")) # [' ', '\t', '\n']
# 转义特殊字符
print(re.findall(r"a\.b", "a.b acb a1b")) # ['a.b']（只匹配字面意义的点）4. 字符类 []
方括号定义"可选字符集"——匹配其中任意一个字符。
# [abc] — 匹配 a 或 b 或 c
print(re.findall(r"[abc]", "apple banana cherry")) # ['a', 'b', 'a', 'a', 'a', 'c']
# [a-z] — 匹配 a 到 z 的任意小写字母
print(re.findall(r"[a-z]+", "Hello World 123")) # ['ello', 'orld']
# [A-Za-z] — 匹配所有字母
print(re.findall(r"[A-Za-z]+", "Hello World 123")) # ['Hello', 'World']
# [0-9] — 等价于 \d
print(re.findall(r"[0-9]+", "abc123def456")) # ['123', '456']
# [^...] — 取反（不匹配这些字符）
print(re.findall(r"[^0-9]+", "abc123def456")) # ['abc', 'def']
# 常用字符类简写
# [0-9] → \d
# [a-zA-Z0-9_] → \w
# [ \t\n\r\f\v] → \s# 实用示例
# 提取中文
text = "Hello 你好 World 世界 123"
chinese = re.findall(r"[\u4e00-\u9fa5]+", text)
print(chinese) # ['你好', '世界']
# 匹配手机号前缀（1开头，第二位是3-9）
print(re.findall(r"1[3-9]\d{9}", "13800138000 12345 15912345678"))
# ['13800138000', '15912345678']
# 匹配十六进制颜色值
text = "背景色是 #FF5733，前景色是 #00AACC"
colors = re.findall(r"#[0-9A-Fa-f]{6}", text)
print(colors) # ['#FF5733', '#00AACC']5. 量词
量词控制前面的元素重复几次。
* | ab*c | ||
+ | ab+c | ||
? | ab?c | ||
{n} | a{3} | ||
{n,} | a{2,} | ||
{n,m} | a{2,4} |
import re
# * 零次或多次
print(re.findall(r"ab*c", "ac abc abbc abbbc")) # ['ac', 'abc', 'abbc', 'abbbc']
# + 一次或多次
print(re.findall(r"ab+c", "ac abc abbc abbbc")) # ['abc', 'abbc', 'abbbc']
# ? 零次或一次
print(re.findall(r"colou?r", "color colour")) # ['color', 'colour']
# {n} 恰好 n 次
print(re.findall(r"\d{3}", "12 345 6789 12345")) # ['345', '678', '123']
# {n,m} n 到 m 次
print(re.findall(r"\d{2,4}", "1 12 123 1234 12345"))
# ['12', '123', '1234', '1234', '5'] → 注意 12345 被拆成 1234 和 5⚡ 贪婪 vs 非贪婪
# 默认是贪婪模式（尽可能多匹配）
text = "<div>hello</div><div>world</div>"
# 贪婪：尽可能多匹配
greedy = re.findall(r"<div>.*</div>", text)
print(greedy) # ['<div>hello</div><div>world</div>']（匹配了全部）
# 非贪婪：加 ? 尽可能少匹配
lazy = re.findall(r"<div>.*?</div>", text)
print(lazy) # ['<div>hello</div>', '<div>world</div>']（分别匹配）💡 贪婪 vs 非贪婪：
贪婪：.*、.+、.{n,m} — 尽可能多匹配
非贪婪：.*?、.+?、.{n,m}? — 加个 ? 就变非贪婪
提取 HTML 标签内容时，几乎 always 用非贪婪！
6. 位置锚点
# ^ — 字符串开头
print(re.findall(r"^hello", "hello world")) # ['hello']
print(re.findall(r"^world", "hello world")) # []（不在开头）
# $ — 字符串结尾
print(re.findall(r"world$", "hello world")) # ['world']
print(re.findall(r"hello$", "hello world")) # []（不在结尾）
# \b — 单词边界
print(re.findall(r"\bcat\b", "cat category scatter"))
# ['cat']（只匹配独立的 cat，不匹配 category 和 scatter）
print(re.findall(r"\bpython\b", "python3 python snake"))
# ['python']（只匹配独立的 python）
# 实用：验证整个字符串是否匹配
# 完全匹配（^开头 $结尾）
print(bool(re.match(r"^\d{6}$", "123456"))) # True（6位数字）
print(bool(re.match(r"^\d{6}$", "12345"))) # False（5位）
print(bool(re.match(r"^\d{6}$", "1234567"))) # False（7位）7. 常用函数
🔍 re.match — 从开头匹配
# match 只从字符串开头匹配
result = re.match(r"\d+", "123abc")
print(result.group()) # 123
result = re.match(r"\d+", "abc123")
print(result) # None（开头不是数字）🔍 re.search — 搜索第一个匹配
# search 搜索整个字符串，返回第一个匹配
result = re.search(r"\d+", "abc123def456")
print(result.group()) # 123（第一个匹配）
# 没找到返回 None
result = re.search(r"\d+", "no numbers here")
print(result) # None🔍 re.findall — 找到所有匹配
# findall 返回所有匹配的列表
result = re.findall(r"\d+", "abc123def456ghi789")
print(result) # ['123', '456', '789']
# 提取所有邮箱
text = "联系 zhang@test.com 或 li@example.org"
emails = re.findall(r"\w+@\w+\.\w+", text)
print(emails) # ['zhang@test.com', 'li@example.org']🔍 re.finditer — 返回迭代器
# finditer 返回 Match 对象的迭代器（大文本更高效）
for match in re.finditer(r"\d+", "abc123def456"):
print(f"找到 '{match.group()}' 在位置 {match.start()}-{match.end()}")
# 找到 '123' 在位置 3-6
# 找到 '456' 在位置 9-12🔄 re.sub — 替换
# sub 替换匹配的内容
result = re.sub(r"\d+", "***", "电话13800138000，邮编100000")
print(result) # 电话***，邮编***
# 用函数替换
def double_number(match):
return str(int(match.group()) * 2)
result = re.sub(r"\d+", double_number, "a1 b2 c3")
print(result) # 'a2 b4 c6'✂️ re.split — 分割
# 按多种分隔符分割
result = re.split(r"[,;\s]+", "apple, banana; cherry date")
print(result) # ['apple', 'banana', 'cherry', 'date']📋 re 完整函数速查表
re.match(p, s) | ||
re.search(p, s) | ||
re.findall(p, s) | ||
re.finditer(p, s) | ||
re.sub(p, r, s) | ||
re.split(p, s) | ||
re.compile(p) |
8. 实战练习
🎯 练习 1：手机号/邮箱/身份证验证器
import re
def validate_phone(phone):
"""验证手机号"""
pattern = r"^1[3-9]\d{9}$"
return bool(re.match(pattern, phone))
def validate_email(email):
"""验证邮箱"""
pattern = r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$"
return bool(re.match(pattern, email))
def validate_id_card(id_card):
"""验证身份证号（18位）"""
pattern = r"^[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$"
return bool(re.match(pattern, id_card))
# 测试
tests = [
("13800138000", "手机号", validate_phone),
("12345678901", "手机号", validate_phone),
("zhang@test.com", "邮箱", validate_email),
("invalid@", "邮箱", validate_email),
("110101199003076531", "身份证", validate_id_card),
]
for value, label, func in tests:
status = "✅" if func(value) else "❌"
print(f" {status} {label}: {value}")🎯 练习 2：文本信息提取器
import re
def extract_info(text):
"""从文本中提取各种信息"""
info = {}
# 手机号
info["phones"] = re.findall(r"1[3-9]\d{9}", text)
# 邮箱
info["emails"] = re.findall(r"\w+@\w+\.\w+", text)
# 日期
info["dates"] = re.findall(r"\d{4}[-/]\d{1,2}[-/]\d{1,2}", text)
# URL
info["urls"] = re.findall(r"https?://\S+", text)
# IP 地址
info["ips"] = re.findall(r"\b(?:\d{1,3}\.){3}\d{1,3}\b", text)
# 中文字符
info["chinese"] = re.findall(r"[\u4e00-\u9fa5]+", text)
# 数字
info["numbers"] = re.findall(r"\b\d+\.?\d*\b", text)
return info
# 测试
text = """
联系张三：手机13800138000，邮箱zhangsan@company.com
访问 https://www.example.com 获取更多信息
服务器地址：192.168.1.100
日期：2024-01-15，价格 99.5 元
"""
info = extract_info(text)
for key, values in info.items():
if values:
print(f" {key}: {values}")🎯 练习 3：日志解析器
import re
from collections import Counter
def parse_log(log_text):
"""解析日志并统计"""
# 匹配日志格式：[时间] [级别] 消息
pattern = r"\[(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})\] \[(\w+)\] (.+)"
records = []
for match in re.finditer(pattern, log_text):
records.append({
"time": match.group(1),
"level": match.group(2),
"message": match.group(3),
})
# 统计各级别数量
level_count = Counter(r["level"] for r in records)
# 提取所有 IP 地址
ips = re.findall(r"\b(?:\d{1,3}\.){3}\d{1,3}\b", log_text)
# 提取所有错误消息
errors = [r["message"] for r in records if r["level"] == "ERROR"]
return {
"records": records,
"level_count": level_count,
"ips": list(set(ips)),
"errors": errors,
}
log_text = """
[2024-01-15 08:30:15] [INFO] 用户登录 192.168.1.100
[2024-01-15 08:31:22] [INFO] 页面访问 /home
[2024-01-15 08:35:45] [ERROR] 数据库连接失败 10.0.0.50
[2024-01-15 09:00:12] [WARNING] 磁盘使用率 85%
[2024-01-15 09:15:33] [ERROR] API 超时 /api/users
[2024-01-15 10:00:00] [INFO] 定时任务完成
"""
result = parse_log(log_text)
print(f"📊 日志解析结果：")
print(f" 总记录: {len(result['records'])}")
print(f" 级别统计: {dict(result['level_count'])}")
print(f" IP地址: {result['ips']}")
print(f" 错误消息: {result['errors']}")9. 今日小结
.\d数字 \w字母 \s空白 | |
[abc][a-z]范围 [^abc]取反 | |
*+1+ ?0/1 {n,m}范围 | |
.*.*?非贪婪 | |
^$结尾 \b单词边界 | |
🧠 记忆口诀：
反斜杠 d 是数字，w 字母 s 空白。
大写取反 D 非数，W 非字母 S 非空。
星号零或多，加号一或多。
问号零或一，贪婪加问号。
match 开头找，search 全文搜。
findall 拿全部，sub 来替换。
🔮 预告： Day 27 正则进阶 — 分组、贪婪/非贪婪深入、编译正则、实际应用（邮箱/手机验证）。正则的高级玩法！
请在微信客户端打开
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
