Python开发从零开始-36.1-正则表达式

正则表达式（Regular Expression，简称 Regex）是用于匹配字符串模式的工具，常用来查找、验证或替换文本中的特定内容‌。‌‌本文小编和大家分享 Python 正则表达式的相关知识。

一、正则表达式概述

主流的编程语言(如 Java、C#、Python 等)均内置正则表达式支持，且语法高度统一。大家可以先了解正则表达式的基本概念和语法，然后再来熟悉 Python 的中正则表达式的使用。

（一）正则表达式的定义与用途

正则表达式是一个由普通字符（例如字母 a 到 z）和特殊字符（称为元字符）组成的字符串，这个字符串构成了搜索模式（pattern），该模式被用来在文本中进行搜索、匹配、替换或分割操作。

正则表达式主要有三大用途：

• 文本搜索与匹配：快速判断一段文本中是否包含符合特定模式的子串。例如，检查一个字符串是否是一个有效的电子邮件地址格式；

• 文本替换：将文本中所有匹配特定模式的部分替换为新的内容。例如，将文档中所有的日期格式从 YYYY-MM-DD 统一修改为 MM/DD/YYYY；

• 文本提取与分割：从大段文本中精确地提取出我们关注的部分，或者根据特定的分隔符将文本切分成数组。例如，从日志文件中提取所有的 IP 地址，或者用逗号分割一个 CSV 字符串。

（二）正则表达式的应用场景

正则表达式几乎渗透在编程和日常文本处理的方方面面。最常见的应用场景包括：

1、数据验证

这是正则表达式最经典的应用之一，确保用户输入的数据符合预期的格式。例如：

• 验证邮箱地址：检查输入是否像 username@domain.com；

• 验证手机号码：检查是否符合国家/地区的手机号格式（如中国的 11 位数字）；

• 验证密码强度：要求密码必须包含大小写字母、数字和特殊字符；

• 验证日期格式：确保日期是 2025-12-28 或 12/28/2025 等有效格式；

• 验证身份证号：匹配特定编码规则的身份证号码。

2、文本搜索与过滤

在大量文本中快速定位信息。例如：

• 日志分析：在服务器日志中搜索所有 ERROR 或 WARN 级别的记录；

• 代码搜索：在 IDE 或编辑器中，使用正则表达式搜索所有函数定义（如 def xxx(...)）或特定变量名；

• 文档内容查找：在长文档中查找所有出现的电话号码或网址。

3、文本替换与清洗

批量修改文本内容，使其规范化。

• 格式化数据：将电话号码从 12345678901 格式化为 123-4567-8901；

• 清理数据：移除文本中多余的空白字符（如多个连续空格或制表符）；

• 敏感信息脱敏：将文本中的身份证号替换为 ***，如 110101199001011234 替换为 110101********1234；

• 代码重构：批量重命名变量或函数名。

4、文本提取与解析

从非结构化的文本中提取结构化的数据。

• 网页爬虫：从 HTML 代码中提取所有的链接 (href="...") 或图片地址 (src="...")。

• 解析配置文件：读取 key = value 格式的配置文件。

• 提取特定数据：从一段文本中提取所有出现的金额（如 ￥100.50 或 $99.99）。

5、字符串分割

使用复杂的规则，而不仅仅是单个字符，来分割字符串。

• 使用一个或多个空格、逗号或分号来分割一个句子；

• 根据不同的分隔符（如 ，；\t）来解析 CSV 或 TSV 数据。

（三）正则表达式工作流程

正则表达式在数据处理中的工作流程如下图所示：

受文章篇幅所限，下文将继续介绍 Python 正则表达式的相关知识。