浅谈正则表达式实例入门

什么是正则表达式？

正则表达式（Regular Expression），又称正规表达式、常规表示法、规则表达式，是计算机科学的一个概念。正则表达式利用单个字符串来描述、匹配符合某个规则的字符串集合。正则表达式是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。正则表达式作为一种工具，可以在文本中进行查找、替换、匹配、筛选等操作，因此被广泛应用于文本处理、数据挖掘、搜索引擎等领域。

正则表达式的基本语法

正则表达式的基本语法包括普通字符和特殊字符。

普通字符：包括大小写字母、数字、下划线以及它们的组合。

特殊字符：由 \ 开头。其中一些特殊字符表示的是一些特殊含义，如 \d 表示数字，\w 表示单词字符（包括字母、数字、下划线），\s 表示空白字符（包括空格、制表符、换行符等），等等。

正则表达式的语法非常灵活，可以通过组合这些普通字符和特殊字符来描述具体的文本模式。在这里不过多赘述，可以参考菜鸟教程的正则表达式教程了解更多详细内容。

正则表达式的实例应用

实例一：匹配手机号码

假设我们要编写一个程序，需要从一段文本中匹配出所有的手机号码。手机号码一般为 11 位纯数字，可以用正则表达式来匹配。我们可以使用如下的正则表达式：

1\d{10}

其中，\d 表示数字，{10} 表示前一个字符（即 \d）重复出现 10 次。这个正则表达式的意思就是：以 "1" 开头，后面跟着 10 个数字的字符串。

以下是一个 Python 代码示例，使用 re 模块和上述正则表达式来匹配手机号码：

import re

text = "我的手机号码是：13888888888，你的是多少呢？"
pattern = r"1\d{10}"
result = re.findall(pattern, text)
print(result)  # 输出结果为 ["13888888888"]

实例二：提取 HTML 中的所有链接

假设我们要从一个 HTML 页面中提取出所有的链接地址。链接地址通常包含在 <a> 标签的 href 属性中。我们可以使用如下的正则表达式：

href="(.*?)""

其中，.*? 表示任意字符重复出现 0 次或多次，但尽可能少地匹配。这个正则表达式的意思就是：匹配以 href= 开头、以双引号做结尾的字符串，并返回双引号之间的内容。

以下是一个 Python 代码示例，使用 re 模块和上述正则表达式来提取 HTML 中的所有链接：

import re

html = '<a href="http://www.example.com">Example</a><a href="http://www.baidu.com">Baidu</a>'
pattern = r'href="(.*?)"'
result = re.findall(pattern, html)
print(result)  # 输出结果为 ["http://www.example.com", "http://www.baidu.com"]