Python 进阶详解：正则表达式与 JSON —— 文本处理与数据交换的核心技能

一、引言：为什么需要正则表达式和 JSON？

在现代编程中，正则表达式和JSON是处理文本与数据的两大核心工具：

Python 提供了强大的内置模块：

• re 模块：处理正则表达式
• json 模块：实现 JSON 的编码与解码

掌握它们，你将具备数据清洗、接口通信、日志分析等关键能力！

二、正则表达式（Regular Expressions）

1. 什么是正则表达式？

正则表达式（Regex）是一种描述字符串模式的强大语法，可用于：

• 🔍 验证输入：如邮箱、手机号、身份证号
• 🧩 提取信息：从网页、日志中抓取关键数据
• ✏️ 替换内容：批量修改文本
• ✂️ 分割字符串：按复杂规则拆分文本

2. 基本语法与元字符

3. 使用 re 模块

3.1 导入模块

import re

3.2 常用函数详解

re.match()：从字符串开头匹配

result = re.match(r'\d+', '123abc')
if result:
    print(result.group())  # 输出：123

⚠️ 注意：match() 只检查开头，re.match(r'\d+', 'abc123') 返回 None。

re.search()：在整个字符串中搜索第一个匹配项

result = re.search(r'\d+', 'abc123def')
if result:
    print(result.group())  # 输出：123

✅ 更常用，不局限于开头。

re.findall()：返回所有匹配结果的列表

matches = re.findall(r'\d+', 'abc123def456ghi')
print(matches)  # 输出：['123', '456']

✅ 简单直接，适合提取多个值。

re.finditer()：返回匹配对象的迭代器（内存友好）

for match in re.finditer(r'\d+', 'abc123def456ghi'):
    print(f"找到数字：{match.group()}，位置：{match.span()}")
# 输出：
# 找到数字：123，位置：(3, 6)
# 找到数字：456，位置：(7, 10)

✅ 适合大文本处理，避免一次性加载所有结果。

re.sub()：替换匹配的内容

new_text = re.sub(r'\d+', 'NUM', 'abc123def456')
print(new_text)  # 输出：abcNUMdefNUM

# 支持函数替换
def double_num(match):
    num = int(match.group())
    return str(num * 2)

result = re.sub(r'\d+', double_num, '价格：100元和200元')
print(result)  # 输出：价格：200元和400元

re.split()：使用正则表达式分割字符串

parts = re.split(r'\s+', 'apple  banana   cherry')
print(parts)  # 输出：['apple', 'banana', 'cherry']

# 保留分隔符
parts_with_sep = re.split(r'(\s+)', 'apple  banana')
print(parts_with_sep)  # ['apple', '  ', 'banana']

4. 实际应用示例

✅ 验证邮箱格式

def is_valid_email(email):
    pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
    return re.match(pattern, email) is not None

print(is_valid_email("user@example.com"))  # True
print(is_valid_email("invalid.email"))     # False

🔍 模式解析：

• ^：开头
• [a-zA-Z0-9._%+-]+：用户名（字母、数字、._%+-）
• @：@ 符号
• [a-zA-Z0-9.-]+：域名
• \.：点号（转义）
• [a-zA-Z]{2,}：顶级域名（至少2字母）
• $：结尾

✅ 提取网页中的 URL

text = "访问我们的网站 https://www.example.com 或 http://blog.example.org"
urls = re.findall(r'https?://[^\s]+', text)
print(urls)
# 输出：['https://www.example.com', 'http://blog.example.org']

🔍 模式解析：

• https?：匹配 http 或 https
• ://：协议分隔符
• [^\s]+：非空白字符（直到空格或换行）

三、JSON（JavaScript Object Notation）

1. 什么是 JSON？

JSON 是一种轻量级的数据交换格式，基于文本，具有以下优点：

• 👁️ 人类可读
• 🤖 机器易解析
• 🌐 跨语言支持（Python、JavaScript、Java 等）

2. JSON 支持的数据类型

3. JSON 示例

{
  "name": "Alice",
  "age": 25,
  "is_student": false,
  "courses": ["数学", "英语"],
  "address": {
    "city": "北京",
    "zipcode": "100000"
  }
}

4. 使用 json 模块

4.1 导入模块

import json

4.2 序列化：Python 对象 → JSON 字符串（json.dumps()）

data = {
    "name": "Bob",
    "age": 30,
    "hobbies": ["reading", "swimming"]
}

json_str = json.dumps(data, ensure_ascii=False, indent=2)
print(json_str)

输出：

{
  "name": "Bob",
  "age": 30,
  "hobbies": [
    "reading",
    "swimming"
  ]
}

✅ 参数说明：

• ensure_ascii=False：允许输出中文（否则会转义）
• indent=2：美化输出，2 空格缩进

4.3 反序列化：JSON 字符串 → Python 对象（json.loads()）

json_str = '{"name": "Charlie", "score": 95.5}'
data = json.loads(json_str)
print(data["name"])   # Charlie
print(data["score"])  # 95.5（float 类型）

4.4 读写 JSON 文件

写入文件

with open("data.json", "w", encoding="utf-8") as file:
    json.dump(data, file, ensure_ascii=False, indent=2)

✅ json.dump() 直接写入文件，无需先转字符串。

读取文件

with open("data.json", "r", encoding="utf-8") as file:
    loaded_data = json.load(file)
    print(loaded_data)

✅ json.load() 直接从文件读取并解析。

5. 实际应用示例：模拟 API 响应处理

import json

# 模拟从 Web API 获取的 JSON 响应
api_response = '''
{
  "users": [
    {"id": 1, "name": "Alice", "email": "alice@example.com"},
    {"id": 2, "name": "Bob", "email": "bob@example.com"}
  ],
  "total": 2
}
'''

# 解析 JSON
response_data = json.loads(api_response)

# 提取用户信息
for user in response_data["users"]:
    print(f"用户: {user['name']}, 邮箱: {user['email']}")

输出：

用户: Alice, 邮箱: alice@example.com
用户: Bob, 邮箱: bob@example.com

四、综合示例：日志分析器

结合正则表达式和 JSON，编写一个结构化日志分析器。

import re
import json

# 模拟日志行
log_line = '2025-08-04 10:30:15 ERROR User login failed for user=admin from IP=192.168.1.100'

# 使用正则提取信息
pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) (\w+) (.+) from IP=(\d+\.\d+\.\d+\.\d+)'
match = re.match(pattern, log_line)

if match:
    timestamp, level, message, ip = match.groups()

    # 构建结构化数据
    log_entry = {
        "timestamp": timestamp,
        "level": level,
        "message": message,
        "ip": ip
    }

    # 转换为 JSON 字符串
    json_log = json.dumps(log_entry, ensure_ascii=False, indent=2)
    print(json_log)

输出：

{
  "timestamp": "2025-08-04 10:30:15",
  "level": "ERROR",
  "message": "User login failed for user=admin",
  "ip": "192.168.1.100"
}

✅ 应用场景：日志收集、安全审计、系统监控。

五、总结：正则表达式与 JSON 的核心要点

六、最佳实践与建议

七、动手练习

1. 验证手机号（如 13812345678）

def is_valid_phone(phone):
    # 中国大陆手机号：1 开头，第二位 3-9，共 11 位
    pattern = r'^1[3-9]\d{9}$'
    return re.match(pattern, phone) is not None

print(is_valid_phone("13812345678"))  # True
print(is_valid_phone("12345678901"))  # False

2. 保存个人信息为 JSON 文件

import json

profile = {
    "name": "张三",
    "age": 28,
    "city": "上海",
    "skills": ["Python", "数据分析", "Web 开发"]
}

with open("profile.json", "w", encoding="utf-8") as file:
    json.dump(profile, file, ensure_ascii=False, indent=2)

print("个人信息已保存到 profile.json")

3. 分析日志文件并输出 JSON

假设 logs.txt 内容：

2025-08-04 10:00:00 INFO System started
2025-08-04 10:01:23 ERROR Database connection failed
2025-08-04 10:02:45 WARNING Disk usage high

import re
import json

pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) (\w+) (.+)'

error_logs = []

with open("logs.txt", "r", encoding="utf-8") as file:
    for line in file:
        match = re.match(pattern, line.strip())
        if match:
            timestamp, level, message = match.groups()
            if level == "ERROR":
                error_logs.append({
                    "timestamp": timestamp,
                    "level": level,
                    "message": message
                })

# 输出为 JSON
json_output = json.dumps(error_logs, ensure_ascii=False, indent=2)
print(json_output)

🚀 学习建议

1. 多练习正则：从简单模式开始，逐步构建复杂表达式。
2. 理解 JSON 结构：熟悉嵌套对象与数组的处理。
3. 结合使用：在真实项目中，常需用正则清洗原始数据，再组织成 JSON。
4. 进阶学习：

• • 正则的贪婪 vs 非贪婪模式（*?, +?）
  • json 模块的 cls 参数（自定义编码器）
  • 使用 pathlib 和 json 构建配置管理器