Python正则表达式（regex）作为文本处理的强大工具，在编程面试中占据重要地位。然而，其复杂性和灵活性也使得它成为许多候选人的痛点。本文将深入剖析Python正则表达式面试中的难点问题，揭示易错点，并提供解题思路与代码示例，助您在面试中从容应对。
1. 匹配模式与分组
面试题：编写正则表达式匹配电子邮件地址，并提取域名部分。
易错点与避免策略：
- 正则表达式过于宽松或严格：在设计匹配模式时，应兼顾准确性和包容性，参考RFC 5322规范，同时考虑实际应用中可能出现的变体。
- 忽视分组的使用：利用
()进行分组，可以方便地提取匹配的部分。记住，d匹配单个数字，D匹配单个非数字字符，w匹配单个字母或数字，W匹配单个非字母或数字字符。
代码示例：
代码语言：javascript复制import re
pattern = r'(?P<username>w )(.(?P<middle>w ))?@(?P<domain>[A-Za-z0-9.-] ).[A-Za-z]{2,}'
email = 'john.doe@example.com'
match = re.match(pattern, email)
if match:
username = match.group('username')
middle = match.group('middle') or ''
domain = match.group('domain')
print(f"Username: {username}, Middle Name: {middle}, Domain: {domain}")
else:
print("Invalid email address")2. 重复匹配与量词
面试题：编写正则表达式匹配连续重复的单词，并计算重复次数。
易错点与避免策略：
- 混淆贪婪与非贪婪匹配：默认情况下，量词如
*、?、{m,n}是贪婪的，尽可能多地匹配字符。使用*?、?、??、{m,n}?可改为非贪婪匹配，尽早停止匹配。 - 未正确使用
re.findall()或re.finditer()：这两个函数分别以列表和迭代器形式返回所有匹配结果，便于统计重复次数。
代码示例：
代码语言：javascript复制import re
text = "the cat in the hat the dog"
pattern = r'b(w )s 1b'
matches = re.findall(pattern, text)
word_counts = {match[0]: len(match) // 2 for match in matches}
print(word_counts)3. 零宽断言与环视
面试题：编写正则表达式匹配HTML标签之间的文本内容，且不包含其他嵌套标签。
易错点与避免策略：
- 忽视零宽断言的应用：使用
(?<=start)正向预查断言和(?=end)正向后查断言，可以在不消耗字符的情况下确保匹配位置符合特定条件。 - 未考虑特殊情况：对于HTML标签可能存在属性、自闭合标签等情况，正则表达式可能无法完美处理。在实际项目中，推荐使用成熟的HTML解析库如BeautifulSoup。
代码示例：
代码语言：javascript复制import re
html = '<div class="content">Hello <em>world</em></div>'
pattern = r'(?<=<div[^>]*>)s*(.*?)(?=s*</div>)'
match = re.search(pattern, html)
if match:
content = match.group(1)
print(content)
else:
print("No matching content found")精通Python正则表达式的关键在于理解其基本语法、熟练运用各种匹配模式与量词，并能在实际问题中灵活应用零宽断言等高级特性。通过剖析面试中的难点问题，规避易错点，并结合代码示例进行实践，您将在编程面试中展现出卓越的文本处理能力。
我正在参与2024腾讯技术创作特训营最新征文，快来和我瓜分大奖！
