正则表达式是一种强大的工具，可以用来匹配、查找、替换字符串中的特定模式。Python 的 re 模块提供了对正则表达式的支持。本文将带你从基础到进阶，逐步了解如何使用 Python 正则表达式进行文本匹配。

1. 导入 re 模块

首先，我们需要导入 Python 的 re 模块。这是使用正则表达式的前提。

import re

2. 基本匹配

最简单的正则表达式就是直接匹配一个固定的字符串。例如，我们想在一个字符串中查找单词 "hello"。

text = "Hello, world! Hello again."

pattern = "hello"

# 使用 re.search() 查找第一个匹配项

match = re.search(pattern, text, re.IGNORECASE)  # re.IGNORECASE 表示忽略大小写

if match:

    print("找到匹配项:", match.group())

else:

    print("没有找到匹配项")

输出：

找到匹配项: Hello

3. 匹配多个字符

正则表达式中的点号 . 可以匹配任何单个字符（除了换行符）。例如，我们想匹配一个三个字符的单词，其中第二个字符可以是任意字符。

text = "cat bat rat mat"

pattern = "c.t"

matches = re.findall(pattern, text)

print("所有匹配项:", matches)

输出：

所有匹配项: ['cat']

4. 匹配字符集

方括号 [] 可以用来定义一个字符集，表示匹配其中的任何一个字符。例如，我们想匹配 "a" 或 "e" 开头的单词。

text = "apple elephant antelope"

pattern = "[ae]pple"

matches = re.findall(pattern, text)

print("所有匹配项:", matches)

输出：

所有匹配项: ['apple']

5. 匹配范围

我们可以使用连字符 - 来定义一个字符范围。例如，匹配所有小写字母。

text = "abc123 def456 ghi789"

pattern = "[a-z]+"

matches = re.findall(pattern, text)

print("所有匹配项:", matches)

输出：

所有匹配项: ['abc', 'def', 'ghi']

6. 匹配重复

量词 {m,n} 可以用来指定匹配次数的范围。例如，匹配至少两个 "a" 的单词。

text = "aa bb aaa ccc aaaa"

pattern = "a{2,}"

matches = re.findall(pattern, text)

print("所有匹配项:", matches)

输出：

所有匹配项: ['aa', 'aaa', 'aaaa']

7. 匹配零次或多次

星号 * 表示匹配前面的字符零次或多次。例如，匹配 "ab" 后面可能跟着任意数量的 "c"。

text = "abc abccc ab abcccc"

pattern = "abc*"

matches = re.findall(pattern, text)

print("所有匹配项:", matches)

输出：

所有匹配项: ['abc', 'abccc', 'ab', 'abcccc']

8. 匹配一次或多次

加号 + 表示匹配前面的字符一次或多次。例如，匹配 "ab" 后面至少有一个 "c"。

text = "abc abccc ab abcccc"

pattern = "abc+"

matches = re.findall(pattern, text)

print("所有匹配项:", matches)

输出：

所有匹配项: ['abc', 'abccc', 'abcccc']

9. 匹配零次或一次

问号 ? 表示匹配前面的字符零次或一次。例如，匹配 "ab" 后面可能有一个 "c"。

text = "abc ab abcc"

pattern = "abc?"

matches = re.findall(pattern, text)

print("所有匹配项:", matches)

输出：

所有匹配项: ['abc', 'ab', 'abc']

10. 分组

圆括号 () 可以用来分组，方便提取特定部分。例如，提取日期中的年份、月份和日。

text = "Today is 2023-10-05"

pattern = "(\d{4})-(\d{2})-(\d{2})"

match = re.search(pattern, text)

if match:

    year, month, day = match.groups()

    print(f"年份: {year}, 月份: {month}, 日: {day}")

else:

    print("没有找到匹配项")

输出：

年份: 2023, 月份: 10, 日: 05

11. 非捕获分组

非捕获分组 (?:...) 不会捕获匹配的子字符串。例如，匹配 "http" 或 "https"。

text = "Visit https://example.com or http://example.org"

pattern = "(?:https?://)([a-zA-Z0-9.-]+)"

matches = re.findall(pattern, text)

print("所有匹配项:", matches)

输出：

所有匹配项: ['example.com', 'example.org']

12. 贪婪与非贪婪匹配

默认情况下，量词是贪婪的，会尽可能多地匹配。使用 ? 可以使其变为非贪婪模式。例如，匹配 HTML 标签。

text = "<b>bold</b> and <i>italic</i>"

pattern = "<.*>"

greedy_matches = re.findall(pattern, text)

non_greedy_matches = re.findall("<.*?>", text)

print("贪婪匹配:", greedy_matches)

print("非贪婪匹配:", non_greedy_matches)

输出：

贪婪匹配: ['<b>bold</b> and <i>italic</i>']

非贪婪匹配: ['<b>', '</b>', '<i>', '</i>']

13. 替换字符串

使用 re.sub() 可以替换匹配的字符串。例如，将所有的空格替换为下划线。

text = "Hello World This Is A Test"

pattern = " "

new_text = re.sub(pattern, "_", text)

print("替换后的字符串:", new_text)

输出：

替换后的字符串: Hello_World_This_Is_A_Test

14. 实战案例：提取电子邮件地址

假设我们有一个包含多个电子邮件地址的文本文件，我们需要提取所有的电子邮件地址。

text = """

Contact us at support@example.com for any inquiries.

You can also reach out to sales@example.net or info@example.org.

"""

# 定义电子邮件地址的正则表达式

pattern = r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z]{2,}\b"

# 提取所有电子邮件地址

emails = re.findall(pattern, text, re.IGNORECASE)

print("提取的电子邮件地址:", emails)

输出：

提取的电子邮件地址: ['support@example.com', 'sales@example.net', 'info@example.org']

总结

本文介绍了如何使用 Python 正则表达式进行文本匹配，从基本的字符串匹配到复杂的模式匹配，再到实际的应用案例。