1，正则表达式

正则表达式（Regular Expression，简称regex或regexp）是一种文本模式描述的方法，它用于对字符串进行搜索、匹配、替换等操作。正则表达式由普通字符（如字母和数字）以及特殊字符（称为“元字符”）组成。这些特殊字符赋予了正则表达式强大的文本处理能力，使其能够匹配复杂的文本模式。

2，含义

在正则表达式中，元字符具有特殊的含义，它们不表示字符本身的字面意义，而是表示一种操作或模式。例如：

字符 意义
. 匹配除换行符以外的任意单个字符。
^ 匹配字符串的开始位置。
$ 匹配字符串的结束位置。
* 匹配前面的子表达式零次或多次。
+ 匹配前面的子表达式一次或多次。
? 匹配前面的子表达式零次或一次。
{n} 匹配前面的子表达式恰好n次。
{n,} 匹配前面的子表达式至少n次。
{n,m} 匹配前面的子表达式至少n次，但不超过m次。
[] 表示字符集合，匹配方括号中的任意字符。例如，[abc]匹配a、b或c。
| 表示逻辑“或”操作，匹配左边或右边的表达式。
() 用于分组，可以将多个字符组合成一个整体进行匹配。分组后，可以使用\1、\2等引用分组匹配的内容。
\ 用于转义字符，使其表示字面意义，或表示特殊字符的另一种含义。例如，\.匹配.字符本身。

3,示例

  1. a.c：匹配以a开头，以c结尾，中间有一个任意字符的字符串，如abc、a1c等。
  2. ^abc$：匹配完整的字符串abc。
  3. ab+c：匹配以a开头，以c结尾，中间至少有一个b的字符串，如abc、abbc等。
  4. a(bc)*d：匹配以a开头，以d结尾，中间可以有任意数量的bc组合的字符串，如ad、abcd、abcbcd等。
  5. \d+：匹配一个或多个数字，\d是数字的简写。
  6. \w+：匹配一个或多个字母、数字或下划线，\w是字母、数字或下划线的简写。

在Python中，正则表达式通常通过re模块来使用。re模块提供了多种函数来执行正则表达式的匹配、搜索、替换等操作。例如：

  • re.match(pattern, string, flags=0)：尝试从字符串的起始位置匹配正则表达式。
  • re.search(pattern, string, flags=0)：扫描字符串，寻找第一个匹配正则表达式的子串。
  • re.findall(pattern, string, flags=0)：找到所有匹配正则表达式的子串，并返回一个列表。
  • re.sub(pattern, repl, string, count=0, flags=0)：使用repl替换字符串中所有与正则表达式pattern匹配的子串。

4，示示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import re

# 假设这是我们的文本内容，它包含了一些电子邮件地址
text = """
Hello, my email is test.email+example@leetcode.com.
You can also reach me at another.test_email@example.org.
But not at this-is-not-an-email.
Or this one: invalid-email@.com
Here is another valid one: good.email@sub.domain.example.com
"""

# 定义用于匹配电子邮件地址的正则表达式
email_pattern = r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'

# 使用re.findall()函数找到所有匹配的电子邮件地址
emails = re.findall(email_pattern, text)

# 打印提取到的电子邮件地址
for email in emails:
    print(email)

在这个例子中，正则表达式[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}被用来匹配电子邮件地址：

  • [a-zA-Z0-9._%+-]+：匹配电子邮件地址的本地部分（local-part），它包含字母、数字、点（.）、下划线（_）、百分号（%）、加号（+）和减号（-）。+表示前面的字符集合可以出现一次或多次。
  • @：字面意义上的@符号，用于分隔本地部分和域部分。
  • [a-zA-Z0-9.-]+：匹配电子邮件地址的域部分（domain），它包含字母、数字、点（.）和减号（-）。同样，+表示前面的字符集合可以出现一次或多次。
  • \.：转义字符，用于匹配字面上的点（.），因为在正则表达式中点是一个特殊字符，表示任意字符。
  • [a-zA-Z]{2,}：匹配顶级域名（TLD），它至少包含两个字母。

AI真好用

backtop