🚀前言

在数据处理和文本分析的领域，正则表达式（Regex）无疑是一项强大的工具。它以其灵活性和高效性，帮助我们从杂乱无章的文本中提取出所需的信息，进行模式匹配和数据验证。无论是在编程、数据清洗，还是在Web开发中，正则表达式都扮演着不可或缺的角色。

在本期文章中，我们将深入探索正则表达式的基础知识。我们将介绍正则表达式的基本构成、常用符号及其功能，帮助你掌握这一强大工具的使用技巧。从简单的匹配到复杂的模式识别，我们将通过实例演示，让你轻松理解正则表达式的应用场景及其背后的逻辑。

🚀一、正则表达式基础

正则表达式用于在字符串中进行模式匹配、排除、分组等操作。在Web开发中，获取的HTML代码通常以字符串形式返回，正则表达式可以高效地对这些字符串进行处理。

🔎1.行定位符

• ^：表示行的开始位置。

• $：表示行的结尾位置。

  示例：

  • ^tm：匹配以 tm 开头的行。
  • tm$：匹配以 tm 结尾的行。
  • tm：匹配 tm 出现在字符串的任何部分。

🔎2.元字符

正则表达式中有许多元字符（用于定义匹配规则），如：

• .：匹配任意字符（除了换行符）。

• \w：匹配字母、数字或下划线。

• \d：匹配数字。

• \s：匹配空白符（包括空格、Tab键、换行符等）。

  示例：

  • \b：匹配单词边界。
  • \W：匹配非字母数字字符。

🔎3.限定符

限定符用于指定字符出现的次数：

• *：零次或多次。

• +：一次或多次。

• ?：零次或一次。

• {n}：恰好n次。

• {n,}：至少n次。

• {n,m}：至少n次，但不超过m次。

  示例：

  • \d{8}：匹配恰好8位数字。

🔎4.字符类

字符类用于定义一个字符集合，方括号内列出允许匹配的字符：

• [aeiou]：匹配任意一个元音字母。

• [0-9]：匹配数字。

• [a-zA-Z]：匹配字母。

  示例：

  • [\u4e00-\u9fa5]：匹配任意汉字。

🔎5.排除字符

使用 ^ 在方括号内表示排除指定的字符：

• [^a-zA-Z]：匹配非字母字符。

🔎6.选择字符

选择字符（|）用于匹配多个模式中的一个：

• a|b：匹配 a 或 b。

  示例：

  • 身份证号码：(\d{18}$)|(\d{17}(\d|X|x))。

🔎7.转义字符

在正则表达式中，某些字符（如 .、*、?）是元字符，如果要匹配它们本身，需要使用反斜杠 \ 进行转义。

示例：

• IP地址：[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}。

🔎8.分组

通过小括号 () 将表达式分组，方便应用限定符或进行捕获。

• (abc){2}：匹配 abc 重复2次。

  示例：

  • (\d{3})-(\d{3})：匹配如 123-456 的格式。

🔎9.在Python中使用正则表达式

• 正则表达式在Python中通常以原生字符串的形式表示（在字符串前加 r 或 R），这样可以避免反斜杠被错误转义。

  示例：

  import re
  pattern = r'\d{8}'
  match = re.match(pattern, '12345678')