Python 生成器 + 正则表达式 超详细完整版

一、前言

今天学习两个Python 高级核心技能：

1. 生成器（Generator）：节省内存、高效迭代
2. 正则表达式（RegExp）：字符串匹配、提取、替换神器

学会它们，你能处理：

• 大数据量迭代（不卡内存）
• 手机号/邮箱/身份证提取
• 日志清洗、爬虫数据解析
• 企业级开发高频用法

---

二、生成器（Generator）

1. 什么是生成器？

• 一边循环一边计算的机制
• 不一次性生成所有数据
• 极度节省内存

一句话：
需要一个数据，就生成一个，不占满内存。

2. 生成器两种写法

写法1：小括号推导式（最简单）

# 列表推导式（占内存）
a = [x for x in range(100000)]

# 生成器表达式（不占内存）
g = (x for x in range(100000))

写法2：yield 关键字（重点）

函数中出现 yield → 自动变成生成器

def gen():
    yield 1
    yield 2
    yield 3

g = gen()

3. 怎么获取生成器数据？

方法1：next()

print(next(g))  # 1
print(next(g))  # 2
print(next(g))  # 3

方法2：for 循环（最常用）

for i in gen():
    print(i)

4. yield 执行流程（重点）

1. 调用 next() → 执行到 yield 暂停
2. 返回 yield 后面的值
3. 再次调用 → 从暂停处继续执行
4. 直到函数结束

5. 生成器经典案例：斐波那契数列

def fib(n):
    a, b = 0, 1
    for _ in range(n):
        yield b
        a, b = b, a + b

# 取前10项
for num in fib(10):
    print(num)

6. 生成器优点

• 内存占用极小
• 适合处理海量数据
• 惰性计算（用到才算）
• 迭代效率高

7. 生成器总结

• (x for x in ...) → 生成器
• 函数 + yield → 生成器
• next() / for 取值
• 节省内存 = 生成器最大意义

---

三、正则表达式（RegExp）

1. 什么是正则？

• 用来匹配/查找/提取/替换字符串的规则
• 通用语言：Java/JS/Python/Go 都能用
• 处理文本最强大工具

2. Python 使用正则模块

import re

3. 正则四大常用方法（必背）

方法	作用
re.findall()	查找所有匹配结果，返回列表
re.search()	查找第一个匹配，返回匹配对象
re.match()	从开头匹配
re.sub()	替换字符串

---

四、正则元字符（最核心）

1. 常用匹配规则

符号	含义
.	匹配任意字符（除换行）
\d	匹配数字（0-9）
\D	匹配非数字
\w	匹配字母/数字/下划线
\W	匹配非单词字符
\s	匹配空白（空格/换行）
^	匹配字符串开头
`	符号
---	---
.	匹配任意字符（除换行）
\d	匹配数字（0-9）
\D	匹配非数字
\w	匹配字母/数字/下划线
\W	匹配非单词字符
\s	匹配空白（空格/换行）
^	匹配字符串开头
匹配字符串结尾

2. 量词（控制匹配次数）

符号	含义
*	0次或多次
+	1次或多次
?	0次或1次
{n}	exactly n 次
{n,m}	n~m 次

3. 贪婪与非贪婪

• 贪婪：默认，尽可能多匹配
• 非贪婪：加 ?，尽可能少匹配

# 贪婪
re.findall(r'a.*b', 'a123b456b')  # ['a123b456b']

# 非贪婪
re.findall(r'a.*?b', 'a123b456b') # ['a123b']

---

五、正则经典案例（作业/开发高频）

案例1：提取所有数字

import re
s = "python123hello456"
res = re.findall(r"\d+", s)
print(res)  # ['123','456']

案例2：匹配手机号

phone = "13812345678"
res = re.match(r"^1[3-9]\d{9}$", phone)
if res:
    print("手机号合法")

案例3：匹配邮箱

email = "test@163.com"
res = re.match(r"\w+@\w+\.\w+", email)

案例4：替换字符串

s = "hello123world456"
# 把数字替换成 *
res = re.sub(r"\d+", "*", s)
print(res)  # hello*world*

案例5：爬虫常用——提取标签内容

html = "<div>hello</div><span>python</span>"
res = re.findall(r"<.*?>(.*?)</.*?>", html)
print(res)  # ['hello','python']

---

六、分组（Group）高级用法

s = "name:张三,age:18"
res = re.search(r"name:(.*?),age:(.*)", s)
print(res.group(1))  # 张三
print(res.group(2))  # 18

---

七、生成器 + 正则 综合小案例

import re

# 生成器：逐行读取大文件
def read_file(file):
    with open(file, 'r', encoding='utf-8') as f:
        for line in f:
            yield line.strip()

# 提取文件中所有手机号
for line in read_file("data.txt"):
    phones = re.findall(r"1[3-9]\d{9}", line)
    if phones:
        print(phones)

优点：内存极低，可处理几GB大文件

---

八、 重点总结

生成器

1. 生成器 = 惰性迭代、节省内存
2. 两种写法：(x for x in ...)、yield
3. yield 暂停函数，next() 继续执行
4. 适合处理海量数据/大文件

正则表达式

1. 模块：import re
2. 常用方法：findall、search、sub
3. 核心：\d、\w、.、+、*、?
4. 经典场景：手机号、邮箱、提取数据、文本替换

一句话总结

生成器让内存更高效，正则让字符串处理更强大！