Python正则表达式怎么用
来到golang学习网的大家，相信都是编程学习爱好者，希望在这里学习文章相关编程知识。下面本篇文章就来带大家聊聊《python怎么使用正则表达式匹配内容_python正则表达式使用指南》，介绍一下，希望对大家的知识积累有所帮助，助力实战开发！
Python通过re模块实现正则表达式，核心是编写模式字符串并使用search、match、findall、sub等函数进行查找、匹配、提取和替换操作。
Python使用正则表达式主要通过内置的re模块来实现，它提供了一系列函数，让你能够定义复杂的文本匹配模式，并在字符串中查找、替换或提取符合这些模式的内容。核心思想是先写一个描述目标文本结构的“模式字符串”，然后用re模块的函数去处理你想要分析的文本。
解决方案
在Python里玩转正则表达式，我的经验是，首先得把re模块请进来。这就像你要盖房子，得先有工具箱。
import re
然后，我们就可以开始干活了。最常用的几个工具大概是这样的：
re.search(pattern, string): 这个函数会扫描整个字符串，找到第一个匹配pattern的位置。如果找到了，它会返回一个Match对象；如果没找到，就返回None。我个人觉得，这是日常使用频率最高的函数之一，因为很多时候我只需要知道“有没有”或者“第一个是什么”。text = "我的电话是138-0013-8000，紧急联系人电话是13912345678。" pattern = r"\d{3}-\d{4}-\d{4}" # 匹配手机号格式，r前缀表示这是一个原始字符串，避免反斜杠的转义问题 match = re.search(pattern, text) if match: print(f"找到了第一个电话号码: {match.group(0)}") # group(0)返回整个匹配到的字符串 # 输出: 找到了第一个电话号码: 138-0013-8000 else: print("没找到符合格式的电话号码。")re.match(pattern, string): 和search有点像，但它有个严格的规定：只从字符串的开头进行匹配。如果模式不在字符串开头，即使后面有匹配项，match也会返回None。这在处理固定格式的字符串开头时特别有用，比如我经常用它来验证文件名的前缀。text_start = "Hello World!" text_middle = "Say Hello World!" pattern_hello = r"Hello" match_start = re.match(pattern_hello, text_start) match_middle = re.match(pattern_hello, text_middle) if match_start: print(f"从开头匹配到: {match_start.group(0)}") # 输出: 从开头匹配到: Hello else: print("开头未匹配到。") if match_middle: print(f"从开头匹配到: {match_middle.group(0)}") else: print("开头未匹配到。") # 输出: 开头未匹配到。re.findall(pattern, string): 如果你需要找出字符串中所有不重叠的匹配项，findall就是你的不二之选。它会返回一个包含所有匹配字符串的列表。我发现它在从日志文件或网页内容中批量提取信息时特别好用。text_all_numbers = "商品A价格12.5元，商品B价格99.99元，商品C价格3元。" pattern_price = r"\d+\.?\d*" # 匹配整数或小数 all_prices = re.findall(pattern_price, text_all_numbers) print(f"所有价格: {all_prices}") # 输出: 所有价格: ['12.5', '99.99', '3']re.sub(pattern, repl, string, count=0): 这个函数用来替换字符串中匹配pattern的部分。repl可以是字符串，也可以是一个函数。count参数可以限制替换的次数。我经常用它来清洗数据，比如把多余的空格替换掉，或者把一些敏感信息脱敏。text_clean = "你好 世界！ 这是一个 测试。" pattern_spaces = r"\s+" # 匹配一个或多个空格 cleaned_text = re.sub(pattern_spaces, " ", text_clean) print(f"清理后的文本: {cleaned_text}") # 输出: 清理后的文本: 你好 世界！ 这是一个 测试。
理解这几个基本函数，并掌握如何构建模式字符串，你就已经迈出了Python正则表达式的第一步。
Python正则表达式中常用的匹配模式有哪些？
说实话，正则表达式的“模式”才是它真正强大且让人又爱又恨的地方。刚开始学的时候，我常常被那些符号搞得头晕眼花，但一旦掌握了，你会发现它们能解决很多看似复杂的文本处理问题。这里我把我日常最常用的一些模式总结一下：
基本字符匹配:
.(点): 匹配除了换行符\n之外的任意一个字符。这玩意儿简直是万能牌，但用的时候得小心，因为它可能匹配到你不想匹配的东西。\d: 匹配任意一个数字（0-9）。我的密码验证、电话号码提取都离不开它。\D: 匹配任意一个非数字字符。\w: 匹配任意一个字母、数字或下划线（[a-zA-Z0-9_]）。处理变量名、单词时很方便。\W: 匹配任意一个非字母、数字、下划线字符。\s: 匹配任意一个空白字符（空格、制表符、换行符等）。文本清洗时，它和+组合起来是神器。\S: 匹配任意一个非空白字符。
数量词（Quantifiers）: 这些是用来指定前面那个字符或组要出现多少次的。
*: 匹配零次或多次。比如a*能匹配"",a,aa,aaa...+: 匹配一次或多次。a+能匹配a,aa,aaa...但不能匹配""。?: 匹配零次或一次。colou?r可以匹配color或colour。{n}: 匹配恰好n次。\d{4}匹配四位数字。{n,}: 匹配至少n次。\d{3,}匹配三位或更多位数字。{n,m}: 匹配n到m次。\d{3,5}匹配三到五位数字。
边界匹配:
^: 匹配字符串的开头。$: 匹配字符串的结尾。\b: 匹配单词边界。比如\bcat\b只会匹配独立的单词"cat"，而不会匹配"category"中的"cat"。这在精确匹配单词时非常有用。\B: 匹配非单词边界。
字符集:
[abc]: 匹配方括号中的任意一个字符。比如[aeiou]匹配任意一个元音字母。[a-z]: 匹配指定范围内的字符。[0-9]等同于\d。[^abc]: 匹配不在方括号中的任意一个字符。[^0-9]等同于\D。
分组与捕获:
(pattern): 用小括号括起来的部分形成一个捕获组。这不仅能让你把一组模式当作一个整体来应用数量词（比如(ab)+），还能让你在Match对象中单独提取这个组匹配到的内容（通过match.group(1)、match.group(2)等）。我个人觉得，分组是正则表达式进阶的必经之路，数据提取全靠它了。(?:pattern): 非捕获组。它也把模式当作一个整体，但不会捕获匹配到的内容，所以不会占用group()的索引。当你只想分组而不关心捕获时，用这个可以提升一点点性能，也让代码更清晰。
选择符:
|: 或。cat|dog可以匹配"cat"或"dog"。
转义:
\(反斜杠): 如果你的模式中需要匹配正则表达式的特殊字符本身（比如.,*,?,+,(,),[,],{,},^,$,|,\），你就需要在它们前面加上反斜杠进行转义。比如要匹配一个点号，你得写\.。
构建这些模式的时候，我通常会先在心里模拟一下，或者直接用一些在线的正则表达式测试工具（比如regex101.com）来验证我的模式是不是真的能匹配到我想要的东西。
在Python中处理正则表达式匹配结果时有哪些技巧和注意事项？
匹配到了结果，怎么用好它，这也有不少学问。我这里分享一些我常用的技巧和踩过的一些坑。
Match对象的妙用: 当
re.search()或re.match()找到匹配时，它们返回的是一个Match对象。这个对象可不只是告诉你“有”或“没有”那么简单，它包含了匹配的所有细节：match.group(0): 返回整个匹配到的字符串。这是最常用的。match.group(1),match.group(2)...: 返回对应捕获组匹配到的字符串。如果你有多个捕获组，它们会按从左到右的顺序编号。match.groups(): 返回一个包含所有捕获组内容的元组。match.start(): 返回匹配开始的索引。match.end(): 返回匹配结束的索引（不包含）。match.span(): 返回一个元组(start, end)。 利用这些，你可以精确地知道匹配到的内容是什么，在哪里。
text = "联系电话是: (010)1234-5678" pattern = r"\((\d{3})\)(\d{4}-\d{4})" # 两个捕获组，一个用于区号，一个用于号码 match = re.search(pattern, text) if match: print(f"完整匹配: {match.group(0)}") # 输出: (010)1234-5678 print(f"区号: {match.group(1)}") # 输出: 010 print(f"号码: {match.group(2)}") # 输出: 1234-5678 print(f"所有分组: {match.groups()}") # 输出: ('010', '1234-5678') print(f"匹配位置: {match.span()}") # 输出: (7, 22)贪婪与非贪婪匹配: 这是个经典陷阱！默认情况下，正则表达式的数量词（
*,+,?,{n,m}）都是“贪婪”的，它们会尽可能多地匹配字符。但有时候，你可能只想要最短的匹配。这时，你可以在数量词后面加上一个?，让它变成“非贪婪”模式。html_text = "<h1>标题1</h1><p>内容</p><h1>标题2</h1>" greedy_pattern = r"<h1>.*</h1>" # 贪婪模式 non_greedy_pattern = r"<h1>.*?</h1>" # 非贪婪模式 greedy_match = re.search(greedy_pattern, html_text) if greedy_match: print(f"贪婪匹配: {greedy_match.group(0)}") # 输出: <h1>标题1</h1><p>内容</p><h1>标题2</h1> non_greedy_match = re.search(non_greedy_pattern, html_text) if non_greedy_match: print(f"非贪婪匹配: {non_greedy_match.group(0)}") # 输出: <h1>标题1</h1>你看，一个
?的区别，结果大相径庭。我刚开始用的时候就经常被这个坑到，以为.*就能匹配一个标签，结果把整个HTML都吞了。编译正则表达式: 如果你需要在程序中多次使用同一个正则表达式模式，那么使用
re.compile()来编译它是一个非常好的习惯。它会把模式编译成一个RegexObject对象，这样在后续使用时就不用每次都重新编译了，能提升一点性能。对于短脚本可能不明显，但对于处理大量文本或在循环中频繁使用正则的场景，编译带来的好处是实实在在的。phone_pattern = re.compile(r"(\d{3})-(\d{4})-(\d{4})") text_list = ["电话: 139-1234-5678", "座机: 010-8765-4321"] for text in text_list: match = phone_pattern.search(text) if match: print(f"找到号码: {match.group(0)}")匹配标志（Flags）:
re模块提供了一些标志，可以改变正则表达式的匹配行为。这些标志可以作为函数的第三个参数传入，或者在编译时传入。re.IGNORECASE(或re.I): 忽略大小写。re.DOTALL(或re.S): 让.（点号）也能匹配换行符\n。默认情况下.是不匹配换行符的。re.MULTILINE(或re.M): 改变^和$的行为。在多行模式下，^不仅匹配字符串开头，还匹配每一行的开头；$不仅匹配字符串结尾，还匹配每一行的结尾。
multi_line_text = "First line\nSecond line" pattern_dotall = r"First.*line" match_dotall = re.search(pattern_dotall, multi_line_text, re.DOTALL) if match_dotall: print(f"DOTALL匹配: '{match_dotall.group(0)}'") # 输出: 'First line\nSecond line'处理无匹配情况: 永远要记得，
re.search()和re.match()在没有找到匹配时会返回None。所以，在使用Match对象之前，务必进行非空判断，否则直接访问match.group()会抛出AttributeError。这是我个人写代码时最常犯的低级错误之一，因为有时候我太自信我的模式了，哈哈。no_match_text = "没有数字" pattern_digit = r"\d+" match_obj = re.search(pattern_digit, no_match_text) if match_obj: # 良好的编程习惯 print(f"找到了: {match_obj.group(0)}") else: print("什么也没找到。")
掌握这些技巧，能让你在处理匹配结果时更加得心应手，避免一些不必要的错误。
Python正则表达式在实际开发中能解决哪些具体问题？
正则表达式在实际开发中简直是文本处理的瑞士军刀，用途非常广泛。我个人在很多场景下都依赖它，从最简单的文本清理到复杂的数据提取。
数据验证: 这是我用得最多的场景之一。
- 邮箱地址验证: 虽然完全符合RFC标准的邮箱正则非常复杂，但一个简单的模式（比如
r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$"）就能过滤掉大部分不合法的输入。 - 手机号码验证: 针对不同国家的手机号格式，编写相应的正则进行验证。比如中国大陆的11位手机号（
r"^1[3-9]\d{9}$"）。 - URL验证: 确保用户输入的链接格式正确。
- 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，以及是否达到最小长度。
- 邮箱地址验证: 虽然完全符合RFC标准的邮箱正则非常复杂，但一个简单的模式（比如
文本提取: 从非结构化或半结构化文本中抽取出你想要的信息。
- 日志文件解析: 从大量的服务器日志中提取出错误信息、IP地址、请求时间、特定事件ID等。比如，我想找出所有包含“ERROR”关键字的行，并提取其后的错误代码。
- 网页爬虫数据提取: 虽然现在很多爬虫会用BeautifulSoup等库解析HTML，但在处理特定格式的文本块或JS代码中的数据时，正则依然是高效且直接的工具。比如，从