Python正则表达式（常用）_python 正则-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_59236127/article/details/135594782

本文详细介绍了Python中的正则表达式，包括其概念、用途、re模块提供的各种函数及其使用示例，涵盖了match、search、sub、findall、finditer、split等，并讨论了贪婪模式和非贪婪模式的区别以及常见正则表达式模式的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文讲解一下Python的正则表达式，主要介绍正则表达式的概、在Python中如何使用正则表达式，常用的正则表达式处理函数，最后分享几个简单的使用示例。

一、正则表达式

1、概念

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个"规则字符串"，这个"规则字符串"用来表达对字符串的一种过滤逻辑。

2、用途

匹配和查找文本：使用正则表达式可以快速匹配和查找特定模式的文本，例如查找包含特定单词的句子、匹配邮箱、电话等；
数据清洗和处理：去除特定字符或标签、提取文本中的有效信息等；
表单验证：正则表达式可以用于验证用户输入的表单数据，验证邮箱地址是否合法等；
字符串替换：将文本中的某个模式替换为另一个字符串；
提取信息：提取特定的信息，例如提取网页中的链接，日志中的关键信息。

3、在线测试工具

链接：正则表达式

二、Python正则表达式

Python内置了re模块，封装了一些函数用来处理正则表达式。简单示例：

import re

raw_str = 'abc12def'
result = re.search('\d+', raw_str)
print(result.group())  # 12

三、re模块常用函数

1、re.match

尝试从字符串的起始位置匹配一个模式，如果不是起始位置，match返回None。 re.match(pattern, string, flags=0)

参数	描述
pattern	匹配的正则表达式
string	要匹配的字符串
flags	标志位，用于控制正则表达式的匹配方式，比如：是否区分大小写，多行匹配等

re.I 使匹配对大小写不敏感
re.L 做本地化识别匹配
re.M 多行匹配
re.S 使.匹配包括换行在内的所有字符
re.U 根据Unicode字符集解析字符
re.X 为了增加可读性，忽略空格和#后面的注释

2、re.search

扫描整个字符串并返回第一个成功的匹配。

search vs match

match要从字符串的起始位置匹配。

import re

raw_str = 'abc12def'
result1 = re.search('\d+', raw_str)
result2 = re.match('\d+', raw_str)
print(result1.group())  # 12
print(result2.group())  # None

3、re.sub

用于替换字符串中的匹配项。 re.sub(pattern, repl, string, count, flags)

参数	描述
pattern	匹配的正则表达式
repl	替换的字符串，也可以是一个函数
string	要匹配的字符串
count	模式陪陪后替换的最大次数，默认替换所有
flags	标志位，用于控制正则表达式的匹配方式，比如：是否区分大小写，多行匹配等

简单替换：

import re

phone = "2024-959-459"

# 删除非数字'-'
num = re.sub(r'\D', phone)
print(num) # 2024959459

函数模式替换：

import re

# 将匹配的数字乘以2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)

raw_str = 'A12B3C'
print(re.sub('(?P<value>\d+)',double, raw_str)) # A24B6C

4、re.compile

compile函数用于编译正则表达式，生成一个正则表达式Pattern对象，供match和search使用。 re.compile(pattern[, flags])

import re
pattern = re.compile(r'\d+')                    # 用于匹配至少一个数字
m = pattern.match('12twothree34four')        # 查找头部，没有匹配
print(m.group(0)) # 12

5、re.findall

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表。 findall(pattern, string, flags=0)

import re

pattern = re.compile(r'\d+')   # 查找数字
result = pattern.findall('abc 123 def 456')
print(result) # [123,456]

如果匹配不到返回空列表。

6、re.finditer

在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。 re.finditer(pattern, string, flags=0)

import re

it = re.finditer(r"\d+","12a32bc43jf3") 
for match in it: 
    print (match.group())

12 32 43 3

7、re.split

按照能够匹配的子串将字符串分割后返回列表。

re.split(pattern, string[, maxsplit=0, flags=0])

maxsplit 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

import re

print(re.split('\W+', 'hello,world,')) # ['hello','world','']
import re

re.split('b*', 'hello world') 
['hello world']

找不到匹配的字符串，split 不会分割。

8、分组

正则表达式中，group（）用来提出分组截获的字符串。

import re
a = "123abc456"

print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0))  # 123abc456,返回整体
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1))  # 123
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2))   # abc
print(re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3))  # 456

正则表达式中的三组括号把匹配结果分成三组 group() 同group（0）就是匹配正则表达式整体结果 group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分。

9、贪婪模式与非贪婪模式

import re

text = "0123456"

# 贪婪模式
result1 = re.match('\d+',text)
# 非贪婪模式
result2 = re.match('\d+?',text)
print(result1.group()) # 0123456
print(result2.group()) # 0

四、正则表达式模式

参数	描述
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符,除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[…]	用来表示一组字符,单独列出：[amk] 匹配 ‘a’，‘m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a，b，c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{n}	精确匹配n个前面表达式。例如，o{2}不能匹配"Bob"中的"o"，但是能匹配"food"中的两个o。
re{n,}	匹配n个前面表达式。例如，o{2,}不能匹配"Bob"中的"o"，但能匹配
re{n,m}	匹配n到m次由前面的正则表达式定义的片段，贪婪方式
a\|b	匹配a或b
(re)	对正则表达式分组并记住匹配的文本
(?imx)	正则表达式包含三种可选标志：i,m,或x。只影响括号中的区域。
(?-imx)	正则表达式关闭 i,m,或x可选标志。只影响括号中的区域。
(?:re)	类似 (…),但是不表示一个组
(?imx:re)	在括号中使用i,m,或x可选标志
(?-imx:re)	在括号中不使用i,m,或x可选标志
(?#…)	注释.
(?=re)	前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?!re)	前向否定界定符。与肯定界定符相反;当所含表达式不能在字符串当前位置匹配时成功
(?>re)	匹配的独立模式，省去回溯。
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 []。
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如，‘e’可以匹配"never"中的’er’，但不能匹配"verb"中的 ‘er’。
\B	匹配非单词边界。‘er\B’ 能匹配"verb"中的 ‘er’，但不能匹配"never"中的’er’。
\n,\t,等.	匹配一个换行符。匹配一个制表符。
\1…\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

五、常用示例

1、匹配"Python"或"python"

[Pp]ython

2、匹配括号内的任意字母

[aeiou]

3、匹配任意字母或数字

[a-zA-Z0-9]

4、匹配除了数字外的字符

[^0-9]或\D

5、匹配邮箱

[\w\.-]+@\.\w+

6、findall多个匹配模式，返回元组列表

import re

result = re.findall(r'(\w+)=(\d+)','width=20,height=10')
print(result) # [('width','20'),('height','10')]

7、返回字典对象

import re

raw_str = '132929199703271118'

result = re.search('(?P<province>\d{3})(?P<city>\d{3})(?P<birthday>\d{8})', raw_str)

print(result.groupdict())