Python3 正则表达式：文本处理的魔法工具
Python3 正则表达式：文本处理的魔法工具
内容简介
本系列文章是为 Python3 学习者精心设计的一套全面、实用的学习指南，旨在帮助读者从基础入门到项目实战，全面提升编程能力。文章结构由 5 个版块组成，内容层层递进，逻辑清晰。
- 基础速通：n 个浓缩提炼的核心知识点，夯实编程基础；
- 经典范例：10 个贴近实际的应用场景，深入理解 Python3 的编程技巧和应用方法；
- 避坑宝典：10 个典型错误解析，提供解决方案，帮助读者避免常见的编程陷阱；
- 水平考试：10 道测试题目，检验学习成果，附有标准答案，以便自我评估；
- 实战案例：3 个迷你项目开发，带领读者从需求分析到代码实现，掌握项目开发的完整流程。
无论你是 Python3 初学者，还是希望提升实战能力的开发者，本系列文章都能为你提供清晰的学习路径和实用的编程技巧，助你快速成长为 Python3 编程高手。
阅读建议
- 初学者：建议从 “基础速通” 开始，系统学习 Python3 的基础知识，然后通过 “经典范例” 和 “避坑宝典” 加深理解，最后通过 “水平考试” 和 “实战案例” 巩固所学内容；
- 有经验的开发者：可以直接跳转到 “经典范例” 和 “避坑宝典”，快速掌握 Python3 的高级应用技巧和常见错误处理方法，然后通过 “实战案例” 提升项目开发能力；
- 选择性学习：如果读者对某个特定主题感兴趣，可以直接选择相应版块学习。各版块内容既相互独立又逻辑关联，方便读者根据自身需求灵活选择；
- 测试与巩固：完成每个版块的学习后，建议通过 “水平考试” 检验学习效果，并通过 “实战案例” 将理论知识转化为实际技能；
- 项目实战优先：如果你更倾向于实战学习，可以直接从 “实战案例” 入手，边做边学，遇到问题再回溯相关知识点。
一、基础速通
正则表达式（Regular Expression，简称 regex 或 regexp）是一种强大的工具，用于匹配和处理文本。Python 通过 re 模块提供了对正则表达式的支持。正则表达式可以用于搜索、替换、分割和验证字符串。
1. 基本概念
- 模式（Pattern）：正则表达式的核心是模式，它定义了你要匹配的文本规则。
- 元字符（Metacharacters）：在正则表达式中具有特殊意义的字符，如
.,*,+,?,^,$,\,|,{,},[,],(,)等。 - 普通字符：除了元字符之外的字符，如字母、数字等。
2. 常用元字符
.：匹配除换行符以外的任意单个字符。^：匹配字符串的开头。$：匹配字符串的结尾。*：匹配前面的字符零次或多次。+：匹配前面的字符一次或多次。?：匹配前面的字符零次或一次。{n}：匹配前面的字符恰好 n 次。{n,}：匹配前面的字符至少 n 次。{n,m}：匹配前面的字符至少 n 次，至多 m 次。\：转义字符，用于匹配元字符本身。|：或操作符，匹配左边或右边的表达式。[]：字符集，匹配其中的任意一个字符。()：分组，将多个字符作为一个整体进行匹配。
3. 常用字符集
\d：匹配任意数字，等价于[0-9]。\D：匹配任意非数字字符，等价于[^0-9]。\w：匹配任意字母、数字或下划线，等价于[a-zA-Z0-9_]。\W：匹配任意非字母、数字或下划线的字符，等价于[^a-zA-Z0-9_]。\s：匹配任意空白字符，包括空格、制表符、换行符等。\S：匹配任意非空白字符。
4. re 模块常用函数
re.match(pattern, string)：从字符串的起始位置匹配正则表达式，如果匹配成功返回匹配对象，否则返回None。re.search(pattern, string)：在字符串中搜索匹配正则表达式的第一个位置，如果匹配成功返回匹配对象，否则返回None。re.findall(pattern, string)：返回字符串中所有匹配正则表达式的子串，返回一个列表。re.finditer(pattern, string)：返回一个迭代器，包含所有匹配正则表达式的子串。re.sub(pattern, repl, string)：将字符串中匹配正则表达式的部分替换为repl。re.split(pattern, string)：根据正则表达式匹配的子串将字符串分割，返回一个列表。
5. 示例
5.1 匹配数字
import re
text = "The price is 123.45 dollars."
pattern = r'\d+\.\d+'
match = re.search(pattern, text)
if match:
print("Found:", match.group())
5.2 替换字符串
import re
text = "Hello, world!"
pattern = r'world'
repl = 'Python'
new_text = re.sub(pattern, repl, text)
print(new_text) # 输出: Hello, Python!
5.3 分割字符串
import re
text = "apple,banana,cherry"
pattern = r','
result = re.split(pattern, text)
print(result) # 输出: ['apple', 'banana', 'cherry']
5.4 查找所有匹配
import re
text = "The rain in Spain falls mainly in the plain."
pattern = r'\bin\b'
matches = re.findall(pattern, text)
print(matches) # 输出: ['in', 'in', 'in']
6. 分组和捕获
分组使用 () 来定义，可以捕获匹配的子串。
import re
text = "John Doe, Jane Doe"
pattern = r'(\w+) (\w+)'
matches = re.findall(pattern, text)
for first_name, last_name in matches:
print(f"First: {first_name}, Last: {last_name}")
7. 非贪婪匹配
默认情况下，* 和 + 是贪婪的，会尽可能多地匹配字符。可以在它们后面加上 ? 来使其变为非贪婪匹配。
import re
text = "Title "
pattern = r'<.*?>'
matches = re.findall(pattern, text)
print(matches) # 输出: ['', '', '', ' ', '', '']
8. 编译正则表达式
如果需要多次使用同一个正则表达式，可以将其编译为正则表达式对象，以提高效率。
import re
pattern = re.compile(r'\d+')
text = "There are 3 apples and 5 oranges."
matches = pattern.findall(text)
print(matches) # 输出: ['3', '5']
9. 标志（Flags）
re 模块提供了一些标志来修改正则表达式的行为，如忽略大小写、多行匹配等。
re.IGNORECASE或re.I：忽略大小写。re.MULTILINE或re.M：多行模式，^和$匹配每行的开头和结尾。re.DOTALL或re.S：使.匹配包括换行符在内的所有字符。
import re
text = "Hello\nWorld"
pattern = r'^world'
match = re.search(pattern, text, re.IGNORECASE | re.MULTILINE)
if match:
print("Found:", match.group())
小结
正则表达式是处理文本的强大工具，Python 的 re 模块提供了丰富的功能来支持正则表达式的使用。通过掌握正则表达式的基本语法和 re 模块的常用函数，你可以高效地处理各种文本匹配和替换任务。
二、经典范例
以下是 10 个经典的正则表达式应用实例，每个实例都包含正则表达式的解释、测试代码以及执行结果的注释说明。
1. 匹配邮箱地址
正则表达式: r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'
- 解释：匹配常见的邮箱地址格式。
^和$表示字符串的开始和结束。[a-zA-Z0-9_.+-]+匹配用户名部分。@匹配邮箱中的@符号。[a-zA-Z0-9-]+匹配域名部分。\.匹配域名中的点.。[a-zA-Z0-9-.]+匹配顶级域名部分。
import re
pattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'
emails = ["[email protected]", "[email protected]", "invalid-email@com"]
for email in emails:
if re.match(pattern, email):
print(f"Valid: {email}")
else:
print(f"Invalid: {email}")
# 执行结果:
# Valid: [email protected]
# Valid: [email protected]
# Invalid: invalid-email@com
2. 匹配手机号码
正则表达式: r'^1[3-9]\d{9}$'
- 解释：匹配中国大陆的手机号码。
1表示手机号码的第一位。[3-9]表示第二位可以是 3 到 9 之间的数字。\d{9}表示后面跟着 9 位数字。
import re
pattern = r'^1[3-9]\d{9}$'
phones = ["13800138000", "12345678901", "19912345678"]
for phone in phones:
if re.match(pattern, phone):
print(f"Valid: {phone}")
else:
print(f"Invalid: {phone}")
# 执行结果:
# Valid: 13800138000
# Invalid: 12345678901
# Valid: 19912345678
3. 匹配 URL
正则表达式: r'https?://(?:www\.)?\S+'
- 解释：匹配 HTTP 或 HTTPS 协议的 URL。
https?匹配http或https。://匹配 URL 中的协议分隔符。(?:www\.)?匹配可选的www.。\S+匹配 URL 的其余部分。
import re
pattern = r'https?://(?:www\.)?\S+'
urls = ["https://www.example.com", "http://example.com", "ftp://example.com"]
for url in urls:
if re.match(pattern, url):
print(f"Valid: {url}")
else:
print(f"Invalid: {url}")
# 执行结果:
# Valid: https://www.example.com
# Valid: http://example.com
# Invalid: ftp://example.com
4. 匹配日期（YYYY-MM-DD）
正则表达式: r'^\d{4}-[01]?[0-2]-[0123]?[0-9]$'
- 解释：匹配
YYYY-MM-DD格式的日期。 \d{4}匹配 4 位年份。-匹配日期分隔符。[01]?[0-2]匹配 2 位月份。[0123]?[0-9]匹配 2 位日期。
import re
pattern = r'^\d{4}-[01]?[0-2]-[0123]?[0-9]$'
dates = ["2023-10-05", "2023/10/05", "2023-13-01"]
for date in dates:
if re.match(pattern, date):
print(f"Valid: {date}")
else:
print(f"Invalid: {date}")
# 执行结果:
# Valid: 2023-10-05
# Invalid: 2023/10/05
# Invalid: 2023-13-01
5. 匹配 IP 地址
正则表达式: r'^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$'
- 解释：匹配 IPv4 地址。
\d{1,3}匹配 1 到 3 位数字。\.匹配 IP 地址中的点.。
import re
pattern = r'^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$'
ips = ["192.168.1.1", "256.256.256,256", "127.0.0.1"]
for ip in ips:
if re.match(pattern, ip):
print(f"Valid: {ip}")
else:
print(f"Invalid: {ip}")
# 执行结果:
# Valid: 192.168.1.1
# Invalid: 256.256.256.256
# Valid: 127.0.0.1
6. 匹配 HTML 标签
正则表达式: r'<(\w+)[^>]*>(.*?)'
- 解释：匹配 HTML 标签及其内容。
<(\w+)匹配标签名。[^>]*匹配标签内的属性。>(.*?)匹配标签内容。匹配对应的闭合标签。
import re
pattern = r'<(\w+)[^>]*>(.*?)'
html = "Hello World"
match = re.search(pattern, html)
if match:
print(f"Tag: {match.group(1)}, Content: {match.group(2)}")
# 执行结果:
# Tag: div, Content: Hello World
7. 匹配中文字符
正则表达式: r'[\u4e00-\u9fff]+'
- 解释：匹配中文字符。
[\u4e00-\u9fff]是中文字符的 Unicode 范围。
import re
pattern = r'[\u4e00-\u9fff]+'
text = "Hello 世界"
matches = re.findall(pattern, text)
print(matches) # 执行结果: ['世界']
8. 匹配密码强度
正则表达式: r'^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[\W_]).{8,}$'
- 解释：匹配强密码（至少 8 位，包含大小写字母、数字和特殊字符）。
(?=.*[A-Z])确保至少有一个大写字母。(?=.*[a-z])确保至少有一个小写字母。(?=.*\d)确保至少有一个数字。(?=.*[\W_])确保至少有一个特殊字符。.{8,}确保密码长度至少为 8。
import re
pattern = r'^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[\W_]).{8,}$'
passwords = ["Password123!", "weakpass", "StrongPass1"]
for pwd in passwords:
if re.match(pattern, pwd):
print(f"Strong: {pwd}")
else:
print(f"Weak: {pwd}")
# 执行结果:
# Strong: Password123!
# Weak: weakpass
# Strong: StrongPass1
9. 匹配十六进制颜色值
正则表达式: r'^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$'
- 解释：匹配十六进制颜色值（如
#FFFFFF或#FFF）。 #匹配颜色值开头的#。[A-Fa-f0-9]{6}匹配 6 位十六进制值。[A-Fa-f0-9]{3}匹配 3 位十六进制值。
import re
pattern = r'^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$'
colors = ["#FFFFFF", "#FFF", "#123456", "#GHIJKL"]
for color in colors:
if re.match(pattern, color):
print(f"Valid: {color}")
else:
print(f"Invalid: {color}")
# 执行结果:
# Valid: #FFFFFF
# Valid: #FFF
# Valid: #123456
# Invalid: #GHIJKL
10. 匹配文件名和扩展名
正则表达式: r'^(\w+)\.(\w+)$'
- 解释：匹配文件名和扩展名。
(\w+)匹配文件名。\.匹配点.。(\w+)匹配扩展名。
import re
pattern = r'^(\w+)\.(\w+)$'
filename = "example.txt"
match = re.match(pattern, filename)
if match:
print(f"Filename: {match.group(1)}, Extension: {match.group(2)}")
# 执行结果:
# Filename: example, Extension: txt
三、避坑宝典
在使用正则表达式时，初学者和中级用户经常会遇到一些常见错误。以下是 10 种常见的正则表达式错误、原因分析以及纠错方法。
1. 忘记转义特殊字符
错误：直接使用 .、*、+ 等元字符而未转义。
import re
pattern = r'example.com'
text = "example-com"
match = re.search(pattern, text) # 无法匹配
原因：. 是元字符，匹配任意字符，而不是字面的点 .。
纠错：使用 \. 转义。
pattern = r'example\.com'
2. 贪婪匹配导致意外结果
错误：使用 .* 或 .+ 时匹配过多内容。
import re
pattern = r'<.*>'
text = "HelloWorld
"
match = re.search(pattern, text) # 匹配整个字符串
原因：* 和 + 是贪婪的，会尽可能多地匹配字符。
纠错：使用非贪婪匹配 .*? 或 .+?。
pattern = r'<.*?>'
3. 忽略多行模式
错误：在多行文本中使用 ^ 或 $ 时，未启用多行模式。
import re
pattern = r'^Hello'
text = "Line1\nHello\nLine2"
match = re.search(pattern, text) # 无法匹配
原因：默认情况下，^ 和 $ 只匹配字符串的开头和结尾。
纠错：使用 re.MULTILINE 标志。
match = re.search(pattern, text, re.MULTILINE)
4. 字符集未正确使用
错误：在字符集中未正确使用 -。
import re
pattern = r'[A-Z]'
text = "abc123"
match = re.search(pattern, text) # 无法匹配小写字母
原因：[A-Z] 只匹配大写字母。
纠错：使用 [A-Za-z] 匹配所有字母。
pattern = r'[A-Za-z]'
5. 分组捕获错误
错误：未正确使用分组捕获。
import re
pattern = r'(\d{2})-(\d{2})-(\d{4})'
text = "12-31-2023"
match = re.search(pattern, text)
if match:
print(match.group(1)) # 输出 12
原因：分组索引从 1 开始，group(0) 是整个匹配内容。
纠错：确保使用正确的分组索引。
if match:
print(match.group(1), match.group(2), match.group(3)) # 输出 12 31 2023
6. 忽略大小写
错误：未忽略大小写导致匹配失败。
import re
pattern = r'hello'
text = "Hello World"
match = re.search(pattern, text) # 无法匹配
原因：默认情况下，正则表达式区分大小写。
纠错：使用 re.IGNORECASE 标志。
match = re.search(pattern, text, re.IGNORECASE)
7. 量词使用错误
错误：量词使用不当导致匹配失败。
import re
pattern = r'\d{3,5}'
text = "123"
match = re.search(pattern, text) # 匹配成功，但可能不符合预期
原因：{3,5} 表示匹配 3 到 5 个数字，但可能匹配过多。
纠错：根据需求调整量词。
pattern = r'\d{3}' # 只匹配 3 个数字
8. 未正确处理边界
错误：未使用单词边界 \b。
import re
pattern = r'cat'
text = "category"
match = re.search(pattern, text) # 匹配成功，但可能不符合预期
原因：cat 会匹配 category 中的 cat。
纠错：使用 \b 确保匹配完整单词。
pattern = r'\bcat\b'
9. 忽略空白字符
错误：未正确处理空白字符。
import re
pattern = r'hello world'
text = "hello world"
match = re.search(pattern, text) # 无法匹配
原因：正则表达式中的空格是字面匹配。
纠错：使用 \s+ 匹配空白字符。
pattern = r'hello\s+world'
10. 未正确处理换行符
错误：未正确处理多行文本中的换行符。
import re
pattern = r'^Hello'
text = "Line1\nHello\nLine2"
match = re.search(pattern, text) # 无法匹配
原因：不能正确处理换行符。
纠错：使用 re.MULTILINE 标志。
match = re.search(pattern, text, re.MULTILINE)
小结
正则表达式虽然强大，但在使用时容易犯一些常见错误。通过理解这些错误的原因并掌握纠错方法，可以更高效地使用正则表达式处理文本。
四、水平考试
这是一份关于“正则表达式”的测试试卷。包含：选择题：15 道、填空题：10 道和 编程题：5 道，总分 100 分。每道题后附有答案和解析。
选择题（每题 2 分，共 30 分）
-
以下哪个正则表达式可以匹配任意数字？
- A.
\d - B.
\D - C.
\w - D.
\s
答案：A
解析：\d匹配任意数字，\D匹配非数字，\w匹配字母、数字或下划线，\s匹配空白字符。
- A.
-
以下哪个正则表达式可以匹配一个或多个字母？
- A.
[a-z] - B.
[a-z]+ - C.
[a-z]* - D.
[a-z]?
答案：B
解析：+表示前面的字符至少出现一次。
- A.
-
以下哪个正则表达式可以匹配字符串的开头？
- A.
$ - B.
^ - C.
\b - D.
\B
答案：B
解析：^匹配字符串的开头，$匹配字符串的结尾。
- A.
-
以下哪个正则表达式可以匹配一个单词边界？
- A.
\b - B.
\B - C.
^ - D.
$
答案：A
解析：\b匹配单词边界，\B匹配非单词边界。
- A.
-
以下哪个正则表达式可以匹配一个浮点数？
- A.
\d+\.\d+ - B.
\d*\.\d* - C.
\d+\.\d* - D.
\d*\.\d+
答案：A
解析：\d+\.\d+匹配至少一个数字，后跟一个小数点，再跟至少一个数字。
- A.
-
以下哪个正则表达式可以匹配一个邮箱地址？
- A.
[a-zA-Z0-9]+@[a-zA-Z0-9]+\.[a-zA-Z]+ - B.
[a-zA-Z0-9]+@[a-zA-Z0-9]+ - C.
[a-zA-Z0-9]+@[a-zA-Z0-9]+\.[a-zA-Z0-9]+ - D.
[a-zA-Z0-9]+@[a-zA-Z0-9]+\.[a-zA-Z0-9]+\.
答案：A
解析：邮箱地址的格式为用户名@域名.顶级域名。
- A.
-
以下哪个正则表达式可以匹配一个 URL？
- A.
https?://\S+ - B.
http://\S+ - C.
https://\S+ - D.
http://\S
答案：A
解析：https?匹配http或https，\S+匹配非空白字符。
- A.
-
以下哪个正则表达式可以匹配一个 HTML 标签？
- A.
<.*> - B.
<.*?> - C.
<.+> - D.
<.+?>
答案：B
解析：<.*?>使用非贪婪匹配，避免匹配过多内容。
- A.
-
以下哪个正则表达式可以匹配一个中文字符？
- A.
[\u4e00-\u9fff] - B.
[a-zA-Z] - C.
\d - D.
\w
答案：A
解析：[\u4e00-\u9fff]是中文字符的 Unicode 范围。
- A.
-
以下哪个正则表达式可以匹配一个 IP 地址？
- A.
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3} - B.
\d{1,3}\.\d{1,3}\.\d{1,3} - C.
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3} - D.
\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}
答案：A
解析：IPv4 地址由 4 个 1 到 3 位的数字组成，用.分隔。
- A.
-
以下哪个正则表达式可以匹配一个日期（YYYY-MM-DD）？
- A.
\d{4}-\d{2}-\d{2} - B.
\d{2}-\d{2}-\d{4} - C.
\d{4}/\d{2}/\d{2} - D.
\d{2}/\d{2}/\d{4}
答案：A
解析：\d{4}-\d{2}-\d{2}匹配YYYY-MM-DD格式的日期。
- A.
-
以下哪个正则表达式可以匹配一个时间（HH:MM:SS）？
- A.
\d{2}:\d{2}:\d{2} - B.
\d{2}:\d{2} - C.
\d{2}:\d{2}:\d{2}:\d{2} - D.
\d{2}:\d{2}:\d{2}:\d{2}:\d{2}
答案：A
解析：\d{2}:\d{2}:\d{2}匹配HH:MM:SS格式的时间。
- A.
-
以下哪个正则表达式可以匹配一个十六进制颜色值？
- A.
#[A-Fa-f0-9]{6} - B.
#[A-Fa-f0-9]{3} - C.
#[A-Fa-f0-9]{6}|#[A-Fa-f0-9]{3} - D.
#[A-Fa-f0-9]{6}|#[A-Fa-f0-9]{3}|#[A-Fa-f0-9]{2}
答案：C
解析：十六进制颜色值可以是 3 位或 6 位。
- A.
-
以下哪个正则表达式可以匹配一个文件名和扩展名？
- A.
\w+\.\w+ - B.
\w+\.\w - C.
\w+\.\w{2,4} - D.
\w+\.\w+\.\w+
答案：A
解析：\w+\.\w+匹配文件名和扩展名。
- A.
-
以下哪个正则表达式可以匹配一个强密码（至少 8 位，包含大小写字母、数字和特殊字符）？
- A.
^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[\W_]).{8,}$ - B.
^(?=.*[A-Z])(?=.*[a-z])(?=.*\d).{8,}$ - C.
^(?=.*[A-Z])(?=.*[a-z]).{8,}$ - D.
^(?=.*[A-Z])(?=.*\d).{8,}$
答案：A
解析：(?=.*[A-Z])确保至少有一个大写字母，(?=.*[a-z])确保至少有一个小写字母，(?=.*\d)确保至少有一个数字，(?=.*[\W_])确保至少有一个特殊字符。
- A.
填空题（每题 3 分，共 30 分）
-
正则表达式
\d{3}-\d{2}-\d{4}可以匹配的格式是：________。
答案：XXX-XX-XXXX（例如：123-45-6789） -
正则表达式
^[A-Za-z]+$可以匹配的字符串是：________。
答案：仅包含字母的字符串 -
正则表达式
\b\w+\b可以匹配的字符串是：________。
答案：一个完整的单词 -
正则表达式
\d{2}:\d{2}:\d{2}可以匹配的格式是：________。
答案：HH:MM:SS（例如：12:34:56） -
正则表达式
[\u4e00-\u9fff]+可以匹配的字符串是：________。
答案：中文字符 -
正则表达式
^[a-zA-Z0-9_]{4,16}$可以匹配的字符串是：________。
答案：4 到 16 位的用户名（字母、数字、下划线） -
正则表达式
https?://\S+可以匹配的字符串是：________。
答案：HTTP 或 HTTPS 协议的 URL -
正则表达式
\d+\.\d+可以匹配的字符串是：________。
答案：浮点数（例如：3.14） -
正则表达式
^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$可以匹配的字符串是：________。
答案：十六进制颜色值（例如：#FFFFFF 或 #FFF） -
正则表达式
^(\d{4})-(\d{2})-(\d{2})$可以匹配的格式是：________。
答案：YYYY-MM-DD（例如：2023-10-05）
编程题（每题 8 分，共 40 分）
-
编写一个正则表达式，匹配一个合法的邮箱地址。
答案：import re pattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$' emails = ["[email protected]", "invalid-email@com"] for email in emails: if re.match(pattern, email): print(f"Valid: {email}") else: print(f"Invalid: {email}") -
编写一个正则表达式，匹配一个合法的手机号码（中国大陆）。
答案：import re pattern = r'^1[3-9]\d{9}$' phones = ["13800138000", "12345678901"] for phone in phones: if re.match(pattern, phone): print(f"Valid: {phone}") else: print(f"Invalid: {phone}") -
编写一个正则表达式，匹配一个合法的 URL。
答案：import re pattern = r'https?://(?:www\.)?\S+' urls = ["https://www.example.com", "ftp://example.com"] for url in urls: if re.match(pattern, url): print(f"Valid: {url}") else: print(f"Invalid: {url}") -
编写一个正则表达式，匹配一个合法的日期（YYYY-MM-DD）。
答案：import re pattern = r'^\d{4}-\d{2}-\d{2}$' dates = ["2023-10-05", "2023/10/05"] for date in dates: if re.match(pattern, date): print(f"Valid: {date}") else: print(f"Invalid: {date}") -
编写一个正则表达式，匹配一个合法的强密码（至少 8 位，包含大小写字母、数字和特殊字符）。
答案：import re pattern = r'^(?=.*[A-Z])(?=.*[a-z])(?=.*\d)(?=.*[\W_]).{8,}$' passwords = ["Password123!", "weakpass"] for pwd in passwords: if re.match(pattern, pwd): print(f"Strong: {pwd}") else: print(f"Weak: {pwd}")
总分：100 分
- 选择题：15 题 × 2 分 = 30 分
- 填空题：10 题 × 3 分 = 30 分
- 编程题：5 题 × 8 分 = 40 分
五、实战案例
本节内容包含 3 个关于“正则表达式”的综合应用项目，每个项目都包含完整的程序代码、测试案例、执行结果以及代码说明。具体项目是：
- 邮箱地址提取器
- 日志文件分析器
- HTML 标签提取器
项目 1：邮箱地址提取器
功能描述
从一段文本中提取所有合法的邮箱地址。
代码
import re
def extract_emails(text):
# 正则表达式匹配邮箱地址
pattern = r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+'
# 查找所有匹配的邮箱地址
emails = re.findall(pattern, text)
return emails
# 测试案例
text = """
Contact us at [email protected] or [email protected].
For more information, visit https://www.example.com.
Invalid email: user@com.
"""
emails = extract_emails(text)
print("Extracted emails:", emails)
执行结果
Extracted emails: ['[email protected]', '[email protected]']
代码说明
- 使用正则表达式
[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+匹配邮箱地址。 re.findall返回所有匹配的邮箱地址。
项目 2：日志文件分析器
功能描述
从日志文件中提取所有错误日志（包含 “ERROR” 关键字）。
代码
import re
def extract_errors(log_file):
# 正则表达式匹配错误日志
pattern = r'ERROR.*'
errors = []
with open(log_file, 'r') as file:
for line in file:
match = re.search(pattern, line)
if match:
errors.append(match.group())
return errors
# 测试案例
log_file = 'sample_log.txt'
# 假设 sample_log.txt 内容如下：
"""
INFO: User logged in
ERROR: Failed to connect to database
INFO: Request processed
ERROR: File not found
"""
errors = extract_errors(log_file)
print("Error logs:")
for error in errors:
print(error)
执行结果
Error logs:
ERROR: Failed to connect to database
ERROR: File not found
代码说明
- 使用正则表达式
ERROR.*匹配以 “ERROR” 开头的日志行。 - 逐行读取日志文件并提取匹配的错误日志。
项目 3：HTML 标签提取器
功能描述
从 HTML 文本中提取所有标签及其内容。
代码
import re
def extract_html_tags(html):
# 正则表达式匹配 HTML 标签及其内容
pattern = r'<(\w+)[^>]*>(.*?)'
tags = re.findall(pattern, html)
return tags
# 测试案例
html = """
Welcome
This is a test paragraph.
Link
"""
tags = extract_html_tags(html)
print("HTML tags and content:")
for tag, content in tags:
print(f"Tag: {tag}, Content: {content}")
执行结果
HTML tags and content:
Tag: div, Content: Welcome
Tag: p, Content: This is a test paragraph.
Tag: a, Content: Link
代码说明
- 使用正则表达式
<(\w+)[^>]*>(.*?)匹配 HTML 标签及其内容。 re.findall返回所有匹配的标签及其内容。
小结
以上 3 个迷你项目展示了正则表达式在实际应用中的强大功能，包括文本提取、日志分析、HTML 处理等。通过这些项目，可以更好地理解和掌握正则表达式的使用。