命令行与文本处理 / 系统课时
正则表达式是什么
正则表达式是什么
学习目标
- 理解正则表达式的基本定义。
- 区分正则匹配与普通字符串查找。
- 认识模式、目标文本和匹配结果三个核心要素。
- 能使用 Python 完成一次简单的正则查找。
问题背景或应用场景
在程序开发和数据处理中,经常需要从文本中查找具有共同规律的内容。例如,从日志中识别错误级别、从订单描述中提取编号、判断用户输入是否符合规定格式。
普通字符串查找适合寻找完全固定的内容。例如,查找单词 ERROR。但当目标内容会变化时,仅列出固定字符串就不够了。下面这些编号虽然具体值不同,却具有相同结构:
text
A1024
A2048
A9999它们都以大写字母 A 开头,后面跟四个数字。正则表达式的价值,就是用一个模式描述这种文本规律。
核心原理
正则表达式是一种用于描述文本匹配规则的模式语言。一次正则处理通常包含三个核心要素:
- 正则模式:描述要寻找的文本规律。
- 目标文本:被搜索、校验或处理的字符串。
- 匹配结果:正则引擎找到的内容及其位置。
以固定模式 ERROR 为例:
text
模式:ERROR
文本:2026-07-24 20:00:00 ERROR database connection failed
结果:ERROR普通字符串查找回答的是“文本里有没有这个具体内容”,正则表达式还可以回答“文本里有没有符合某种规律的内容”。正则模式既可以只包含普通字符,也可以包含具有特殊作用的元字符。当前课时先使用普通字符建立完整流程。
基础用法
Python 标准库提供 re 模块。最常用的查找方法是:
python
re.search(pattern, text)参数说明:
text
pattern:正则模式
text:目标文本如果找到内容,方法返回匹配对象;如果没有找到,则返回 None。匹配对象常用方法如下:
text
group():返回匹配文本
start():返回起始位置
end():返回结束位置
span():返回起始和结束位置组成的元组完整可运行示例
python
import re
pattern = "ERROR"
text = "2026-07-24 20:00:00 ERROR database connection failed"
match = re.search(pattern, text)
if match is None:
print("未找到匹配内容")
else:
print(f"匹配内容:{match.group()}")
print(f"起始位置:{match.start()}")
print(f"结束位置:{match.end()}")
print(f"位置范围:{match.span()}")运行命令:
bash
python regex_intro.py预期输出
text
匹配内容:ERROR
起始位置:20
结束位置:25
位置范围:(20, 25)Tips
- 正则表达式不仅用于校验,也适合查找、提取、替换和拆分。
- 编写模式前先准备目标文本和预期结果。
- 简单固定文本优先考虑普通字符串方法,需要描述规律时再使用正则。
- 正则默认通常区分大小写,ERROR 不会自动匹配 error。
- Python 字符串位置从 0 开始,结束位置不包含在匹配范围内。
常见错误
1. 未判断匹配结果就读取内容
没有找到内容时,re.search() 返回 None。直接调用 group() 会产生属性错误。正确做法是先判断匹配对象是否存在。
python
import re
match = re.search("ERROR", "request success")
if match:
print(match.group())
else:
print("未匹配")2. 混淆匹配内容和匹配位置
group() 返回文本,start()、end() 和 span() 返回位置。调试时应根据需求选择对应方法。
3. 认为正则只能处理英文
现代编程语言的正则引擎通常能够处理中文和其他 Unicode 文本,但高级语法支持会因引擎而异。
本课练习
给定下面文本:
text
INFO server started
WARN memory usage is high
ERROR disk is full完成以下任务:
- 使用 re.search() 查找 WARN。
- 输出匹配内容和起始位置。
- 将模式改为 DEBUG,观察返回结果。
- 增加结果为空时的处理逻辑。
参考代码结构:
python
import re
text = "INFO server started\nWARN memory usage is high\nERROR disk is full"
pattern = "WARN"
match = re.search(pattern, text)
if match:
print(match.group())
print(match.start())
else:
print("未匹配")按自己的节奏,确认真正理解。