大家好欢迎来到我的技术博客 在这里我会分享学习笔记、实战经验与技术思考力求用简单的方式讲清楚复杂的问题。 本文将围绕Python进阶这个话题展开希望能为你带来一些启发或实用的参考。 无论你是刚入门的新手还是正在进阶的开发者希望你都能有所收获文章目录 Python进阶正则表达式的字符集 —— 匹配指定范围内的字符 什么是字符集它为什么重要 基础字符集匹配单个字符 小贴士字符集是“或”关系 字符范围使用连字符 - 定义区间✅ 匹配所有小写字母✅ 匹配所有大写字母✅ 匹配所有数字 综合字符集组合多个范围 示例匹配字母 数字常见于用户名 取反操作^ 在字符集中的特殊含义❌ 匹配非数字字符 实用场景去除标点符号 高级字符集技巧自定义字符范围 示例只匹配元音字母️ 实战应用一邮箱格式校验简化版 实战应用二提取身份证号码中的年份 使用 re 模块的高级选项✅ 忽略大小写re.IGNORECASE 用 Mermaid 图表理解字符集匹配流程 字符集与量词结合控制匹配次数✅ 匹配至少两个连续的小写字母✅ 匹配 3 位数字的年份 实用技巧避免常见错误❌ 错误1忘记转义特殊字符❌ 错误2字符集顺序混乱 字符集的内置简写形式推荐使用 示例匹配用户名含下划线和数字 复杂场景匹配中文字符 总结字符集的核心优势 结语掌握字符集让正则更强大 Python进阶正则表达式的字符集 —— 匹配指定范围内的字符 在日常的文本处理任务中我们经常需要从大量字符串中提取特定模式的信息。而正则表达式Regular Expression简称 regex正是完成这类工作的强大工具。特别是在匹配指定范围内的字符这一核心功能上正则表达式的字符集Character Classes表现得尤为出色。本文将带你深入探索如何使用 Python 中的re模块通过字符集来精准地匹配你想要的字符范围并附上丰富的代码示例、可视化图表和实用技巧。 什么是字符集它为什么重要在正则表达式中字符集Character Class是一种用来定义“一组可接受的字符”的语法结构。它的作用是告诉引擎“只要当前字符属于这个集合就匹配成功”。例如importre textabc123xyzpatternr[abc]# 匹配 a、b 或 cmatchesre.findall(pattern,text)print(matches)# [a, b, c]输出结果为[a, b, c]说明正则表达式成功识别了text中所有属于[abc]范围的字符。✅关键点字符集用方括号[]包裹内部列出你希望匹配的字符或字符范围。 基础字符集匹配单个字符最简单的字符集就是直接列出几个字符importre textHello World! 2024# 匹配 H、e、l、o 任意一个patternr[Helo]resultre.findall(pattern,text)print(result)# [H, e, l, l, o, o] 注意这里会匹配每一个符合条件的字符即使重复也没关系。 小贴士字符集是“或”关系[abc]表示“匹配 a、b或c”不是必须全部出现。这与逻辑上的“与”完全不同。 字符范围使用连字符-定义区间当你想匹配连续的一段字符时比如所有小写字母或数字可以使用连字符-来表示范围。✅ 匹配所有小写字母importre textPython is great! 2024# 匹配 a 到 z 之间的任意小写字母patternr[a-z]lettersre.findall(pattern,text)print(letters)# [y, t, h, o, n, i, s, r, e, a, t, e, d]✅ 匹配所有大写字母patternr[A-Z]uppercasere.findall(pattern,text)print(uppercase)# [P]✅ 匹配所有数字patternr[0-9]digitsre.findall(pattern,text)print(digits)# [2, 0, 2, 4]⚠️ 提示[0-9]等价于\d但显式写出范围更直观也便于自定义扩展。 综合字符集组合多个范围你可以将多个范围合并到一个字符集中实现复杂匹配。 示例匹配字母 数字常见于用户名importre usernameuser123patternr[a-zA-Z0-9]# 所有英文字母和数字charsre.findall(pattern,username)print(chars)# [u, s, e, r, 1, 2, 3]这在验证用户输入合法性时非常有用 取反操作^在字符集中的特殊含义如果在字符集的第一个位置加上^表示“不匹配”该集合中的任何字符。❌ 匹配非数字字符text2024-05-17patternr[^0-9]# 不是数字的字符non_digitsre.findall(pattern,text)print(non_digits)# [-, -]✅ 这里[^0-9]匹配的是所有非数字的字符包括-和/等符号。 实用场景去除标点符号textHello, world! How are you?clean_textre.sub(r[^a-zA-Z],,text)print(clean_text)# HelloWorldHowareyou这样就能快速清理掉所有非字母字符。 高级字符集技巧自定义字符范围虽然标准范围如[a-z]很常用但有时你需要更灵活的设定。 示例只匹配元音字母textBeautiful day!vowelsre.findall(r[aeiouAEIOU],text)print(vowels)# [e, a, u, i, a, a, y]✅ 匹配大小写元音适合做文本分析。️ 实战应用一邮箱格式校验简化版我们尝试用字符集构建一个基本的邮箱验证逻辑。importredefvalidate_email(email):patternr^[a-zA-Z0-9._%-][a-zA-Z0-9.-]\.[a-zA-Z]{2,}$returnbool(re.match(pattern,email))# 测试用例test_emails[userexample.com,test.emaildomain.co.uk,invalid.com,example.com,userdomain]foremailintest_emails:print(f{email}→{✓ 合法ifvalidate_email(email)else✗ 无效})输出userexample.com → ✓ 合法 test.emaildomain.co.uk → ✓ 合法 invalid.com → ✗ 无效 example.com → ✗ 无效 userdomain → ✗ 无效 说明[a-zA-Z0-9._%-]表示本地部分允许的字符[a-zA-Z0-9.-]是域名部分最后.{2,}保证顶级域至少两个字符。 更多关于邮箱正则的讨论可参考 RFC 5322 标准文档英文。 实战应用二提取身份证号码中的年份假设我们有一个包含身份证号的文本text张三身份证号110101199003151234出生日期为1990年3月15日。# 提取身份证前6位中的年份第7~10位patternr[1-2][9|0]\d{2}# 匹配 19xx 或 20xxbirth_yearre.search(pattern,text)ifbirth_year:print(f出生年份{birth_year.group()})# 出生年份1990 解析[1-2]第一位是 1 或 2合理范围[9|0]第二位是 9 或 0对应 19xx/20xx\d{2}后两位数字 也可以写成r19\d{2}|20\d{2}更清晰。 使用re模块的高级选项✅ 忽略大小写re.IGNORECASEtextApple and apple are both fruits.patternr[a-z]matchesre.findall(pattern,text,re.IGNORECASE)print(matches)# [Apple, and, apple, are, both, fruits]re.IGNORECASE让字符集自动忽略大小写差异。 用 Mermaid 图表理解字符集匹配流程是否是否开始当前字符是否在范围内?匹配成功跳过继续下一个字符记录匹配项继续搜索是否还有字符?结束 这个流程图展示了正则引擎如何逐字符扫描并判断是否属于指定字符集。 你可以在 Mermaid Live Editor 中在线编辑此图表实时预览。 字符集与量词结合控制匹配次数字符集本身不指定数量但可以配合量词quantifiers使用。✅ 匹配至少两个连续的小写字母texthello world pythonpatternr[a-z]{2,}matchesre.findall(pattern,text)print(matches)# [hello, world, python]{2,}至少匹配 2 个{2,5}匹配 2 到 5 个✅ 匹配 3 位数字的年份textThe year 2024 and 1990 were important.patternr\b\d{3}\b# 匹配三位数的整数yearsre.findall(pattern,text)print(years)# [2024, 1990] ← 但注意4位也被匹配❗问题来了d{3}会匹配任何三位数字包括像202这样的片段。✅ 改为精确匹配四位年份patternr\b\d{4}\bfour_digit_yearsre.findall(pattern,text)print(four_digit_years)# [2024, 1990]\b表示单词边界确保完整数字被识别。 实用技巧避免常见错误❌ 错误1忘记转义特殊字符# 错误写法patternr[a-z]# 被视为普通字符不是量词✅ 正确做法patternr[a-z\\*]# 显式转义 *❌ 错误2字符集顺序混乱# 无影响但建议按逻辑排序patternr[0-9a-zA-Z]# 推荐写法✅ 保持一致性有助于可读性。 字符集的内置简写形式推荐使用为了提高可读性和效率Python 提供了一些内置字符类写法含义\d等价于[0-9]\D非数字等价于[^0-9]\w单词字符等价于[a-zA-Z0-9_]\W非单词字符\s空白字符空格、换行、制表符\S非空白字符 示例匹配用户名含下划线和数字usernamejohn_doe123patternr^[\w]$# 仅由字母、数字、下划线组成print(bool(re.match(pattern,username)))# True✅ 这比写[a-zA-Z0-9_]更简洁。 复杂场景匹配中文字符中文字符在 Unicode 编码中位于U4E00到U9FFF之间。我们可以用字符集匹配它们。text你好世界这是Python教程。chinese_charsre.findall(r[\u4e00-\u9fff],text)print(chinese_chars)# [你, 好, 世, 界, 这, 是, P, y, t, h, o, n, 教, 程]⚠️ 但注意P、y等英文字符也被匹配了因为[\u4e00-\u9fff]只覆盖了基本汉字区域。✅ 更准确的方式chinese_onlyre.findall(r[\u4e00-\u9fff],text)print(chinese_only)# [你好, 世界, 这是Python教程]❌ 仍然不行因为Python不在范围内。✅ 最佳实践使用regex库支持 Unicode 属性importregex text你好世界这是Python教程。chineseregex.findall(r\p{Han},text)print(chinese)# [你好, 世界, 这是, Python, 教程]regex库支持\p{Han}匹配汉字远优于手动编码范围。 了解更多 Unicode 属性请访问 Unicode.org - Character Categories 总结字符集的核心优势特性说明✅ 精准控制可精确指定哪些字符应被匹配✅ 灵活组合支持范围、取反、多组合并✅ 高效处理用于数据清洗、验证、提取等场景✅ 可读性强比复杂逻辑更直观 结语掌握字符集让正则更强大通过本篇深入讲解你应该已经掌握了如何利用 Python 的re模块结合字符集来高效匹配指定范围内的字符。无论是基础的[a-z]还是复杂的[^\d]取反亦或是 Unicode 汉字匹配字符集都扮演着不可或缺的角色。 记住正则表达式不是魔法而是工具。理解其规则善用字符集你就能轻松应对各种文本处理挑战。下一步建议学习分组groups和捕获机制掌握前瞻lookahead和回溯backreference实践真实项目中的日志解析、URL 提取、敏感词过滤 想要系统学习推荐阅读《Mastering Regular Expressions》这本书被誉为正则圣经。✨最后送你一句鼓励“编程的本质是解决问题。而正则表达式是解决文本问题的瑞士军刀。”祝你在 Python 的世界里越走越远代码越来越优雅延伸阅读Pythonre模块官方文档Regular-Expressions.info — 全球最受欢迎的正则学习网站Regex101.com — 在线测试正则表达式支持 Python 语法 以上链接均可正常访问助你随时查阅、练习、调试。 感谢你读到这里 技术之路没有捷径但每一次阅读、思考和实践都在悄悄拉近你与目标的距离。 如果本文对你有帮助不妨 点赞、收藏、分享给更多需要的朋友 欢迎在评论区留下你的想法、疑问或建议我会一一回复我们一起交流、共同成长 关注我不错过下一篇干货我们下期再见✨
Python进阶 - 正则表达式的字符集 匹配指定范围内的字符
大家好欢迎来到我的技术博客 在这里我会分享学习笔记、实战经验与技术思考力求用简单的方式讲清楚复杂的问题。 本文将围绕Python进阶这个话题展开希望能为你带来一些启发或实用的参考。 无论你是刚入门的新手还是正在进阶的开发者希望你都能有所收获文章目录 Python进阶正则表达式的字符集 —— 匹配指定范围内的字符 什么是字符集它为什么重要 基础字符集匹配单个字符 小贴士字符集是“或”关系 字符范围使用连字符 - 定义区间✅ 匹配所有小写字母✅ 匹配所有大写字母✅ 匹配所有数字 综合字符集组合多个范围 示例匹配字母 数字常见于用户名 取反操作^ 在字符集中的特殊含义❌ 匹配非数字字符 实用场景去除标点符号 高级字符集技巧自定义字符范围 示例只匹配元音字母️ 实战应用一邮箱格式校验简化版 实战应用二提取身份证号码中的年份 使用 re 模块的高级选项✅ 忽略大小写re.IGNORECASE 用 Mermaid 图表理解字符集匹配流程 字符集与量词结合控制匹配次数✅ 匹配至少两个连续的小写字母✅ 匹配 3 位数字的年份 实用技巧避免常见错误❌ 错误1忘记转义特殊字符❌ 错误2字符集顺序混乱 字符集的内置简写形式推荐使用 示例匹配用户名含下划线和数字 复杂场景匹配中文字符 总结字符集的核心优势 结语掌握字符集让正则更强大 Python进阶正则表达式的字符集 —— 匹配指定范围内的字符 在日常的文本处理任务中我们经常需要从大量字符串中提取特定模式的信息。而正则表达式Regular Expression简称 regex正是完成这类工作的强大工具。特别是在匹配指定范围内的字符这一核心功能上正则表达式的字符集Character Classes表现得尤为出色。本文将带你深入探索如何使用 Python 中的re模块通过字符集来精准地匹配你想要的字符范围并附上丰富的代码示例、可视化图表和实用技巧。 什么是字符集它为什么重要在正则表达式中字符集Character Class是一种用来定义“一组可接受的字符”的语法结构。它的作用是告诉引擎“只要当前字符属于这个集合就匹配成功”。例如importre textabc123xyzpatternr[abc]# 匹配 a、b 或 cmatchesre.findall(pattern,text)print(matches)# [a, b, c]输出结果为[a, b, c]说明正则表达式成功识别了text中所有属于[abc]范围的字符。✅关键点字符集用方括号[]包裹内部列出你希望匹配的字符或字符范围。 基础字符集匹配单个字符最简单的字符集就是直接列出几个字符importre textHello World! 2024# 匹配 H、e、l、o 任意一个patternr[Helo]resultre.findall(pattern,text)print(result)# [H, e, l, l, o, o] 注意这里会匹配每一个符合条件的字符即使重复也没关系。 小贴士字符集是“或”关系[abc]表示“匹配 a、b或c”不是必须全部出现。这与逻辑上的“与”完全不同。 字符范围使用连字符-定义区间当你想匹配连续的一段字符时比如所有小写字母或数字可以使用连字符-来表示范围。✅ 匹配所有小写字母importre textPython is great! 2024# 匹配 a 到 z 之间的任意小写字母patternr[a-z]lettersre.findall(pattern,text)print(letters)# [y, t, h, o, n, i, s, r, e, a, t, e, d]✅ 匹配所有大写字母patternr[A-Z]uppercasere.findall(pattern,text)print(uppercase)# [P]✅ 匹配所有数字patternr[0-9]digitsre.findall(pattern,text)print(digits)# [2, 0, 2, 4]⚠️ 提示[0-9]等价于\d但显式写出范围更直观也便于自定义扩展。 综合字符集组合多个范围你可以将多个范围合并到一个字符集中实现复杂匹配。 示例匹配字母 数字常见于用户名importre usernameuser123patternr[a-zA-Z0-9]# 所有英文字母和数字charsre.findall(pattern,username)print(chars)# [u, s, e, r, 1, 2, 3]这在验证用户输入合法性时非常有用 取反操作^在字符集中的特殊含义如果在字符集的第一个位置加上^表示“不匹配”该集合中的任何字符。❌ 匹配非数字字符text2024-05-17patternr[^0-9]# 不是数字的字符non_digitsre.findall(pattern,text)print(non_digits)# [-, -]✅ 这里[^0-9]匹配的是所有非数字的字符包括-和/等符号。 实用场景去除标点符号textHello, world! How are you?clean_textre.sub(r[^a-zA-Z],,text)print(clean_text)# HelloWorldHowareyou这样就能快速清理掉所有非字母字符。 高级字符集技巧自定义字符范围虽然标准范围如[a-z]很常用但有时你需要更灵活的设定。 示例只匹配元音字母textBeautiful day!vowelsre.findall(r[aeiouAEIOU],text)print(vowels)# [e, a, u, i, a, a, y]✅ 匹配大小写元音适合做文本分析。️ 实战应用一邮箱格式校验简化版我们尝试用字符集构建一个基本的邮箱验证逻辑。importredefvalidate_email(email):patternr^[a-zA-Z0-9._%-][a-zA-Z0-9.-]\.[a-zA-Z]{2,}$returnbool(re.match(pattern,email))# 测试用例test_emails[userexample.com,test.emaildomain.co.uk,invalid.com,example.com,userdomain]foremailintest_emails:print(f{email}→{✓ 合法ifvalidate_email(email)else✗ 无效})输出userexample.com → ✓ 合法 test.emaildomain.co.uk → ✓ 合法 invalid.com → ✗ 无效 example.com → ✗ 无效 userdomain → ✗ 无效 说明[a-zA-Z0-9._%-]表示本地部分允许的字符[a-zA-Z0-9.-]是域名部分最后.{2,}保证顶级域至少两个字符。 更多关于邮箱正则的讨论可参考 RFC 5322 标准文档英文。 实战应用二提取身份证号码中的年份假设我们有一个包含身份证号的文本text张三身份证号110101199003151234出生日期为1990年3月15日。# 提取身份证前6位中的年份第7~10位patternr[1-2][9|0]\d{2}# 匹配 19xx 或 20xxbirth_yearre.search(pattern,text)ifbirth_year:print(f出生年份{birth_year.group()})# 出生年份1990 解析[1-2]第一位是 1 或 2合理范围[9|0]第二位是 9 或 0对应 19xx/20xx\d{2}后两位数字 也可以写成r19\d{2}|20\d{2}更清晰。 使用re模块的高级选项✅ 忽略大小写re.IGNORECASEtextApple and apple are both fruits.patternr[a-z]matchesre.findall(pattern,text,re.IGNORECASE)print(matches)# [Apple, and, apple, are, both, fruits]re.IGNORECASE让字符集自动忽略大小写差异。 用 Mermaid 图表理解字符集匹配流程是否是否开始当前字符是否在范围内?匹配成功跳过继续下一个字符记录匹配项继续搜索是否还有字符?结束 这个流程图展示了正则引擎如何逐字符扫描并判断是否属于指定字符集。 你可以在 Mermaid Live Editor 中在线编辑此图表实时预览。 字符集与量词结合控制匹配次数字符集本身不指定数量但可以配合量词quantifiers使用。✅ 匹配至少两个连续的小写字母texthello world pythonpatternr[a-z]{2,}matchesre.findall(pattern,text)print(matches)# [hello, world, python]{2,}至少匹配 2 个{2,5}匹配 2 到 5 个✅ 匹配 3 位数字的年份textThe year 2024 and 1990 were important.patternr\b\d{3}\b# 匹配三位数的整数yearsre.findall(pattern,text)print(years)# [2024, 1990] ← 但注意4位也被匹配❗问题来了d{3}会匹配任何三位数字包括像202这样的片段。✅ 改为精确匹配四位年份patternr\b\d{4}\bfour_digit_yearsre.findall(pattern,text)print(four_digit_years)# [2024, 1990]\b表示单词边界确保完整数字被识别。 实用技巧避免常见错误❌ 错误1忘记转义特殊字符# 错误写法patternr[a-z]# 被视为普通字符不是量词✅ 正确做法patternr[a-z\\*]# 显式转义 *❌ 错误2字符集顺序混乱# 无影响但建议按逻辑排序patternr[0-9a-zA-Z]# 推荐写法✅ 保持一致性有助于可读性。 字符集的内置简写形式推荐使用为了提高可读性和效率Python 提供了一些内置字符类写法含义\d等价于[0-9]\D非数字等价于[^0-9]\w单词字符等价于[a-zA-Z0-9_]\W非单词字符\s空白字符空格、换行、制表符\S非空白字符 示例匹配用户名含下划线和数字usernamejohn_doe123patternr^[\w]$# 仅由字母、数字、下划线组成print(bool(re.match(pattern,username)))# True✅ 这比写[a-zA-Z0-9_]更简洁。 复杂场景匹配中文字符中文字符在 Unicode 编码中位于U4E00到U9FFF之间。我们可以用字符集匹配它们。text你好世界这是Python教程。chinese_charsre.findall(r[\u4e00-\u9fff],text)print(chinese_chars)# [你, 好, 世, 界, 这, 是, P, y, t, h, o, n, 教, 程]⚠️ 但注意P、y等英文字符也被匹配了因为[\u4e00-\u9fff]只覆盖了基本汉字区域。✅ 更准确的方式chinese_onlyre.findall(r[\u4e00-\u9fff],text)print(chinese_only)# [你好, 世界, 这是Python教程]❌ 仍然不行因为Python不在范围内。✅ 最佳实践使用regex库支持 Unicode 属性importregex text你好世界这是Python教程。chineseregex.findall(r\p{Han},text)print(chinese)# [你好, 世界, 这是, Python, 教程]regex库支持\p{Han}匹配汉字远优于手动编码范围。 了解更多 Unicode 属性请访问 Unicode.org - Character Categories 总结字符集的核心优势特性说明✅ 精准控制可精确指定哪些字符应被匹配✅ 灵活组合支持范围、取反、多组合并✅ 高效处理用于数据清洗、验证、提取等场景✅ 可读性强比复杂逻辑更直观 结语掌握字符集让正则更强大通过本篇深入讲解你应该已经掌握了如何利用 Python 的re模块结合字符集来高效匹配指定范围内的字符。无论是基础的[a-z]还是复杂的[^\d]取反亦或是 Unicode 汉字匹配字符集都扮演着不可或缺的角色。 记住正则表达式不是魔法而是工具。理解其规则善用字符集你就能轻松应对各种文本处理挑战。下一步建议学习分组groups和捕获机制掌握前瞻lookahead和回溯backreference实践真实项目中的日志解析、URL 提取、敏感词过滤 想要系统学习推荐阅读《Mastering Regular Expressions》这本书被誉为正则圣经。✨最后送你一句鼓励“编程的本质是解决问题。而正则表达式是解决文本问题的瑞士军刀。”祝你在 Python 的世界里越走越远代码越来越优雅延伸阅读Pythonre模块官方文档Regular-Expressions.info — 全球最受欢迎的正则学习网站Regex101.com — 在线测试正则表达式支持 Python 语法 以上链接均可正常访问助你随时查阅、练习、调试。 感谢你读到这里 技术之路没有捷径但每一次阅读、思考和实践都在悄悄拉近你与目标的距离。 如果本文对你有帮助不妨 点赞、收藏、分享给更多需要的朋友 欢迎在评论区留下你的想法、疑问或建议我会一一回复我们一起交流、共同成长 关注我不错过下一篇干货我们下期再见✨