如何在Python中使用正则表达式？代码示例教程

2021年11月16日19:39:22 发表评论 617 次浏览

了解如何使用 Python 的内置 re 模块使用 match、search、finditer 和 sub 等函数来使用多种字符串匹配技术。

如何在Python中使用正则表达式？一个正则表达式是形成一个搜索模式字符的特殊序列，它可以被用来检查一个字符串包含指定的模式，也可以用于提取所有匹配模式等等。

正则表达式无处不在，从验证电子邮件地址、密码、日期格式到在搜索引擎中的使用，因此它是任何开发人员的必备技能，并且大多数编程语言都提供了正则表达式功能。

Python如何使用正则表达式？如果你熟悉 Linux，我想你已经看到了一些使用 sed 和 grep 命令的正则表达式，但在本教程中，我们将在 Python 中重新模块。以下是我们将介绍的技术：

匹配字符串
搜索方法
查找多个匹配项
替换匹配

在本教程中，我们不会涵盖从头开始构建正则表达式的基础知识，相反，我们将更多地关注如何有效地在 Python 上使用正则表达式。

Python正则表达式用法示例：匹配字符串

有关如何使用re.match()函数的演示，假设你要验证用户密码。例如，你要确保他们输入的密码长度至少为 8 个字符，并且至少包含一位数字。以下代码执行此操作：

import re # stands for regular expression 
# a regular expression for validating a password
match_regex = r"^(?=.*[0-9]).{8,}$"
# a list of example passwords
passwords = ["pwd", "password", "password1"]
for pwd in passwords:
    m = re.match(match_regex, pwd)
    print(f"Password: {pwd}, validate password strength: {bool(m)}")

如何在Python中使用正则表达式？match_regex 是负责验证我们前面提到的密码标准的正则表达式：

^: 开始字符。
(?=.*[0-9])：确保字符串至少有一个数字。
.{8,}：确保字符串至少有 8 个字符。
$: 结束字符。

然后我们使用一个密码列表来匹配，这是输出：

Password: pwd, validate password strength: False
Password: password, validate password strength: False
Password: password1, validate password strength: True

不出所料，前两次失败，最后一次成功。第一个密码 ( pwd) 少于 8 个字符，第二个不包含数字，而第三个至少有 8 个字符并包含一个数字。

请注意，我们re.match()使用内置方法包装了该bool()方法以返回一个布尔值，指示字符串是否与模式匹配。

搜索方法

Python如何使用正则表达式？演示该re.search()方法的一个很好的例子是在字符串中搜索特定模式。在本节中，我们将尝试从Windows 中的ipconfig命令输出的一部分中提取 IPv4 地址：

import re

# part of ipconfig output
example_text = """
Wireless LAN adapter Wi-Fi:
   Connection-specific DNS Suffix  . :
   Link-local IPv6 Address . . . . . : fe80::380e:9710:5172:caee%2
   IPv4 Address. . . . . . . . . . . : 192.168.1.100
   Subnet Mask . . . . . . . . . . . : 255.255.255.0
   Default Gateway . . . . . . . . . : 192.168.1.1
"""
# regex for IPv4 address
ip_address_regex = r"((25[0-5]|(2[0-4]|1[0-9]|[1-9]|)[0-9])(\.(?!$)|$)){4}"
# use re.search() method to get the match object
match = re.search(ip_address_regex, example_text)
print(match)

不要太担心ip_address_regex表达式，它基本上验证一个 IPv4 地址（确保总数4中的每个数字不超过255）。

re.search()在这种情况下，我们使用搜索有效的 IPv4 地址，这是输出：

<_sre.SRE_Match object; span=(281, 292), match='192.168.1.1'>

re.search()返回一个匹配对象，该对象具有找到的字符串和实际字符串的开始和结束索引，在这种情况下，它'192.168.1.1'作为匹配的字符串返回。你可以使用：

match.start() 获取找到的模式的第一个字符的索引。
match.end() 获取找到的模式的最后一个字符的索引。
match.span()以元组 ( start, end) 的形式获取开始和结束。
match.group() 获取找到的实际字符串。

如你所见，它只返回第一个匹配项并忽略剩余的有效 IP 地址。在下一节中，我们将看到如何在一个字符串中提取多个匹配项。

Python正则表达式用法示例：查找多个匹配项

我们将使用相同命令 ( ipconfig )的输出，但这次我们将尝试使用正则表达式来匹配 MAC 地址：

import re

# fake ipconfig output
example_text = """
Ethernet adapter Ethernet:
   Media State . . . . . . . . . . . : Media disconnected
   Physical Address. . . . . . . . . : 88-90-E6-28-35-FA
Ethernet adapter Ethernet 2:
   Physical Address. . . . . . . . . : 04-00-4C-4F-4F-60
   Autoconfiguration IPv4 Address. . : 169.254.204.56(Preferred)
Wireless LAN adapter Local Area Connection* 2:
   Media State . . . . . . . . . . . : Media disconnected
   Physical Address. . . . . . . . . : B8-21-5E-D3-66-98
Wireless LAN adapter Wi-Fi:
   Physical Address. . . . . . . . . : A0-00-79-AA-62-74
   IPv4 Address. . . . . . . . . . . : 192.168.1.101(Preferred)
   Default Gateway . . . . . . . . . : 192.168.1.1
"""
# regex for MAC address
mac_address_regex = r"([0-9A-Fa-f]{2}[:-]){5}([0-9A-Fa-f]{2})"
# iterate over matches and extract MAC addresses
extracted_mac_addresses = [ m.group(0) for m in re.finditer(mac_address_regex, example_text) ]
print(extracted_mac_addresses)

定义正则表达式后，我们使用re.finditer()函数查找传递的字符串中所有出现的 MAC 地址。

由于finditer()返回匹配对象的迭代器，我们使用列表推导来仅提取使用group(0)（整个匹配项）找到的 MAC 地址。查看输出：

['88-90-E6-28-35-FA', '04-00-4C-4F-4F-60', 'B8-21-5E-D3-66-98', 'A0-00-79-AA-62-74']

太棒了，我们已经成功提取了该字符串中的所有 MAC 地址。在下一节中，我们将看到如何使用正则表达式替换字符串中出现的模式。

替换匹配

Python正则表达式用法示例：如果你有网络抓取经验，你可能会遇到使用CloudFlare 等服务从电子邮件收集工具隐藏电子邮件地址的网站。在本节中，我们将完全这样做，给定一个包含电子邮件地址的字符串，我们将用'[email protected]'令牌替换每个地址：

import re

# a basic regular expression for email matching
email_regex = r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"
# example text to test with
example_text = """
Subject: This is a text email!
From: John Doe <john@doe.com>
Some text here!
===============================
Subject: This is another email!
From: Abdou Rockikz <example@domain.com>
Some other text!
"""
# substitute any email found with [email protected]
print(re.sub(email_regex, "[email protected]", example_text))

Python如何使用正则表达式？我们使用了re.sub()带 3 个参数的方法，第一个是正则表达式（模式），第二个是替换找到的所有模式，第三个是目标字符串，这里是输出：

Subject: This is a text email!
From: John Doe <[email protected]>
Some text here!
===============================
Subject: This is another email!
From: Abdou Rockikz <[email protected]>
Some other text!

太好了，正如我们预期的那样，该re.sub()函数返回通过用指定的替换（第二个参数）替换 string 中模式最左边的非重叠出现而获得的字符串。