正则表达式（Regular Expression，简称 Regex 或 Regexp）是一种强大的文本处理工具，广泛应用于编程和数据处理领域。通过正则表达式，可以轻松地进行字符串的搜索、匹配、替换和验证等操作。掌握正则表达式，将极大地提高处理文本数据的效率。
正则表达式的组成
正则表达式由普通字符和特殊字符（元字符）组成。普通字符直接代表其自身，而元字符具有特殊的匹配功能。
普通字符
- 字母：直接匹配对应的字母。
- 数字：直接匹配对应的数字。
- 特殊符号：直接匹配对应的特殊符号。
特殊字符（元字符）
- .：匹配除换行符以外的任意单个字符。
- []：匹配括号内的任意一个字符（字符类）。
- [^]：匹配不在括号内的任意一个字符。
- |：匹配左右两边的任意一个表达式。
- ()：分组，将多个字符作为一个整体处理。
- []：定义一个字符集，匹配字符集中的任意一个字符。
- **：转义字符，用于匹配特殊字符本身。
正则表达式语法规则
字符匹配类
- .：匹配除换行符以外的任意单个字符。
- [abc]：匹配 a、b、c 中的任意一个字符，支持范围匹配（如 [a-z] 匹配小写字母， [0-9] 匹配数字）。
- [^abc]：匹配不在 a、b、c 中的任意一个字符。
量词类
- ****：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。
定位类
- ^：匹配输入字符串的开始位置。
- $：匹配输入字符串的结束位置。
- \b：匹配单词边界。
- \B：匹配非单词边界。
其他元字符
- []：匹配括号内的任意一个字符（字符类）。
- [^]：匹配不在括号内的任意一个字符。
- |：匹配左右两边的任意一个表达式。
- ()：分组，将多个字符作为一个整体处理。
- **：转义字符，用于匹配特殊字符本身。
正则表达式高级技巧
分组与捕获
使用括号 () 可以创建分组，并对分组中的内容进行捕获。
import re
text = "I have 3 apples and 2 oranges."
pattern = r"(d) apples and (d) oranges"
matches = re.findall(pattern, text)
print(matches) # 输出：['3', '2']
贪婪与非贪婪匹配
- 贪婪匹配：默认情况下，正则表达式匹配模式是贪婪的，即匹配尽可能多的字符。
- 非贪婪匹配：通过在量词后面加上 ?，可以实现非贪婪匹配。
import re
text = "abcabcabc"
pattern = r"abc{2,}"
matches = re.findall(pattern, text)
print(matches) # 输出：['abcabc']
正则表达式应用场景
- 文本搜索：在大量文本中快速查找目标内容。
- 数据提取：从结构化或非结构化数据中提取有用信息。
- 表单验证：验证用户输入的数据格式（如邮箱、手机号）。
- 文本替换：将文本中的特定内容替换为其他内容。
- 文本分割：将文本分割成多个部分。
总结
正则表达式是一种强大的文本处理工具，通过掌握正则表达式的语法规则和高级技巧，可以高效地处理各种文本难题。在学习正则表达式时，要多加练习，才能熟练掌握这一技能。