Python通过re模块实现正则表达式，核心是编写模式字符串并使用search、match、findall、sub等函数进行查找、匹配、提取和替换操作。
Python使用正则表达式主要通过内置的
re
模块来实现，它提供了一系列函数，让你能够定义复杂的文本匹配模式，并在字符串中查找、替换或提取符合这些模式的内容。核心思想是先写一个描述目标文本结构的“模式字符串”，然后用
re
模块的函数去处理你想要分析的文本。
解决方案
在Python里玩转正则表达式，我的经验是，首先得把
re
模块请进来。这就像你要盖房子，得先有工具箱。
import re
然后，我们就可以开始干活了。最常用的几个工具大概是这样的：
-
re.search(pattern, string)
: 这个函数会扫描整个字符串，找到第一个匹配
pattern
的位置。如果找到了，它会返回一个
Match
对象；如果没找到，就返回
None
。我个人觉得，这是日常使用频率最高的函数之一，因为很多时候我只需要知道“有没有”或者“第一个是什么”。
立即学习“Python免费学习笔记（深入）”；
text = "我的电话是138-0013-8000，紧急联系人电话是13912345678。" pattern = r"d{3}-d{4}-d{4}" # 匹配手机号格式，r前缀表示这是一个原始字符串，避免反斜杠的转义问题 match = re.search(pattern, text) if match: print(f"找到了第一个电话号码: {match.group(0)}") # group(0)返回整个匹配到的字符串 # 输出: 找到了第一个电话号码: 138-0013-8000 else: print("没找到符合格式的电话号码。") -
re.match(pattern, string)
: 和
search
有点像，但它有个严格的规定：只从字符串的开头进行匹配。如果模式不在字符串开头，即使后面有匹配项，
Match
也会返回
None
。这在处理固定格式的字符串开头时特别有用，比如我经常用它来验证文件名的前缀。
text_start = "Hello World!" text_middle = "Say Hello World!" pattern_hello = r"Hello" match_start = re.match(pattern_hello, text_start) match_middle = re.match(pattern_hello, text_middle) if match_start: print(f"从开头匹配到: {match_start.group(0)}") # 输出: 从开头匹配到: Hello else: print("开头未匹配到。") if match_middle: print(f"从开头匹配到: {match_middle.group(0)}") else: print("开头未匹配到。") # 输出: 开头未匹配到。 -
re.findall(pattern, string)
: 如果你需要找出字符串中所有不重叠的匹配项，
findall
就是你的不二之选。它会返回一个包含所有匹配字符串的列表。我发现它在从日志文件或网页内容中批量提取信息时特别好用。
text_all_numbers = "商品A价格12.5元，商品B价格99.99元，商品C价格3元。" pattern_price = r"d+.?d*" # 匹配整数或小数 all_prices = re.findall(pattern_price, text_all_numbers) print(f"所有价格: {all_prices}") # 输出: 所有价格: ['12.5', '99.99', '3'] -
re.sub(pattern, repl, string, count=0)
: 这个函数用来替换字符串中匹配
pattern
的部分。
repl
可以是字符串，也可以是一个函数。
count
参数可以限制替换的次数。我经常用它来清洗数据，比如把多余的空格替换掉，或者把一些敏感信息脱敏。
text_clean = "你好 世界！ 这是一个 测试。" pattern_spaces = r"s+" # 匹配一个或多个空格 cleaned_text = re.sub(pattern_spaces, " ", text_clean) print(f"清理后的文本: {cleaned_text}") # 输出: 清理后的文本: 你好 世界！ 这是一个 测试。
理解这几个基本函数，并掌握如何构建模式字符串，你就已经迈出了Python正则表达式的第一步。
Python正则表达式中常用的匹配模式有哪些？
说实话，正则表达式的“模式”才是它真正强大且让人又爱又恨的地方。刚开始学的时候，我常常被那些符号搞得头晕眼花，但一旦掌握了，你会发现它们能解决很多看似复杂的文本处理问题。这里我把我日常最常用的一些模式总结一下：
-
基本字符匹配:
-
.
(点): 匹配除了换行符
n
之外的任意一个字符。这玩意儿简直是万能牌，但用的时候得小心，因为它可能匹配到你不想匹配的东西。
-
d
: 匹配任意一个数字（0-9）。我的密码验证、电话号码提取都离不开它。
-
d
: 匹配任意一个非数字字符。
-
w
: 匹配任意一个字母、数字或下划线（[a-zA-Z0-9_]）。处理变量名、单词时很方便。
-
w
: 匹配任意一个非字母、数字、下划线字符。
-
s
: 匹配任意一个空白字符（空格、制表符、换行符等）。文本清洗时，它和
+
组合起来是神器。
-
s
: 匹配任意一个非空白字符。
-
-
数量词（Quantifiers）: 这些是用来指定前面那个字符或组要出现多少次的。
-
*
: 匹配零次或多次。比如
a*
能匹配
""
,
a
,
aa
,
aaa
…
-
+
: 匹配一次或多次。
a+
能匹配
a
,
aa
,
aaa
…但不能匹配
""
。
-
?
: 匹配零次或一次。
colou?r
可以匹配
color
或
colour
。
-
{n}: 匹配恰好n次。
d{4}匹配四位数字。
-
{n,}: 匹配至少n次。
d{3,}匹配三位或更多位数字。
-
{n,m}: 匹配n到m次。
d{3,5}匹配三到五位数字。
-
-
边界匹配:
-
^
: 匹配字符串的开头。
-
$
: 匹配字符串的结尾。
-
b
: 匹配单词边界。比如
bcatb
只会匹配独立的单词”cat”，而不会匹配”category”中的”cat”。这在精确匹配单词时非常有用。
-
b
: 匹配非单词边界。
-
-
字符集:
-
[abc]
: 匹配方括号中的任意一个字符。比如
[aeiou]
匹配任意一个元音字母。
-
[a-z]
: 匹配指定范围内的字符。
[0-9]
等同于
d
。
-
[^abc]
: 匹配不在方括号中的任意一个字符。
[^0-9]
等同于
d
。
-
-
分组与捕获:
-
(pattern)
: 用小括号括起来的部分形成一个捕获组。这不仅能让你把一组模式当作一个整体来应用数量词（比如
(ab)+
），还能让你在
Match
对象中单独提取这个组匹配到的内容（通过
match.group(1)
、
match.group(2)
等）。我个人觉得，分组是正则表达式进阶的必经之路，数据提取全靠它了。
-
(?:pattern)
: 非捕获组。它也把模式当作一个整体，但不会捕获匹配到的内容，所以不会占用
group()
的索引。当你只想分组而不关心捕获时，用这个可以提升一点点性能，也让代码更清晰。
-
-
选择符:
-
|
: 或。
cat|dog
可以匹配”cat”或”dog”。
-
-
转义:
-
(反斜杠): 如果你的模式中需要匹配正则表达式的特殊字符本身（比如
.
,
*
,
?
,
+
,
(
,
)
,
[
,
]
,
{,
}
,
^
,
$
,
|
,
），你就需要在它们前面加上反斜杠进行转义。比如要匹配一个点号，你得写
.
。
-
构建这些模式的时候，我通常会先在心里模拟一下，或者直接用一些在线的正则表达式测试工具（比如regex101.com）来验证我的模式是不是真的能匹配到我想要的东西。
在Python中处理正则表达式匹配结果时有哪些技巧和注意事项？
匹配到了结果，怎么用好它，这也有不少学问。我这里分享一些我常用的技巧和踩过的一些坑。
-
Match对象的妙用: 当
re.search()
或
re.match()
找到匹配时，它们返回的是一个
Match
对象。这个对象可不只是告诉你“有”或“没有”那么简单，它包含了匹配的所有细节：
-
match.group(0)
: 返回整个匹配到的字符串。这是最常用的。
-
match.group(1)
,
match.group(2)
…: 返回对应捕获组匹配到的字符串。如果你有多个捕获组，它们会按从左到右的顺序编号。
-
match.groups()
: 返回一个包含所有捕获组内容的元组。
-
match.start()
: 返回匹配开始的索引。
-
match.end()
: 返回匹配结束的索引（不包含）。
-
match.span()
: 返回一个元组
(start, end)
。 利用这些，你可以精确地知道匹配到的内容是什么，在哪里。
text = "联系电话是: (010)1234-5678" pattern = r"((d{3}))(d{4}-d{4})" # 两个捕获组，一个用于区号，一个用于号码 match = re.search(pattern, text) if match: print(f"完整匹配: {match.group(0)}") # 输出: (010)1234-5678 print(f"区号: {match.group(1)}") # 输出: 010 print(f"号码: {match.group(2)}") # 输出: 1234-5678 print(f"所有分组: {match.groups()}") # 输出: ('010', '1234-5678') print(f"匹配位置: {match.span()}") # 输出: (7, 22) -
-
贪婪与非贪婪匹配: 这是个经典陷阱！默认情况下，正则表达式的数量词（
*
,
+
,
?
,
{n,m}）都是“贪婪”的，它们会尽可能多地匹配字符。但有时候，你可能只想要最短的匹配。这时，你可以在数量词后面加上一个
?
，让它变成“非贪婪”模式。
html_text = "<h1>标题1</h1><p>内容</p><h1>标题2</h1>" greedy_pattern = r"<h1>.*</h1>" # 贪婪模式 non_greedy_pattern = r"<h1>.*?</h1>" # 非贪婪模式 greedy_match = re.search(greedy_pattern, html_text) if greedy_match: print(f"贪婪匹配: {greedy_match.group(0)}") # 输出: <h1>标题1</h1><p>内容</p><h1>标题2</h1> non_greedy_match = re.search(non_greedy_pattern, html_text) if non_greedy_match: print(f"非贪婪匹配: {non_greedy_match.group(0)}") # 输出: <h1>标题1</h1>你看，一个
?
的区别，结果大相径庭。我刚开始用的时候就经常被这个坑到，以为
.*
就能匹配一个标签，结果把整个HTML都吞了。
-
编译正则表达式: 如果你需要在程序中多次使用同一个正则表达式模式，那么使用
re.compile()
来编译它是一个非常好的习惯。它会把模式编译成一个
RegexObject
对象，这样在后续使用时就不用每次都重新编译了，能提升一点性能。对于短脚本可能不明显，但对于处理大量文本或在循环中频繁使用正则的场景，编译带来的好处是实实在在的。
phone_pattern = re.compile(r"(d{3})-(d{4})-(d{4})") text_list = ["电话: 139-1234-5678", "座机: 010-8765-4321"] for text in text_list: match = phone_pattern.search(text) if match: print(f"找到号码: {match.group(0)}") -
匹配标志（Flags）:
re
模块提供了一些标志，可以改变正则表达式的匹配行为。这些标志可以作为函数的第三个参数传入，或者在编译时传入。
-
re.IGNORECASE
(或
re.I
): 忽略大小写。
-
re.DOTALL
(或
re.S
): 让
.
（点号）也能匹配换行符
n
。默认情况下
.
是不匹配换行符的。
-
re.MULTILINE
(或
re.M
): 改变
^
和
$
的行为。在多行模式下，
^
不仅匹配字符串开头，还匹配每一行的开头；
$
不仅匹配字符串结尾，还匹配每一行的结尾。
multi_line_text = "First linenSecond line" pattern_dotall = r"First.*line" match_dotall = re.search(pattern_dotall, multi_line_text, re.DOTALL) if match_dotall: print(f"DOTALL匹配: '{match_dotall.group(0)}'") # 输出: 'First linenSecond line' -
-
处理无匹配情况: 永远要记得，
re.search()
和
re.match()
在没有找到匹配时会返回
None
。所以，在使用
Match
对象之前，务必进行非空判断，否则直接访问
match.group()
会抛出
AttributeError
。这是我个人写代码时最常犯的低级错误之一，因为有时候我太自信我的模式了，哈哈。
no_match_text = "没有数字" pattern_digit = r"d+" match_obj = re.search(pattern_digit, no_match_text) if match_obj: # 良好的编程习惯 print(f"找到了: {match_obj.group(0)}") else: print("什么也没找到。")
掌握这些技巧，能让你在处理匹配结果时更加得心应手，避免一些不必要的错误。
Python正则表达式在实际开发中能解决哪些具体问题？
正则表达式在实际开发中简直是文本处理的瑞士军刀，用途非常广泛。我个人在很多场景下都依赖它，从最简单的文本清理到复杂的数据提取。
-
数据验证: 这是我用得最多的场景之一。
- 邮箱地址验证: 虽然完全符合RFC标准的邮箱正则非常复杂，但一个简单的模式（比如
r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}$"）就能过滤掉大部分不合法的输入。
- 手机号码验证: 针对不同国家的手机号格式，编写相应的正则进行验证。比如中国大陆的11位手机号（
r"^1[3-9]d{9}$"）。
- URL验证: 确保用户输入的链接格式正确。
- 密码强度检查: 检查密码是否包含大小写字母、数字、特殊字符，以及是否达到最小长度。
- 邮箱地址验证: 虽然完全符合RFC标准的邮箱正则非常复杂，但一个简单的模式（比如
-
文本提取: 从非结构化或半结构化文本中抽取出你想要的信息。
-
文本清洗与转换: 让杂乱无章的文本变得规整。
- 去除多余空格:
re.sub(r"s+", " ", text)
可以把文本中连续的空格、制表符、换行符等替换成单个空格。
- 格式化日期/时间: 将不同格式的日期字符串统一转换为标准格式。
- 敏感信息脱敏: 比如将身份证号码或银行卡号的中间几位用星号代替，保护用户隐私。
- HTML/XML标签清理: 从文本中移除所有HTML标签，只保留纯文本内容（当然，对于复杂的HTML，用解析库更稳妥）。
- 去除多余空格:
-
简单的文本搜索和替换:
- 在大量代码文件中查找并替换某个变量名或函数名，特别是当这个名字可能出现在不同的上下文，需要精确匹配时。
- 批量修改文档中的特定短语或格式。
我个人觉得，正则表达式的魅力在于它提供了一种模式化思维来处理文本。当你的目标文本结构有规律可循，但又不是严格的固定格式时，正则就能大显身手。不过，我也要提醒一句：不要滥用正则表达式。对于一些简单的字符串操作，比如判断一个子串是否存在（
"sub" in string
）或者简单的分割（
string.split(',')
），直接使用Python字符串的内置方法通常更清晰、性能更好。只有当模式变得复杂、需要模糊匹配、或者需要捕获特定子结构时，正则表达式才是最佳选择。过度使用正则，不仅会让代码难以阅读和维护，还可能因为模式写得不好而引入意想不到的bug。所以，用之前先思考一下，是不是真的需要它。
python html js git json go 正则表达式 工具 爬虫 邮箱 区别 python正则表达式 Python json 正则表达式 html beautifulsoup String count xml Error 字符串 循环 JS 对象 事件 bug