<p>Python中正则表达式通过re模块实现，可用于匹配、搜索、替换和验证文本模式；常用函数包括re.match()（从开头匹配）、re.search()（全局搜索）、re.findall()（查找所有匹配）、re.sub()（替换）和re.compile()（编译模式以提升效率）；核心元字符如. ^ $ * + ? {} [] () | 及特殊序列如d w s等用于构建复杂模式；量词默认为贪婪模式（尽可能多匹配），在量词后加?可变为非贪婪模式（尽可能少匹配），适用于提取HTML标签等内容；常见应用场景包括数据验证（邮箱、手机号、密码）、文本解析（日志分析、网页抓取）、文本清洗（去空格、脱敏）和高级搜索，是处理字符串的强大工具。</p>
Python里处理字符串，尤其是当你想从一大堆文本里精准地抓取、替换或者验证特定模式的时候，正则表达式（Regex）绝对是个绕不开的话题。简单来说，它就是一套描述文本模式的强大语言，通过特定的字符组合，让你能像用筛子一样，从复杂的文本数据中筛出你想要的那部分。在Python里，这一切都围绕着内置的
re
模块展开。
解决方案
要在Python中使用正则表达式，核心就是
re
模块。这个模块提供了一系列函数，用于编译正则表达式、执行匹配、搜索、替换等操作。
首先，你需要导入
re
模块：
import re
1. 匹配单个模式：
re.search()
和
re.match()
立即学习“Python免费学习笔记（深入）”；
-
re.match(pattern, string)
：尝试从字符串的开头匹配模式。如果匹配成功，返回一个匹配对象；否则，返回
None
。
-
re.search(pattern, string)
：扫描整个字符串，找到第一个匹配模式的位置。如果找到，返回一个匹配对象；否则，返回
None
。
举个例子：
text = "Hello, my phone number is 123-456-7890." pattern_start = r"Hello" pattern_number = r"d{3}-d{3}-d{4}" match_start = re.match(pattern_start, text) if match_start: print(f"从开头匹配到: {match_start.group()}") # 输出: 从开头匹配到: Hello match_number = re.search(pattern_number, text) if match_number: print(f"找到电话号码: {match_number.group()}") # 输出: 找到电话号码: 123-456-7890 # 如果用re.match来找电话号码，会是None，因为它不在开头 no_match = re.match(pattern_number, text) print(f"尝试从开头匹配电话号码: {no_match}") # 输出: 尝试从开头匹配电话号码: None
2. 查找所有匹配项：
re.findall()
re.findall(pattern, string)
：在字符串中查找所有非重叠的匹配项，并以列表形式返回所有匹配到的字符串。
text = "Email addresses: test@example.com, user@domain.org, another@mail.net." email_pattern = r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}" all_emails = re.findall(email_pattern, text) print(f"找到的所有邮箱: {all_emails}") # 输出: 找到的所有邮箱: ['test@example.com', 'user@domain.org', 'another@mail.net']
3. 替换匹配项：
re.sub()
re.sub(pattern, repl, string, count=0)
：用
repl
替换
string
中所有匹配
pattern
的子串。
count
参数可选，表示最多替换的次数。
text = "The price is $100. Another item costs $25." price_pattern = r"$d+" replacement = "FREE" new_text = re.sub(price_pattern, replacement, text) print(f"替换后的文本: {new_text}") # 输出: 替换后的文本: The price is FREE. Another item costs FREE. # 限制替换次数 new_text_one_replace = re.sub(price_pattern, replacement, text, count=1) print(f"只替换一次的文本: {new_text_one_replace}") # 输出: 只替换一次的文本: The price is FREE. Another item costs $25.
4. 编译正则表达式：
re.compile()
当你在代码中需要多次使用同一个正则表达式模式时，编译它是一个好习惯。
re.compile()
函数会将正则表达式编译成一个RegexObject对象，这样可以提高效率。
phone_regex = re.compile(r"d{3}-d{3}-d{4}") text = "Call me at 123-456-7890 or 987-654-3210." matches = phone_regex.findall(text) print(f"编译后查找的电话号码: {matches}") # 输出: 编译后查找的电话号码: ['123-456-7890', '987-654-3210']
说实话，刚接触的时候，这些符号确实让人头大，但一旦你理解了它们背后的逻辑，会发现它们在文本处理上简直是神器。
Python正则表达式中的元字符和特殊序列有哪些？
理解正则表达式的威力，很大程度上取决于你对元字符（Metacharacters）和特殊序列（Special Sequences）的掌握。这些是构建复杂匹配模式的基础。它们不是字面意义上的字符，而是具有特殊含义的“指令”。
常见的元字符：
-
.
(点号)：匹配除换行符
n
之外的任何单个字符。
-
a.b
可以匹配
acb
,
a!b
,
a b
等。
-
-
^
(脱字符)：匹配字符串的开头。
-
^Hello
只会匹配以 “Hello” 开头的字符串。
-
-
$
(美元符号)：匹配字符串的结尾。
-
World$
只会匹配以 “World” 结尾的字符串。
-
-
*
(星号)：匹配前一个字符零次或多次。
-
ab*c
可以匹配
ac
,
abc
,
abbc
,
abbbc
等。
-
-
+
(加号)：匹配前一个字符一次或多次。
-
ab+c
可以匹配
abc
,
abbc
,
abbbc
，但不能匹配
ac
。
-
-
?
(问号)：匹配前一个字符零次或一次。
-
ab?c
可以匹配
ac
,
abc
。
-
-
{m}(大括号)：匹配前一个字符恰好m次。
-
a{3}b匹配
aaab
。
-
-
{m,n}：匹配前一个字符至少m次，至多n次。
-
a{2,4}b匹配
aab
,
aaab
,
aaaab
。
-
-
[]
(方括号)：匹配方括号内任何一个字符。这叫字符集。
-
[abc]
匹配
a
,
b
, 或
c
。
-
[a-z]
匹配所有小写字母。
-
[0-9]
匹配所有数字。
-
[^0-9]
匹配所有非数字字符（
^
在方括号内表示否定）。
-
-
|
(竖线)：逻辑或操作。
-
cat|dog
匹配
cat
或
dog
。
-
-
()
(圆括号)：用于分组和捕获匹配的子串。
-
(ab)+
匹配
ab
,
abab
,
ababab
等。
-
(d{3})-(d{4})可以分别捕获区号和电话号码的后四位。
-
-
(反斜杠)：转义字符。如果想匹配元字符本身，需要用
转义。
-
.
匹配字面意义上的点号。
-
$
匹配字面意义上的美元符号。
-
特殊序列（通常以
开头）：
这些是预定义的字符集，非常方便：
-
d
：匹配任何数字（等同于
[0-9]
）。
-
d
：匹配任何非数字字符（等同于
[^0-9]
）。
-
w
：匹配任何字母、数字或下划线（等同于
[a-zA-Z0-9_]
）。
-
w
：匹配任何非字母、数字或下划线字符（等同于
[^a-zA-Z0-9_]
）。
-
s
：匹配任何空白字符（包括空格、制表符
t
、换行符
n
、回车符
r
等）。
-
s
：匹配任何非空白字符。
-
b
：匹配单词边界。
-
bwordb
匹配独立的 “word“，不会匹配 “wordy” 或 “keyword”。
-
-
b
：匹配非单词边界。
掌握这些元字符和特殊序列，就像掌握了正则表达式的“字母表”和“词汇”，就能开始构建复杂的“句子”来描述你想要的文本模式了。
如何处理Python正则表达式中的贪婪与非贪婪匹配？
在使用正则表达式时，你可能会遇到一个让人有点困惑但又非常重要的概念：贪婪（Greedy）与非贪婪（Non-Greedy）匹配。这决定了当一个量词（如
*
,
+
,
?
,
{m,n}
）遇到多种可能的匹配长度时，它会选择哪一种。
默认的贪婪模式
正则表达式中的量词默认是“贪婪”的。这意味着它们会尽可能多地匹配字符，直到无法再匹配为止。
看个例子：
text = "<a>link1</a><a>link2</a>" # 目标：提取第一个<a>...</a>标签内的内容 pattern_greedy = r"<.*>" match = re.search(pattern_greedy, text) if match: print(f"贪婪匹配结果: {match.group()}") # 输出: 贪婪匹配结果: <a>link1</a><a>link2</a>
你可能期望它只匹配到
<a>link1</a>
，但由于
*
是贪婪的，它会一直匹配到最后一个
>
字符，把整个字符串都吞了进去。这就是贪婪的特性。
切换到非贪婪模式
要让量词变成“非贪婪”模式，你只需要在量词后面加上一个问号
?
。
-
*?
：匹配前一个字符零次或多次，但尽可能少。
-
+?
：匹配前一个字符一次或多次，但尽可能少。
-
??
：匹配前一个字符零次或一次，但尽可能少。
-
{m,n}?：匹配前一个字符至少m次，至多n次，但尽可能少。
让我们用非贪婪模式来解决上面的问题：
text = "<a>link1</a><a>link2</a>" pattern_non_greedy = r"<.*?>" # 注意这里的问号 match = re.search(pattern_non_greedy, text) if match: print(f"非贪婪匹配结果: {match.group()}") # 输出: 非贪婪匹配结果: <a>link1</a>
这次，
.*?
匹配了从第一个
<
到第一个
>
之间的最短字符串，这正是我们想要的。
何时使用贪婪，何时使用非贪婪？
- 贪婪模式在需要匹配整个块，直到字符串结束或遇到明确的结束标记时非常有用。例如，如果你想匹配从某个起始标记到行尾的所有内容。
- 非贪婪模式则在处理具有重复结构（如HTML/XML标签、JSON对象等）的文本时显得尤为重要，因为它能让你精确地匹配到每个独立的单元，而不是把它们全部连起来。
实际项目中，当你发现正则表达式匹配的结果比你预期的要长时，很可能就是贪婪模式在作祟，这时候尝试加上
?
往往能解决问题。这是一个非常实用的技巧。
Python正则表达式在实际项目中常见应用场景有哪些？
正则表达式在实际项目中的应用非常广泛，几乎只要涉及文本处理，它都有可能派上用场。它就像一把瑞士军刀，能帮你高效地完成各种文本操作。
1. 数据验证 (Data Validation)
这是最常见的应用之一。当你需要确保用户输入的数据符合特定格式时，正则表达式是你的得力助手。
- 邮箱地址验证： 检查用户输入的邮箱是否符合
name@domain.com
的基本结构。
email_regex = r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}$" print(bool(re.match(email_regex, "user@example.com"))) # True print(bool(re.match(email_regex, "invalid-email"))) # False - 手机号码验证： 验证手机号是否为11位数字，且符合特定号段（虽然国内手机号规则复杂，但基本格式可用正则检查）。
- 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，以及长度要求。
- URL验证： 验证字符串是否是一个有效的URL格式。
2. 文本解析与信息提取 (Text Parsing and Information Extraction)
从非结构化或半结构化文本中提取特定信息是正则表达式的强项。
- 日志文件分析： 从大量的服务器日志中提取错误信息、IP地址、请求时间、用户ID等关键数据。
log_line = "ERROR 2023-10-27 10:30:05 User 'admin' failed login from 192.168.1.100." error_pattern = r"ERROR (d{4}-d{2}-d{2} d{2}:d{2}:d{2}) User '(w+)' failed login from (d{1,3}.d{1,3}.d{1,3}.d{1,3})" match = re.search(error_pattern, log_line) if match: timestamp, username, ip_address = match.groups() print(f"时间: {timestamp}, 用户: {username}, IP: {ip_address}") - 网页内容抓取 (Web Scraping)： 从HTML或XML文档中提取特定的标签内容、链接、图片URL等（虽然对于复杂HTML，BeautifulSoup等库更优，但正则对简单模式依然高效）。
- 配置文件的解析： 提取INI、YAML等配置文件中的键值对。
3. 文本替换与清洗 (Text Replacement and Cleaning)
批量修改或清理文本内容，正则表达式能让你事半功倍。
- 敏感信息脱敏： 将文本中的电话号码、身份证号等敏感信息替换为星号或其他占位符。
- 统一文本格式： 移除多余的空格、制表符，或者将特定格式的日期统一为另一种格式。
text = " Hello World! " cleaned_text = re.sub(r"s+", " ", text).strip() # 将多个空格替换为单个空格，并去除首尾空格 print(f"清洗后的文本: '{cleaned_text}'") # 输出: 清洗后的文本: 'Hello World!' - 代码重构： 在代码库中进行复杂的查找和替换，比如修改变量名、函数调用方式等（配合IDE的正则搜索替换功能）。
4. 搜索引擎与文本搜索 (Search Engines and Text Search)
在文档、数据库或文件系统中进行高级文本搜索。
- 代码编辑器中的搜索： 大多数代码编辑器都支持正则表达式搜索，让你能找到符合特定模式的代码片段。
- 日志分析工具： 在海量日志中快速定位符合特定错误模式的记录。
总的来说，正则表达式是处理字符串的瑞士军刀。虽然它初看起来有点晦涩，但一旦掌握，它能极大地提升你在文本处理方面的效率和能力。不过，也要注意，对于特别复杂的解析任务，比如解析嵌套的HTML，过度依赖正则表达式可能会让代码变得难以维护，这时候结合专门的解析库会是更好的选择。
word python html js json 正则表达式 工具 ai 搜索引擎 配置文件 邮箱 Python json 正则表达式 html beautifulsoup String count xml 字符串 堆 Regex 对象 ide 数据库 搜索引擎 重构 word