python——正则表达式

一、简介

        在 Python 中，正则表达式主要通过 re 模块实现，用于字符串的匹配、查找、替换等操作。

二、Python的re模块

使用前需要导入：

import re

三、常用方法

方法	描述
re.match(pattern, string)	从字符串开头匹配，返回第一个匹配对象，否则返回 None
re.search(pattern, string)	扫描整个字符串，返回第一个匹配对象，否则返回 None
re.findall(pattern, string)	返回所有匹配的子字符串列表
re.finditer(pattern, string)	返回所有匹配的迭代器（包含匹配对象）
re.sub(pattern, repl, string)	将匹配的子字符串替换为 repl
re.split(pattern, string)	按匹配模式分割字符串，返回列表

1、搜索匹配：re.search(pattern, string)

text = "订单号：ABC123 金额：￥99.8"
if re.search(r'\d+\.\d+', text):  # 检查是否有小数print("发现金额")

2、查找所有匹配项：re.findall(pattern, string)

emails = "联系：[e-mail], [e-mail]"
print(re.findall(r'\w+@\w+\.\w+', emails))  # 输出 ['[e-mail]', '[e-mail]']

（1）正则表达式拆解 \w+@\w+\.\w+

• \w+：匹配用户名部分

  • \w = 字母/数字/下划线（等价于 [a-zA-Z0-9_]）

  • + = 至少出现1次

  • 示例：匹配 "a"、"user123"

• @：直接匹配邮箱符号

• \w+：匹配域名主体

  • 示例：匹配 "x"、"google"

• \.：转义匹配真实的点（.）

  • 注意：不加反斜杠的 . 会匹配任意字符

• \w+：匹配顶级域名

  • 示例：匹配 "com"、"cn"

（2）匹配过程演示

以第一个邮箱 "[e-mail]" 为例：

原始字符串：联系：[e-mail], [e-mail]↑开始匹配|------------------|匹配流程：\w+ → "a" @   → 匹配@符号 \w+ → "x" \.  → 匹配点 \w+ → "com"

3、替换文本：re.sub(pattern, replacement, string)

text = "2023-08-15"
new_text = re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\2/\3/\1', text)  # 改为 "08/15/2023"

（1） 正则表达式分解 (\d{4})-(\d{2})-(\d{2})

python

• (\d{4})：捕获年（4位数字）

  • 示例：匹配 "2023"

• -：匹配日期分隔符（原格式的短横线）

• (\d{2})：捕获月（2位数字）

  • 示例：匹配 "08"

• -：再次匹配分隔符

• (\d{2})：捕获日（2位数字）

  • 示例：匹配 "15"

（2）分组编号：

1. 第1组：年（\1）

2. 第2组：月（\2）

3. 第3组：日（\3）

（3）替换逻辑 r'\2/\3/\1'

替换字符串中的 \数字 对应正则中的分组：

• \2 → 第2组（月）

• \3 → 第3组（日）

• \1 → 第1组（年）

（4）关键细节

分组顺序：括号从左到右编号，与位置无关

# 错误示范：错误的分组顺序
re.sub(r'(\d{2})-(\d{2})-(\d{4})', r'\3/\1/\2', "15-08-2023")  # 正确写法

保留原格式：替换时仅调整分组顺序，不修改内容

# 原始内容中的"08"会被直接引用为\2

分隔符变化：将短横线 - 改为斜杠 /

# 替换字符串中的"/"是普通字符，无需转义

四、核心元字符速查表

核心元字符速查表

符号	含义	等价写法	示例
\d	任意数字 (0-9)	[0-9]	\d+ 匹配 "123"
\D	非数字字符	[^0-9]	\D+ 匹配 "abc"
\w	单词字符（字母/数字/下划线）	[a-zA-Z0-9_]	\w+ 匹配 "user123"
\W	非单词字符	[^\w]	\W+ 匹配 "@#$"
\s	空白字符（空格、换行、制表符等）	[ \t\n\r\f\v]	\s+ 匹配 " \t"
\S	非空白字符	[^\s]	\S+ 匹配 "Hello"
.	任意字符（默认不包含换行）	—	a.c 匹配 "abc" 或 "a c"
^	脱字符	——	re.search(r'^Hello', 'Hello World') → 匹配成功
$	美元符	——	re.search(r'World$', 'Hello World') → 匹配成功

1、自定义字符集合

用方括号 [] 自定义匹配范围：

（1）匹配特定字符

# 匹配元音字母
re.findall(r'[aeiou]', "hello")  # ['e', 'o']# 匹配数字或小写字母
re.search(r'[0-9a-z]', "ID: A3")  # 匹配 "3"

（2）排除特定字符

在 [] 中使用 ^ 表示排除：

# 匹配非数字字符
re.findall(r'[^0-9]', "R2D2")  # ['R', 'D']

（3） 组合范围

# 匹配十六进制字符（0-9, A-F）
re.findall(r'[0-9A-Fa-f]', "Hex: 1aF")  # ['1', 'a', 'F']

2、特殊字符处理

（1）转义符号

匹配正则中的特殊符号（如 .、*）时，需用 \ 转义：

# 匹配浮点数中的点
re.search(r'\d+\.\d+', "价格 9.99")  # 匹配 "9.99"

（2) Unicode 字符（如中文）

Python 的 re 模块默认支持 Unicode：

# 匹配中文字符
re.findall(r'[\u4e00-\u9fa5]+', "Hello 你好！")  # ['你好']

五、量词控制重复次数

量词控制重复次数

量词	含义	示例	行为说明
*	0次或多次	a* 匹配 "", "a", "aaa"	尽可能多匹配（贪婪模式）
+	1次或多次	\d+ 匹配 "1", "123"	至少出现一次
?	0次或1次	colou?r 匹配 "color"/"colour"	可选匹配
{n}	精确n次	\d{4} 匹配4位数字	如年份匹配
{n,}	至少n次	\w{3,} 匹配3个以上字母数字	如密码长度验证
{n,m}	n到m次	\d{2,4} 匹配2-4位数字	范围控制

1、自定义字符集 []

# 匹配元音字母
re.findall(r'[aeiou]', 'hello')  # ['e', 'o']# 匹配十六进制字符（0-9, a-f）
re.search(r'[0-9a-fA-F]+', 'Color: #FF00FF')  # 匹配 "#FF00FF"

2、排除字符集 [^]

# 匹配非数字字符
re.findall(r'[^0-9]', 'R2-D2')  # ['R', '-', 'D']

3、逻辑或 |

# 匹配多种日期格式
pattern = r'\d{4}-\d{2}-\d{2}|\d{2}/\d{2}/\d{4}'
re.findall(pattern, '2023-08-15 或 08/15/2023')  # 匹配两者

4、捕获组 ()

# 提取日期各部分
date = '2023-08-15'
match = re.search(r'(\d{4})-(\d{2})-(\d{2})', date)
print(match.groups())  # ('2023', '08', '15')

5、反向引用 \n

# 查找重复单词
re.findall(r'\b(\w+)\b\s+\1\b', 'hello hello world')  # ['hello']

6、 非捕获组 (?:)

# 匹配但不捕获组
re.findall(r'(?:Mr|Ms)\. (\w+)', 'Mr. Smith, Ms. Lee')  # ['Smith', 'Lee']

六、实战技巧

1、匹配手机号

phone = "138-1234-5678"
match = re.search(r'1[3-9]\d-?\d{4}-?\d{4}', phone)
if match:print(f"找到手机号：{match.group()}")

2、提取网页链接

html = '<a href="https://example.com">点击这里</a>'
links = re.findall(r'href="(https?://[^"]+)"', html)  # ['https://example.com']

3、密码强度验证

要求：8-20位，必须包含字母和数字

password = "Passw0rd"
if re.fullmatch(r'(?=.*\d)(?=.*[a-zA-Z]).{8,20}', password):print("密码有效")

七、补充

1、在正则表达式中，使用 ^ 来匹配字符串的开头。

2、在正则表达式中，使用 $ 来匹配字符串结尾。