在软件开发或数据开发过程中，处理和分析文本数据是一项至关重要的技能。无论是数据清洗、信息提取还是日志分析，正则表达式（Regular Expression）都扮演着不可或缺的角色。它是一种强大的工具，通过简洁而优雅的模式匹配语言，可以有效地搜索、替换和解析文本。尽管正则表达式看似复杂，但一旦掌握，其应用将极大地提高工作效率，使复杂的文本处理任务变得轻松自如。

然而，要真正掌握正则表达式，仅仅了解其语法和基本规则是不够的。实践出真知，只有通过具体的实例操作，才能深入理解其强大之处并灵活运用。接下来我们介绍九个Python 正则表达式的示例，带您一步步探索正则表达式的魅力。从基础的字符串匹配到复杂的文本解析，每个案例都旨在帮助您在实践中掌握这项重要的技能，让您在处理文本时如虎添翼。

示例一：验证邮箱地址

验证邮箱地址的有效性是正则表达式的经典用例。以下是一个示例程序：

import re

def val_email(email):

    pattern = r"^[a-zA-Z0-9]+@[a-zA-Z0-9]+\.[a-zA-Z]{2,}$"

    if re.match(pattern, email):

        print("有效的email")

    else:

        print("无效的email!!")

val_email(email="snb@smartnotebook.tech")

val_email(email="snb/smartnotebook.tech")

val_email(email="snb@smartnotebook.t")

在这个例子中，使用了 Python 的 re 模块来编译一个匹配有效邮箱地址格式的正则表达式模式。然后，使用它的 match() 函数来检查 email 变量是否符合该模式。

在这个正则模式中，有几个关键点：

使用 [] 来表示一个范围。例如，[a-zA-Z0-9] 可以匹配 0 到 9 之间的数字，A 到 Z 之间的大写字母，或 a 到 z 之间的小写字母。

^ 表示行的开头。在这个的例子中，用它来确保文本必须以 [a-zA-Z0-9] 开头。

$ 表示行的结尾。

\ 用来转义特殊字符（允许在示例中匹配像 . 这样的字符）。

{n,m} 语法用来匹配前一个正则表达式的 n 到 m 次重复。使用了 {2,}，这意味着前面的部分 [a-zA-Z] 应至少重复 2 次。这就是为什么 “snb@smartnotebook.t” 被识别为无效邮箱地址的原因。

+ 表示匹配前一个正则表达式的 1 次或多次重复。例如，ab+ 将匹配一个 a 后跟任意数量的 b。

这个经典例子展示了在 Python 中使用正则表达式的一些基本语法。实际上，Python 的 re 模块是一颗隐藏的宝石，可以从中使用许多更多的技巧。

示例二：从字符串中提取数字

要从一段长文本中找到一些特殊字符，最直接的想法是使用 for 循环遍历所有字符并找到需要的字符。但实际上并不需要使用任何循环。正则表达式天生就是作为过滤器使用的。

import re

def extract_numbers(text):

    pattern = r"\d+"

    return re.findall(pattern, text)

print(extract_numbers("There are over 1000 views of Snb's articles."))

如上所示，re.findall() 函数接收一个正则表达式和一个文本，可以方便地帮助找到所有需要的字符。\d 用于在正则表达式中匹配一个数字。

示例三：验证电话号码

以下示例也是利用 \d 来检查有效的电话号码：

import re

def is_valid_phone_number(phone_number):

    pattern = r"^\d{3}-\d{4}-\d{4}$"

    return bool(re.match(pattern, phone_number))

print(is_valid_phone_number("137-1234-5678"))

print(is_valid_phone_number("13712345678"))

除了 \d 外，还在正则表达式中使用了 ^、$ 和 {n} 语法来确保字符串是一个有效的电话号码。

示例四：将文本分割为单词

在日常编程中，将长文本分割为单独的单词是另一个常见的需求。借助于 re 模块的 split() 函数，我们可以轻松完成这个任务：

print(re.split(r'\s+', 'a b   c'))

print( re.split(r'[\s\,]+', 'a,b, c  d'))

print(re.split(r'[\s\,\;]+', 'a,b;; c  d'))

如上代码所示，使用 \s 来在正则表达式中匹配空格。

示例五：使用正则表达式查找并替换文本

在使用正则表达式从文本中找到特殊字符后，我们可能需要将它们替换为新的字符串。re 模块中的 sub() 函数使得这一过程非常顺畅：

import re

text = """SmartNotebook is a modern, 

          enterprise-grade notebook designed 

          for data analysis/data science platform."""

pattern = r"book"

replacement = "Book"

new_text = re.sub(pattern, replacement, text)

print(new_text)

如上所示，只需向 sub() 函数传递三个参数：模式（pattern）、替换字符串（replacement）和原始文本。执行后，它将返回一个新的文本。

示例六：重新编译 Python 中的正则表达式

在 Python 中使用正则表达式匹配字符串时，通常需要两个步骤：

编译正则表达式。

使用编译后的正则表达式来匹配字符串。

因此，如果一个正则表达式需要重复使用，每次都重新编译可能会造成资源浪费。为了避免这种情况，Python 允许我们预先编译一次正则表达式，然后在后续的匹配中重复使用已编译的对象。这样可以显著提高性能和效率。

import re

re_numbers = re.compile(r'^\d+$')

print(re_numbers.match('123'))

print(re_numbers.match('SmartNotebook'))

如上例所示，演示了如何使用 re 模块的 compile() 函数预先编译正则表达式，并在稍后使用它。只要字符串不能匹配正则表达式，match() 函数就会返回 None。

示例七：提取和操作文本的子内容

group() 方法是 Python re 模块中的一个函数，用于返回正则匹配对象的一个或多个匹配的子组。它非常方便用于提取文本的不同部分。

例如，以下代码展示了如何提取以“HH”格式表示的时间字符串的两个部分：

import re

time='18:05'

matched = re.match(r'^([0-1][0-9]|2[0-3])\:([0-5][0-9])$', time)

print(matched.groups())

print(matched.group())

print(matched.group(0)) 

print(matched.group(1))

print(matched.group(2))

如上所示，group(0) 返回原始字符串。然后 group(1) 和 group(2) 分别返回匹配字符串的第一部分和第二部分。

示例八：命名组用于提取子内容

当子组数量较多时，程序中的数字会使代码难以理解。因此，Python 提供了命名组的技巧来提取子内容：可以使用命名组捕获匹配字符串的特定部分，而无需使用编号捕获组。这样可以使代码更易读和维护。以下是一个示例：

import re

text = "SmartNotebook, age 2"

pattern = r"(?P<name>\w+),\sage\s(?P<age>\d+)"

match = re.search(pattern, text)

print(match.group("name"))  

print(match.group("age"))

如上所示，命名组的关键语法是 ?P<xxx>。它定义了相应组的名称，可以使用 group() 函数基于这个名称来提取内容。

示例九：使用 VERBOSE 标志使正则表达式更易读

在一些复杂的场景中，正则表达式可能变得越来越复杂和难以理解。肯定需要一种方法使其更整洁和清晰。这时就可以使用 re.VERBOSE 技巧。

import re

text = "SmartNotebook, wangxinyi@smartnotebook.tech, 198-2133-7583"

pattern = r"""

    (?P<name>\w+),\s

    (?P<email>\w+@\w+\.\w+),\s

    (?P<phone>\d{3}-\d{4}-\d{4})

"""

match = re.search(pattern, text, re.VERBOSE)

if match:

    print(match.group("name"))

    print(match.group("email"))

    print(match.group("phone"))

如上所示，可以将长的正则表达式拆分为多行，以提高可读性。只要在 re.search() 函数中有 re.VERBOSE 标志，它就可以像往常一样被正确识别。

在软件开发和数据处理中，文本数据的处理和分析是至关重要的技能。正则表达式在这一过程中扮演着不可或缺的角色，通过简洁的模式匹配语言，能够高效地搜索、替换和解析文本。掌握正则表达式不仅提升工作效率，还能使复杂的文本处理任务变得轻松。通过实例学习，从验证邮箱地址到提取和操作文本的子内容，每个示例都帮助深入理解并灵活运用这一强大工具。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。