Python 正则表达式模块 re

Python 正则表达式模块 `re`

flyfish

一、正则表达式基础

1. 什么是正则表达式？

正则表达式（Regular Expression, RE）是一种用于匹配、查找和替换文本模式的工具，由普通字符（如字母、数字）和特殊字符（元字符）组成。

2. 常用元字符

元字符	说明	示例
`.`	匹配任意单个字符（除换行符）	`a.c` → `abc`, `adc`
`\w`	匹配字母、数字或下划线	`\w+` → `hello123`
`\d`	匹配数字	`\d{3}` → `123`
`\s`	匹配空白字符（空格、制表符等）	`\s+` → 多个空格
`*`	匹配前一个字符零次或多次	`ab*` → `a`, `ab`, `abb`
`+`	匹配前一个字符一次或多次	`ab+` → `ab`, `abb`
`?`	匹配前一个字符零次或一次	`ab?` → `a` 或 `ab`
`^`	匹配字符串开头	`^abc` → 以`abc`开头
`$`	匹配字符串结尾	`abc$` → 以`abc`结尾

二、Python 正则表达式模块 `re`

1. 模块导入

import re

2. 常用函数

函数名	作用描述
`re.compile()`	编译正则表达式，提高重复使用效率
`re.match()`	从字符串开头匹配模式
`re.search()`	在字符串任意位置搜索模式
`re.findall()`	查找所有匹配项，返回列表
`re.finditer()`	查找所有匹配项，返回迭代器
`re.sub()`	替换匹配项
`re.subn()`	替换匹配项并返回替换次数
`re.split()`	按模式分割字符串
`re.fullmatch()`	要求整个字符串完全匹配模式

三、核心功能详解

1. 匹配操作

re.match()（从开头匹配）

match = re.match(r'hello', 'hello world')
print(match.group())  # 输出: hello

match = re.search(r'```json(.*?)```', content, re.DOTALL)

`re.search()` 函数

re.search(pattern, string, flags=0) 是 re 模块中的一个函数，用于在字符串 string 中搜索第一个与模式 pattern 匹配的子字符串。如果找到匹配项，则返回一个匹配对象；如果没有找到，则返回 None。

pattern：要搜索的正则表达式模式。
string：要在其中进行搜索的字符串，这里是 content。
flags：可选参数，用于指定正则表达式的匹配模式。这里使用了 re.DOTALL。

正则表达式模式 r'```json(.*?)```'

r：在字符串前面加上 r 表示这是一个原始字符串。在原始字符串中，反斜杠 \ 不会被当作转义字符处理，这样可以避免在编写正则表达式时出现过多的转义字符，提高代码的可读性。
json ````：这是一个普通的字符串，表示匹配以 json ````开头的文本。
(.*?)：这是一个捕获组，用于匹配任意字符（除换行符外，除非使用了 re.DOTALL 标志）。
- .：匹配除换行符外的任意单个字符。
- *：表示前面的字符（即 .）可以出现零次或多次。
- ?：在 * 后面加上 ? 表示非贪婪匹配。贪婪匹配会尽可能多地匹配字符，而非贪婪匹配会尽可能少地匹配字符。例如，如果字符串中有多个 json...代码块，非贪婪匹配会只匹配到第一个 ```````````就停止。
：表示匹配以 结尾的文本。

`re.DOTALL` 标志

re.DOTALL 是 re 模块中的一个标志，它会改变 . 的匹配行为。默认情况下，. 不匹配换行符，但使用 re.DOTALL 后，. 可以匹配包括换行符在内的任意字符。这意味着代码块中可以包含换行符，能够正确匹配多行的 JSON 代码块。

re.search()（全局搜索）

search = re.search(r'world', 'hello world')
print(search.group())  # 输出: world

2. 查找所有匹配项

re.findall()

numbers = re.findall(r'\d+', 'a123b456c')
print(numbers)  # 输出: ['123', '456']

3. 替换操作

re.sub()

text = re.sub(r'\d+', 'X', 'a123b456c')
print(text)  # 输出: aXbXc

4. 分割字符串

re.split()

parts = re.split(r'\s+', 'hello   world')
print(parts)  # 输出: ['hello', 'world']

四、捕获组与 `group()` 方法

1. 基本用法

pattern = r'(\d{4})-(\d{2})-(\d{2})'
date_str = '2025-03-11'
match = re.search(pattern, date_str)

print(match.group(0))  # 完整匹配结果 → '2025-03-11'
print(match.group(1))  # 第一个捕获组 → '2025'
print(match.group(2))  # 第二个捕获组 → '03'
print(match.group(3))  # 第三个捕获组 → '11'

2. 查看捕获组数量

使用 groups()

groups = match.groups()
print(len(groups))  # 输出: 3

命名捕获组（使用 groupdict()）

pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
match = re.search(pattern, date_str)
print(match.groupdict())  # 输出: {'year': '2025', 'month': '03', 'day': '11'}

五、`re.match` vs `re.search`

基本概念对比

re.match：该函数会从字符串的起始位置开始尝试匹配正则表达式模式。如果字符串的起始位置不符合模式，即使字符串的其他部分存在匹配内容，re.match 也会返回 None。也就是说，它要求模式必须从字符串的第一个字符开始匹配成功。
re.search：此函数会在整个字符串中进行搜索，查找与正则表达式模式匹配的第一个位置。只要字符串中存在一处符合模式的内容，re.search 就会返回一个匹配对象。

详细示例对比

示例 1：模式在字符串起始位置匹配

import re

# 定义字符串和模式
pattern = r'hello'
string = 'hello world'

# 使用 re.match
match_result = re.match(pattern, string)
if match_result:
    print("re.match 匹配成功，匹配内容为:", match_result.group())
else:
    print("re.match 匹配失败")

# 使用 re.search
search_result = re.search(pattern, string)
if search_result:
    print("re.search 匹配成功，匹配内容为:", search_result.group())
else:
    print("re.search 匹配失败")

结果分析：在这个例子中，模式 'hello' 位于字符串 'hello world' 的起始位置。因此，re.match 和 re.search 都能成功匹配，并且都能返回匹配到的 'hello'。

示例 2：模式不在字符串起始位置

import re

# 定义字符串和模式
pattern = r'world'
string = 'hello world'

# 使用 re.match
match_result = re.match(pattern, string)
if match_result:
    print("re.match 匹配成功，匹配内容为:", match_result.group())
else:
    print("re.match 匹配失败")

# 使用 re.search
search_result = re.search(pattern, string)
if search_result:
    print("re.search 匹配成功，匹配内容为:", search_result.group())
else:
    print("re.search 匹配失败")

结果分析：模式 'world' 不在字符串 'hello world' 的起始位置，所以 re.match 会匹配失败，返回 None。而 re.search 会在整个字符串中搜索，能够找到 'world' 并返回匹配对象，输出匹配内容 'world'。

示例 3：模式部分在起始位置但不完全匹配

import re

# 定义字符串和模式
pattern = r'hello world!'
string = 'hello world'

# 使用 re.match
match_result = re.match(pattern, string)
if match_result:
    print("re.match 匹配成功，匹配内容为:", match_result.group())
else:
    print("re.match 匹配失败")

# 使用 re.search
search_result = re.search(pattern, string)
if search_result:
    print("re.search 匹配成功，匹配内容为:", search_result.group())
else:
    print("re.search 匹配失败")

结果分析：模式 'hello world!' 虽然前部分 'hello world' 与字符串起始部分相同，但整体模式不完全匹配，所以 re.match 会失败。re.search 同样在整个字符串中找不到完全匹配的内容，也会匹配失败。

性能考虑

re.match：由于它只从字符串起始位置开始匹配，不需要对整个字符串进行遍历，在某些情况下性能可能会更好，特别是当你明确知道要匹配的内容应该在字符串开头时。
re.search：需要遍历整个字符串来查找匹配位置，所以在处理较长字符串时，性能可能会相对较低。但它的灵活性更高，适用于不确定匹配内容位置的情况。

六、正则表达式 `re` 模块的常用例子

1. 匹配以特定字符开头的字符串

import re

text = "apple banana cherry"
pattern = r'^apple'
result = re.search(pattern, text)
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

2. 匹配以特定字符结尾的字符串

import re

text = "apple banana cherry"
pattern = r'cherry$'
result = re.search(pattern, text)
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

3. 匹配包含特定单词的字符串

import re

text = "The quick brown fox jumps over the lazy dog"
pattern = r'fox'
result = re.search(pattern, text)
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

4. 匹配连续数字

import re

text = "abc123def"
pattern = r'\d+'
result = re.findall(pattern, text)
print("匹配结果:", result)

5. 匹配字母和数字的组合

import re

text = "abc123def"
pattern = r'[a-zA-Z0-9]+'
result = re.findall(pattern, text)
print("匹配结果:", result)

6. 匹配邮箱地址

import re

text = "example@example.com"
pattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'
result = re.fullmatch(pattern, text)
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

7. 匹配手机号码

import re

text = "13800138000"
pattern = r'^1[3-9]\d{9}$'
result = re.fullmatch(pattern, text)
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

8. 匹配日期格式（YYYY-MM-DD）

import re

text = "2025-03-11"
pattern = r'^\d{4}-\d{2}-\d{2}$'
result = re.fullmatch(pattern, text)
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

9. 替换所有数字为指定字符

import re

text = "abc123def456"
pattern = r'\d+'
replacement = 'X'
result = re.sub(pattern, replacement, text)
print("替换结果:", result)

10. 分割字符串

import re

text = "apple,banana,cherry"
pattern = r','
result = re.split(pattern, text)
print("分割结果:", result)

11. 提取 HTML 标签中的内容

import re

html = '<p>Hello, World!</p>'
pattern = r'<p>(.*?)</p>'
result = re.findall(pattern, html)
print("提取结果:", result)

12. 匹配中文

import re

text = "你好，世界！"
pattern = r'[\u4e00-\u9fa5]+'
result = re.findall(pattern, text)
print("匹配结果:", result)

13. 匹配多个单词中的任意一个

import re

text = "cat dog elephant"
pattern = r'cat|dog'
result = re.findall(pattern, text)
print("匹配结果:", result)

14. 匹配重复的字符

import re

text = "aaaaabbbccc"
pattern = r'(.)\1+'
result = re.findall(pattern, text)
print("匹配结果:", result)

15. 匹配不包含特定字符的字符串

import re

text = "abcde"
pattern = r'[^abc]+'
result = re.findall(pattern, text)
print("匹配结果:", result)

16. 匹配单词边界

import re

text = "The quick brown fox jumps"
pattern = r'\bfox\b'
result = re.search(pattern, text)
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

17. 匹配 IP 地址

import re

text = "192.168.1.1"
pattern = r'^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$'
result = re.fullmatch(pattern, text)
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

18. 匹配 URL

import re

text = "https://www.example.com"
pattern = r'^https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+'
result = re.fullmatch(pattern, text)
if result:
    print("匹配成功:", result.group())
else:
    print("匹配失败")

19. 统计匹配次数

import re

text = "apple apple banana cherry apple"
pattern = r'apple'
matches = re.findall(pattern, text)
count = len(matches)
print("匹配次数:", count)

20. 使用编译后的正则表达式进行匹配

import re

text = "abc123def"
pattern = re.compile(r'\d+')
result = pattern.findall(text)
print("匹配结果:", result)