一、 本周课程内容大纲

这周课程的核心主题是正则表达式（Regular Expressions），以下是主要内容大纲：

• 正则表达式的定义与用途 (What and Why)：介绍什么是正则表达式，以及它在查找、替换、提取和验证文本（如邮箱、日期格式）中的作用。
• 正则表达式语法 (Regular Expression Syntax)：

  • 字符集 (Character Sets)：基础匹配、大小写敏感、范围匹配（Ranges）、否定字符集（Negative Character Sets）以及简写符号（Shorthand Character Sets）。
  • 重复匹配 (Repetition)：如何匹配出现多次的模式（使用 , +, ? 或 {m,n} 限定符）。
  • 分组与选择 (Grouping & Alternation)：使用括号进行分组和使用 | 表达“或”逻辑。
• Python 中的原始字符串 (Raw String in Python)：解决“反斜杠灾难”，简化代码编写。

二、 老师在课堂上强调的重点

老师在讲解知识点的同时，着重强调了以下几个关于作业和实际应用的关键信息：

• 关于 Assessment 1 (第一次作业)：

  • 组队要求：必须尽快组建 4 到 5 人的团队，人太少的组需要寻找新成员。
  • 作业性质：这是一个开放性、需要创造力的数据分析任务，没有唯一的“标准正确答案”。
  • 思维方式：老师鼓励大家不要拘泥于标准规则，要发散思维甚至“疯狂”一点，从不同角度去挖掘数据中隐藏的、别人没有注意到的信息。
  • 慎用 AI：虽然可以使用 ChatGPT，但它无法直接给你最终的正确答案。因为如果你给的指令不够清晰，AI 总是会漏掉边缘情况；你需要自己搞懂逻辑，再去引导 AI。
• 关于正则表达式的学习与陷阱：

  • 在真实世界的数据分析中，绝对逃不开文本数据，因为文本能传达纯数字无法表达的复杂观点和情感；而正则表达式正是让计算机“理解”人类语言规则（NLP）的基础。
  • 先懂后写：遇到一大串像乱码一样的正则表达式（比如邮箱验证公式）不要猜，先学会通过拆分“区块”来读懂它，然后再尝试自己写。
  • 常见错误：正则表达式是严格区分大小写的（Case-sensitive）。此外，老师特别提醒要小心“空格（white space）”等不可见字符，忽略它们是导致匹配失败的常见原因。

三、 一步步带你学习本节课内容

现在，我们跟着课件的逻辑，一步步学习正则表达式的基础知识：

第一步：理解正则表达式在做什么？

由于计算机只懂 0 和 1，我们需要一种特殊的“符号语言”来教计算机识别文本规律。例如，你想从一份文件里把所有拼写为“Bob”或“Bobby”的名字都替换成“Robert”，或者你想检查用户输入的邮箱格式对不对（是不是包含 @ 和 .com），正则表达式就能用简短的符号帮你迅速搞定。

第二步：学习基础匹配 —— 字符集 (Character Sets)

• 方括号 [...]：表示“匹配括号里的任意一个字符”。

  • 例子：gr[ea]y 可以匹配 "grey" 也可以匹配 "gray"，但不能匹配 "graey"（因为括号里的规则只选其中一个应用一次）。
• 区间范围：不用把字母全写出来，用连字符 。[a-zA-Z] 代表所有英文字母，[0-9] 代表所有数字。
• 否定匹配 [^...]：在括号最前面加 ^ 表示“不要这些”。比如 [^b]og 会匹配 "hog" 和 "dog"，但绝不会匹配 "bog"。
• 超级好用的简写：

  • \d = 匹配数字（等同于 [0-9]）。
  • \w = 匹配单词字符（字母、数字、下划线）。
  • \s = 匹配空格、换行符等不可见字符。
  • 大写往往是反义词：比如 \D 就是匹配“非数字”。

第三步：搞定出现次数 —— 重复 (Repetition)

如果你想匹配的内容长度不固定（比如邮箱的名字部分有长有短），你就需要重复符号（它们只作用于前面紧挨着的那一个字符或规则）：

• ：出现 0 次或多次。
• +：出现 1 次或多次。
• ?：出现 0 次或 1 次。
• {m, n}：精准控制次数。例如 \d{2,4} 表示这里必须出现连续 2 到 4 个数字。

第四步：进阶组合 —— 分组 (Grouping) 和 选言 (Alternation)

• 分组 (...)：如果你想把上面学到的“重复”功能应用到一整个词上，可以用小括号把它包起来。例如，(abc)+就可以匹配 "abc", "abcabc", "abcabcabc"。
• 或逻辑 |：代表前后两者满足其一即可。比如 apple|orange 匹配苹果或者橘子；(ei|ie) 可以用来匹配拼写容易混淆的词缀。

第五步：实战必知 —— Python 里的原始字符串 (Raw String)

在 Python 代码里写正则表达式时，常常需要打很多反斜杠（\）。为了匹配一个真实的反斜杠，你甚至要写出 \\\\ 这种反人类的代码（这叫 Backslash Plague）。 解决方法：在 Python 字符串的引号前面加一个小写的 r，比如 r"\w+\s+"。这告诉 Python：“这就是一个原始字符串，不要给我乱转义”，这能让你的正则表达式清晰很多。