课程大纲 第 47 课,共 250 课 · 文件、错误与模块
文件、错误与模块

用正则表达式进行模式匹配

正则表达式(regex)是一种描述文本模式的小语言:"一个级别单词,然后一个时间戳,然后一条消息",或者"任何看起来像邮箱的东西"。Python 的 re 模块负责运行它们。当结构有规律、但具体文本会变化时,你就会用到正则。

把模式写成原始字符串(r"..."),这样反斜杠的含义才是正则所期望的:

import re
m = re.search(r"\d+", "order 42 shipped")
print(m.group())   # 42

你最常用的几块:

  • \d 一个数字,\w 一个单词字符(字母/数字/下划线),\s 空白。
  • + 一个或多个,* 零个或多个,? 可有可无。. 是任意字符。
  • [abc] 是字符类(a、b、c 中的任意一个)。^ 和 $ 锚定开头和结尾。
  • 圆括号 ( ) 组成一个可以取出来的分组;(?P<name>...) 给它起名字。

re.search 找到第一个匹配(或 None);m.group(1) 或 m.groupdict() 读取捕获的分组。re.findall 返回每一个匹配:

text = "2026-07-09T12:00:00 [ERROR] disk full"
m = re.search(r"^(?P<ts>\S+) \[(?P<level>\w+)\] (?P<msg>.+)$", text)
print(m.group("level"))   # ERROR

print(re.findall(r"\d+", "3 cats, 12 dogs"))   # ['3', '12']
轮到你了

两个都用 re 模块。(1) parse_log_line(line) 匹配格式恰好为 TIMESTAMP [LEVEL] MESSAGE 的日志行(例如 2026-07-09T12:00:00 [ERROR] disk full),返回字典 {"timestamp": ..., "level": ..., "message": ...},如果这一行不匹配就返回 None。时间戳不含空格,级别是方括号里的一个单词,消息是这一行剩下的部分。(2) find_emails(text) 按顺序返回 text 里每个邮箱地址组成的列表。把邮箱看作 chars@chars.chars,其中本地部分和域名使用字母、数字和符号 . _ + -。

发现这节课有问题?报告它 · 就这节课提问

这个练习即将开放

完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。