Python 字符串正则表达式详解

Python 字符串正则表达式详解

---

一、正则表达式核心语法

元字符	含义	正确示例与说明	常见错误修正
.	匹配任意字符（换行符除外）	a.b → 匹配"acb"、“a1b”	不匹配换行符（需用re.S模式）
^	匹配字符串开头	^Hello → 匹配以"Hello"开头的字符串	需与re.M模式配合匹配行首
$	匹配字符串结尾	world$ → 匹配以"world"结尾的字符串	需与re.M模式配合匹配行尾
*	匹配前导模式0次或多次	ab* → 匹配"a"、“ab”、“abb”	易与+混淆（+需至少1次）
+	匹配前导模式1次或多次	ab+ → 匹配"ab"、“abb”，不匹配"a"	需注意最小匹配次数限制
?	匹配前导模式0次或1次	ab? → 匹配"a"或"ab"	常用于可选字符匹配（如s?he）
\d	匹配数字（等价于[0-9]）	\d{3} → 匹配"123"、"456"等三位数	注意转义符需使用原始字符串r""
\w	匹配字母、数字、下划线	\w+ → 匹配"user123"、“var_1”	不匹配特殊符号，如emoji 😒😒😒
\s	匹配空白字符（空格、制表符等）	a\s+b → 匹配"a b"、“a\tb”	不匹配换行符（需用\n）
[]	匹配括号内任意一个字符	[abc] → 匹配"a"、“b”、“c”	范围表示法如[a-z0-9]
()	分组捕获，可引用分组内容	(ab)+ → 匹配"ab"、“abab”	用\1引用分组（如替换操作）

1. 基础元字符

• .：匹配除换行符外的任意字符

  re.search(r"a.c", "abc")  # 匹配 "abc"
  

• ^ / $：分别匹配字符串的开始和结束

  re.match(r"^user", "user123")  # 验证用户名以"user"开头
  

• * / + / ?：量词，分别表示0次或多次、1次或多次、0次或1次匹配

     # 匹配所有结果
    print(re.findall(r"ab*c", "ac"))
    print(re.findall(r"ab*c", "abc" ))
    print(re.findall(r"ab*c", "abbc") )
  

2. 预定义字符集

• \d：匹配数字（等价于 [0-9]）
• \w：匹配字母、数字、下划线（等价于 [a-zA-Z0-9_]）
• \s：匹配空白字符（如空格、制表符）
• [ ]：自定义字符集合（如 [a-z] 匹配小写字母）

  re.findall(r"\d{3}", "ID:123")  # 提取连续3位数字 → ['123']
  

3. 分组与引用

• ( )：捕获分组，可通过 group() 提取

  match = re.search(r"(\d{4})-(\d{2})", "2025-03")
  print(match.group(1))  # 输出年份 "2025"
  

• \1\3：引用第一和第三个分组（用于替换操作）

	re.sub(r"(\d{3})(\d{4})(\d{4})", r"\1****\3", "13812345678")  # → "138****5678"

二、re 模块核心方法

1. 常用函数

方法	用途	示例代码片段
re.search()	扫描整个字符串，返回第一个匹配	re.search(r"\d+", "价格:99元") → 匹配 “99”
re.match()	仅从字符串开头匹配	re.match(r"^http", url) 验证URL协议头
re.findall()	返回所有匹配的列表	re.findall(r"\b\w+@\w+\.com\b", text) 提取邮箱
re.sub()	替换匹配内容	re.sub(r"\s+", " ", text) 合并多余空格

2. 匹配模式修饰符

• re.I：忽略大小写

  re.findall(r"python", "Python is great", flags=re.I)  # 匹配 ["Python"]
  

• re.M：多行模式（使 ^ 和 $ 匹配每行的开始/结束）
• re.S：使 . 匹配包括换行符在内的所有字符

---

三、高级应用技巧

1. 贪婪与非贪婪模式

• 贪婪（默认）：尽可能匹配更长内容

  re.search(r"<div>.*</div>", "<div>A</div><div>B</div>")  # 匹配整个字符串
  

• 非贪婪（加 ?）：匹配最短内容

  re.search(r"<div>.*?</div>", "<div>A</div><div>B</div>")  # 仅匹配第一个<div>
  

2. 转义处理

• 使用原始字符串（r""）避免反斜杠冲突

  re.search(r"\\", "路径: C:\\Users")  # 匹配单个反斜杠
  

3. 实用正则模板

• 邮箱验证：r"^\w+([.-]?\w+)*@\w+([.-]?\w+)*(\.\w{2,3})+$"
• 手机号提取：r"1[3-9]\d{9}"
• URL提取：r"https?://[\w.-]+\.[a-z]{2,}"

---

四、常见问题与优化

1. 中文字符匹配
   使用 Unicode 范围：[\u4e00-\u9fa5]

   re.findall(r"[\u4e00-\u9fa5]+", "Hello 世界")  # 提取中文 → ["世界"]
   

2. 性能优化

   • 预编译正则表达式：pattern = re.compile(r"\d+")
   • 避免过度使用.*，尽量明确匹配范围

完整正则语法参考：Python 官方文档 | 在线测试工具：regex101.com