跟李宁老师学Python视频课程（11）：正则表达式

在Python数据处理的广阔天地中，字符串 manipulation 是基础也是高频场景。当简单的切片、替换或 `in` 操作无法满足复杂模式识别的需求时，正则表达式（Regular Expression）便成为了程序员手中的“瑞士军刀”。本期课程由李宁老师主讲，带你系统掌握Python中正则表达式的核心用法，从基础匹配到高级应用，构建起完整的知识闭环。

课程开篇，李宁老师首先厘清了两个极易混淆的概念：`match`与`search`。`match`函数坚持“从头部开始匹配”，若字符串起始处不符合模式，即便后面有符合条件的内容也会返回空；而`search`则更为灵活，它会在整个字符串中扫描，一旦找到第一个匹配项便立即返回。理解这一差异，是避免后续调试陷阱的第一步。

紧接着，课程深入探讨模式构成的原子单元。如何匹配任意单个字符？如何用字符集 `[abc]` 精准限定范围？又如何通过 `|` 符号实现“或”的逻辑，即在多个备选模式中选取其一？这些基础语法看似简单，却是构建复杂表达式的基石。随后，李宁老师讲解了控制重复次数的关键元字符：`*`（零次或多次）、`+`（一次或多次）、`?`（零次或一次）以及 `{m,n}`（指定次数区间），并结合特殊字符如`.`、`\d`、`\w`等，展示了如何利用它们简化代码逻辑，避免冗长的条件判断。

为了提升表达式的清晰度与复用性，课程重点讲解了“分组”技术。通过圆括号 `()`，我们可以将一部分模式作为一个整体进行量词控制，或者利用`group()`和`groups()`方法提取出特定的片段，这对于从杂乱文本中抓取关键信息（如日期、邮箱前缀）至关重要。同时，边界匹配也是不可或缺的一环——`^`和`$`分别锚定字符串的起始和结尾，`\b`则用于识别单词边界，确保我们匹配的是完整的单词而非其子串，这在文本清洗中尤为关键。

除了构建模式，如何高效地使用结果也是本课程的重头戏。`findall`与`finditer`提供了批量查找的能力，前者返回列表，后者返回迭代器，适合处理海量数据以节省内存。而在替换场景下，`sub`和`subn`函数允许我们将匹配到的内容替换为新字符串，并可选地返回替换的次数，这在数据脱敏或格式标准化中应用广泛。此外，`split`函数结合正则表达式，能够以更智能的方式切割字符串，例如按多个连续空格或特定标点符号拆分文本。

课程最后，李宁老师通过一组精选练习题，将上述知识点融会贯通，演示了如何解决实际工作中的字符串解析难题。掌握正则表达式，不仅能让你的Python代码更加简洁优雅，更能极大提升处理非结构化数据的效率。建议学习者边看边敲代码，亲手调试每一个例子，从而真正内化这一强大工具。