命令行与文本处理 / 系统课时

正则匹配的基本过程

正则匹配的基本过程

学习目标

  • 理解正则引擎从左到右扫描文本的基本方式。
  • 理解起始位置、匹配成功和继续搜索的关系。
  • 认识常见的最左优先行为。
  • 能通过匹配位置分析执行结果。

问题背景或应用场景

一个模式可能在文本中出现多次。例如:

text
文本:ID: 100, backup ID: 200
模式:\d+

文本中有 100 和 200 两个数字。re.search() 只返回第一个结果,re.findall() 会返回全部结果。要理解这种差异,需要先建立正则引擎的基础查找模型。

核心原理

Python 的 re 模块使用回溯型正则引擎。对于常见查找,可以按以下步骤理解:

  1. 从目标文本左侧选择一个起始位置。
  2. 在当前位置按照模式逐个尝试字符。
  3. 匹配失败时,移动到下一个可能的起始位置。
  4. 匹配成功时,产生匹配对象。
  5. 是否继续向后查找,由调用的 API 决定。

以文本 abc123 和模式数字序列为例:

text
位置 0:a 不符合数字规则
位置 1:b 不符合数字规则
位置 2:c 不符合数字规则
位置 3:1 符合数字规则,并继续匹配 2、3
结果:123

查找通常优先返回最靠左开始的结果。re.findall() 和 re.finditer() 默认收集非重叠匹配。

基础用法

获取第一个匹配:

python
match = re.search(pattern, text)

获取所有匹配文本:

python
matches = re.findall(pattern, text)

获取所有匹配对象和位置:

python
for match in re.finditer(pattern, text):
    print(match.group(), match.span())

当需要分析每个结果的内容、起点和终点时,re.finditer() 更合适。

完整可运行示例

python
import re

text = "ID: 100, backup ID: 200"
pattern = r"\d+"

first_match = re.search(pattern, text)

if first_match:
    print("第一个匹配")
    print(f"内容:{first_match.group()}")
    print(f"范围:{first_match.span()}")

print("所有匹配")
for index, match in enumerate(re.finditer(pattern, text), start=1):
    print(
        f"第 {index} 个:内容={match.group()},"
        f"起始={match.start()},结束={match.end()}"
    )

运行命令:

bash
python regex_process.py

预期输出

text
第一个匹配
内容:100
范围:(4, 7)
所有匹配
第 1 个:内容=100,起始=4,结束=7
第 2 个:内容=200,起始=20,结束=23

Tips

  • 分析结果时不仅要看匹配文本,还要看 span()。
  • re.search() 返回一个结果,不代表文本中只有一个匹配。
  • 需要遍历结果并获取位置时优先使用 re.finditer()。
  • 结束位置指向匹配内容之后的第一个位置。
  • 高级匹配行为可能因正则引擎不同而存在差异。

常见错误

1. 认为 re.search() 会返回所有结果

re.search() 返回第一个匹配对象或 None。需要全部结果时应使用 re.findall() 或 re.finditer()。

2. 忽略索引从 0 开始

Python 字符串位置从 0 开始计算,end() 返回的索引不属于匹配内容。

3. 把连续数字拆成多个结果

模式中的加号表示一个或多个连续数字,因此 100 是一个完整匹配,而不是三个单独结果。

4. 混淆 findall() 和 finditer()

findall() 适合直接取得文本列表,finditer() 适合读取内容、位置和分组信息。

本课练习

给定文本:

text
CPU 35%, memory 72%, disk 81%

使用模式:

text
\d+

完成以下任务:

  1. 使用 re.search() 输出第一个数字。
  2. 使用 re.findall() 输出全部数字。
  3. 使用 re.finditer() 输出每个数字的位置范围。
  4. 观察百分号是否包含在结果中,并解释原因。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

正则匹配的基本过程

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通