跳转至

🐍 Python 正则表达式完全指南：从基础到实战

🌟 什么是正则表达式？

正则表达式（Regex）是一种用于文本匹配、查找和替换的强大工具。它通过特殊字符和模式描述复杂的字符串规则，广泛应用于数据清洗、日志分析、字符串解析等场景。

在 Python 中，我们通过 re 模块实现正则表达式操作。

🧱 正则表达式基本语法

✅ 特殊字符与元字符

符号 含义 示例
. 匹配任意单个字符（除换行符） a.b → "acb", "a0b"
^ 匹配字符串开头 ^Hello → "Hello world"
$ 匹配字符串结尾 world$ → "Hello world"
* 前面字符重复 0 或多次 ab* → "a", "ab", "abb"
+ 前面字符重复 1 或多次 ab+ → "ab", "abb"
? 前面字符 0 次或 1 次 ab? → "a", "ab"
{n} 前面字符 恰好 n 次 a{3} → "aaa"
{n,} 前面字符 至少 n 次 a{2,} → "aa", "aaa"
{n,m} 前面字符 n 到 m 次 a{1,3} → "a", "aa", "aaa"
[] 字符类，匹配任意一个字符 [abc] → "a", "b", "c"
\d 数字 [0-9] \d{3} → "123"
\D 非数字 \D → "a", "@"
\s 空白字符（空格、制表符等） \s+ → " "
\w 单词字符（字母、数字、下划线） \w+ → "hello123"

✅ 修饰符（Flags）

标志 描述 示例
re.IGNORECASE (re.I) 忽略大小写 re.match(r'hello', 'HELLO', re.I)
re.MULTILINE (re.M) 多行匹配（^ 和 $ 匹配每行的首尾） re.search(r'^Line', text, re.M)
re.DOTALL (re.S) . 匹配包括换行符在内的任意字符 re.match(r'a.c', 'a\nb', re.S)
re.VERBOSE (re.X) 允许在正则中添加空白和注释
Python
1
2
3
pattern = re.compile(r"""
    \d{4}-\d{2}-\d{2}  # 匹配日期格式 YYYY-MM-DD
""", re.X)

🔍 re 模块核心操作

1. re.match()：从字符串开头匹配

Python
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
import re

pattern = r"hello"
text = "hello world"

match = re.match(pattern, text)
if match:
    print("匹配成功:", match.group())  # 输出: hello
else:
    print("匹配失败")

2. re.search()：在字符串中搜索第一个匹配项

Python
1
2
3
4
5
6
7
8
import re

pattern = r"world"
text = "hello world"

search = re.search(pattern, text)
if search:
    print("匹配成功:", search.group())  # 输出: world

3. re.findall()：查找所有匹配项

Python
1
2
3
4
5
6
7
8
import re

text = "联系我们：support@example.com 或者 sales.department@another-example.net.cn"
pattern = r"\w+@\w+\.\w+"

emails = re.findall(pattern, text)
print("提取到的邮箱地址:", emails)
# 输出: ['support@example.com', 'sales.department@another-example.net.cn']

4. re.sub()：替换匹配项

Python
1
2
3
4
5
6
import re

text = "Hello world! Welcome to the world of Python."
new_text = re.sub(r"world", "Python", text)
print(new_text)
# 输出: Hello Python! Welcome to the Python of Python.

5. re.split()：根据正则分割字符串

Python
1
2
3
4
5
6
import re

text = "apple,banana;orange:grape"
split_result = re.split(r"[,;:]", text)
print(split_result)
# 输出: ['apple', 'banana', 'orange', 'grape']

🚀 实战案例

✅ 案例 1：验证中国大陆手机号

Python
1
2
3
4
5
6
7
8
import re

def is_valid_phone(number):
    pattern = r"^1[3-9]\d{9}$"  # 以 1 开头，第二位 3-9，共 11 位
    return bool(re.match(pattern, number))

print(is_valid_phone("13800138000"))  # True
print(is_valid_phone("12345678901"))  # False

✅ 案例 2：提取中文文本

Python
1
2
3
4
5
6
import re

text = "Python 是一门强大的编程语言，真香！"
chinese_chars = re.findall(r"[\u4e00-\u9fa5]", text)
print("提取到的中文字符:", chinese_chars)
# 输出: ['是', '门', '强', '大', '的', '编', '程', '语', '言', '真', '香']

✅ 案例 3：解析日志文件

假设日志文件内容如下：

Text Only
1
2
2025-05-28 08:00:00 INFO User login
2025-05-28 08:05:00 ERROR Failed to connect

提取时间戳和日志级别：

Python
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
import re

log = """
2025-05-28 08:00:00 INFO User login
2025-05-28 08:05:00 ERROR Failed to connect
"""

pattern = r"(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) (\w+) .*"
matches = re.findall(pattern, log)

for timestamp, level in matches:
    print(f"[{timestamp}] {level}")

⚠️ 常见问题与最佳实践

1. 转义字符问题

在正则表达式中，反斜杠 \ 需要转义，建议使用原始字符串（r""）：

Python
1
2
3
4
5
# ❌ 错误写法（需手动转义）
pattern = "\d{3}"

# ✅ 正确写法
pattern = r"\d{3}"

2. 正则性能优化

  • 避免贪婪匹配：使用 ? 修饰符（非贪婪模式）
    Python
    1
    re.match(r"<.*?>", "<div>test</div>")  # 匹配到 <div>
  • 预编译正则：重复使用时编译一次
    Python
    1
    pattern = re.compile(r"\d{4}-\d{2}-\d{2}")

3. 复杂正则建议

  • 使用 re.VERBOSE 添加注释
    Python
    1
2
3
4
5
    pattern = re.compile(r"""
    ^                   # 匹配开头
    \d{4}-\d{2}-\d{2}  # 匹配日期格式 YYYY-MM-DD
    $                   # 匹配结尾
""", re.X)

🎉 总结

功能 方法
匹配 re.match(), re.search()
查找 re.findall(), re.finditer()
替换 re.sub()
分割 re.split()

正则表达式是文本处理的“瑞士军刀”，掌握它能极大提升开发效率！