专门为初学者编写的正则表达式入门教程

为什么要学习正则表达式？

正则表达式（Regular Expression）是一种描述文本模式（字符串模式）的方法，可以用于字符串的匹配、查找、替换等。在程序开发、数据处理、文本编辑等领域，广泛应用于数据提取、数据格式验证、文本解析等场景。

正则表达式的基本语法

字符集

正则表达式的最基本元素是字符集合，在正则表达式中，不同类型的字符集有不同的匹配规则。常用的字符集包括：

• 字面字符（Literal）: 由任何数字、字母和符号组成，表示字符集本身。
• 转义字符（Escape）: 由反斜杠”\”字符和字面字符组成，表示需要进行转义的字符，例如： \. 表示匹配 "." 字符。
• 特殊字符（Special）: 拥有特殊意义的字符。例如： ".", "?" 表示任意字符， "?" 表示可选字符等。
• 字符类（Character Class）：匹配指定范围的字符。例如：[abc] 表示匹配a、b、c中的任意一个字符。
• 否定字符类（Negate Character Class）: 匹配除指定范围以外的字符。例如：[^0-9] 表示匹配非数字字符。

重复元素

正则表达式除了字符集以外，还包含了一些表示字符出现次数的重复元素，常用的重复元素包括：

• “*” 表示重复0到任意次数。
• “+” 表示重复1到任意次数。
• “?” 表示重复0或1次。
• {n} 表示重复n次。
• {n, } 表示重复n到任意次数。
• {n,m} 表示重复n到m次。

分组和捕获

正则表达式将多个字符（字符集或重复元素）组合成一个整体，称为分组（Grouping）。分组可以通过一些操作进行捕获，捕获的内容可以用于后续的处理。

• “()” 表示分组，可以在分组内使用或不使用捕获。
• “(?:)” 表示分组但不进行捕获。
• “\n” 表示对之前分组的引用，其中n表示所引用的分组索引。

正则表达式的实际应用

例1：匹配手机号码

手机号码通常由11位数字组成，以1开头，因此可以使用如下正则表达式进行匹配：

import re

pattern = r"^1\d{10}$"
text = "13912345678"
if re.match(pattern, text):
    print("match!")
else:
    print("not match!")

代码中的正则表达式“^1\d{10}$”表示：

• “^” 表示匹配字符串开始位置。
• “1” 表示匹配字符“1”。
• “\d{10}” 表示匹配10个数字。
• “$” 表示匹配字符串结束位置。

例2：提取日志中的异常信息

假设我们需要从日志文本中提取异常信息，可以使用如下正则表达式：

import re

pattern = r".*Exception:\s*(\S+).*"
text = "2022-01-01 12:00:00 [ERROR] Exception: invalid argument"
match = re.search(pattern, text)
if match:
    print(match.group(1))
else:
    print("not match!")

代码中的正则表达式“.Exception:\s(\S+).*”表示：

• “.*” 表示匹配任意数量的任意字符。
• “Exception:” 表示匹配字符“Exception:”。
• “\s*” 表示匹配0个或多个空白字符。
• “(\S+)” 表示捕获前面的非空白字符。
• “.*” 表示匹配任意数量的任意字符。

如果日志中存在异常信息，则会输出异常信息中的第一个非空白字符。

结语

本文介绍了正则表达式的基本语法和实际应用举例，并展示了如何用 Python 操作正则表达式。学习正则表达式需要不断实战，希望本文对初学者有所帮助。