Day 15：正则表达式与综合项目
🎯 学习目标：掌握正则表达式，综合 15 天所学完成完整项目
1. 正则表达式
1.1 元字符速查表
| 元字符 | 含义 | 示例 | 匹配结果 |
|---|---|---|---|
. | 任意字符（除换行） | a.b | "a_b", "a1b" |
\d | 数字 [0-9] | \d{3} | "138" |
\D | 非数字 | \D+ | "abc" |
\w | 字母数字下划线 | \w+ | "user_123" |
\W | 非字母数字下划线 | \W+ | "@#$" |
\s | 空白字符 | \s | 空格、Tab、换行 |
\S | 非空白 | \S+ | "Hello" |
* | 0 次或多次 | ab* | "a", "abbb" |
+ | 1 次或多次 | ab+ | "abb"（不匹配 "a"） |
? | 0 次或 1 次 | ab? | "a", "ab" |
{n} | 恰好 n 次 | \d{3} | "123" |
{n,} | 至少 n 次 | \d{3,} | "12345" |
{n,m} | n 到 m 次 | \d{2,4} | "12", "1234" |
[] | 字符集 | [aeiou] | 任一元音字母 |
[^] | 排除字符集 | [^0-9] | 非数字 |
^ | 字符串开头 | ^Hello | 以 Hello 开头 |
$ | 字符串结尾 | end$ | 以 end 结尾 |
() | 分组捕获 | (\d{3})-(\d{4}) | 捕获两组数字 |
| ` | ` | 或 | `cat |
1.2 re 模块方法
import re
text = "联系方式：张三 138-1234-5678，李四 13900001111"
# search：搜索第一个匹配
m = re.search(r"\d{3}-\d{4}-\d{4}", text)
if m:
print(f"找到：{m.group()}") # "138-1234-5678"
print(f"位置：{m.span()}") # (9, 22)
# findall：查找所有匹配
phones = re.findall(r"\d{3}-\d{4}-\d{4}|\d{11}", text)
print(phones) # ['138-1234-5678', '13900001111']
# sub：替换
cleaned = re.sub(r"[^\d]", "", "电话：138-1234-5678")
print(cleaned) # "13812345678"
# split：按模式分割
parts = re.split(r"[，,]", "苹果，香蕉,橘子")
print(parts) # ['苹果', '香蕉', '橘子']
# match：必须从开头匹配
print(re.match(r"\d+", "123abc")) # 匹配 "123"
print(re.match(r"\d+", "abc123")) # None（不是从数字开头）
# compile：预编译正则（重复使用时提高效率）
phone_pattern = re.compile(r"1[3-9]\d{9}")
print(phone_pattern.findall("13812345678 15987654321"))
# ['13812345678', '15987654321']
1.3 分组捕获
text = "生日：1990-05-20"
# 普通分组
m = re.search(r"(\d{4})-(\d{2})-(\d{2})", text)
print(m.group(0)) # "1990-05-20"（整个匹配）
print(m.group(1)) # "1990"（年）
print(m.group(2)) # "05"（月）
print(m.group(3)) # "20"（日）
print(m.groups()) # ('1990', '05', '20')
# 命名分组
m = re.search(r"(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})", text)
print(m.group("year")) # "1990"
print(m.group("month")) # "05"
print(m.groupdict()) # {'year': '1990', 'month': '05', 'day': '20'}
1.4 常用正则示例
patterns = {
"手机号": r"^1[3-9]\d{9}$",
"邮箱": r"^[\w.-]+@[\w.-]+\.\w+$",
"身份证": r"^\d{17}[\dXx]$",
"IP地址": r"^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$",
"日期": r"^\d{4}-\d{2}-\d{2}$",
"中文": r"^[一-龥]+$",
}
# 验证函数
def validate(value, pattern_name):
pattern = patterns.get(pattern_name)
if not pattern:
return False
return bool(re.match(pattern, str(value)))
print(validate("13812345678", "手机号")) # True
print(validate("user@mail.com", "邮箱")) # True
print(validate("hello", "中文")) # False
1.5 贪婪 vs 非贪婪
text = "<div>内容1</div><div>内容2</div>"
# 贪婪匹配（默认）：尽可能多匹配
greedy = re.findall(r"<div>.*</div>", text)
print(greedy) # ['<div>内容1</div><div>内容2</div>'] ← 一整块
# 非贪婪匹配（加 ?）：尽可能少匹配
lazy = re.findall(r"<div>.*?</div>", text)
print(lazy) # ['<div>内容1</div>', '<div>内容2</div>'] ← 分开的
2. 运行
if __name__ == "__main__":
app = CustomerApp()
app.run()
📝 15 天知识体系回顾
graph TB subgraph 第1-2天_基础 D1[环境搭建 注释 变量] D2[进制 数据类型 输入输出] end subgraph 第3-5天_语法 D3[运算符 if while] D4[for 列表 推导式] D5[字符串 元组 集合 字典] end subgraph 第6-9天_OOP D6[函数 深浅拷贝] D7[闭包 递归 lambda 文件] D8[类与对象 三种方法] D9[封装 继承 多态] end subgraph 第10-12天_进阶 D10[异常 try with] D11[模块 pip 打包] D12[迭代器 生成器 装饰器] end subgraph 第13-15天_实战 D13[进程 线程 GIL] D14[UDP TCP HTTP] D15[正则 CRM项目] end D1 --> D2 --> D3 --> D4 --> D5 D5 --> D6 --> D7 --> D8 --> D9 D9 --> D10 --> D11 --> D12 D12 --> D13 --> D14 --> D15 style D15 fill:#F44336,color:#fff
速记卡（面试闪卡）
Q1：一句话讲清「Day 15：正则表达式与综合项目」到底是什么？
A：正则用元字符描述文本模式，re 模块做匹配提取；当天还整合前 14 天所学做了个 CRM 项目。
Q2：元字符与 re 方法（metacharacters / re module） —— 怎么理解？
A：类比：元字符是”通配积木”：. 任意字符、\d 数字、\w 字母数字、* 0+次、+ 1+次、? 0/1次、[] 字符集、^/$ 首尾、() 分组。re 模块像警察：search 抓第一个、findall 一窝端、sub 替换、split 分割、match 必须从开头、compile 预编译提速。（Regular Expression）
Q3：分组捕获与贪婪（groups / greedy） —— 怎么理解？
A：类比：(\d{4})-(\d{2})-(\d{2}) 用 group(1)(2)(3) 取年月日，命名分组 (?P
Q4：客户管理系统项目（CRM CRUD） —— 怎么理解？
A：类比：综合 15 天所学成一个完整 CRUD 项目：Customer 模型（to_dict/from_dict）、Validator（正则校验手机/邮箱）、CustomerStore（dict+JSON 文件持久化增删改查）、CustomerApp（菜单交互 try/except 兜底）。像把散零件拧成一台能跑的机器。（Real project）
Q5：核心认知与坑（maintainability） —— 怎么理解？
A：类比：正则是文本处理的瑞士军刀，但别写太复杂的正则（难维护易错，超复杂提取用解析库）。贪婪 vs 非贪婪是最常踩的坑（HTML/XML 提取务必加 ?）。项目里异常兜底 + 正则校验，是保证健壮性的标准动作。（Be pragmatic）
Q6：核心速记主线有哪些？
-
元字符速查：. \d \w \s * + ? {} [] ^ $ () |
-
re 方法：search/findall/sub/split/match/compile
-
分组捕获 group() 与命名分组 groupdict()
-
贪婪 .* 多吞、非贪婪 .*? 少吞，提取多标签必加 ?
-
CRM 项目：Customer / Validator / Store / App 串成完整 CRUD
口诀
A：正则积木通配符，re 警察抓匹配；
分组抓取年月日，贪婪多吞懒惰缺；
CRM 整合十五天，模型存储菜单接；
复杂正则莫硬写，解析库更体贴。
相关链接
- 上一篇：14_网络编程