Python 中如何使用 re 模块进行正则表达式处理？

克莱因蓝.瓶

1136人浏览 · 2025-02-07 12:01:02

克莱因蓝.瓶 · 2025-02-07 12:01:02 发布

正则表达式（Regular Expression, regex） 是一种强大的字符串匹配和处理工具，广泛用于文本搜索、数据提取、格式验证等场景。Python 提供了 re 模块，用于处理正则表达式，支持模式匹配、替换、分割、查找等操作。本文将详细介绍 re 模块的常见用法，包括 匹配字符串、查找模式、替换内容、分割字符串 等，并结合实际案例，帮助你掌握 Python 中的正则表达式处理技巧。

1. `re` 模块简介

在 Python 中，re 模块提供了丰富的正则表达式功能：

方法	作用
`re.match()`	从字符串开头匹配正则表达式
`re.search()`	在整个字符串中搜索匹配项
`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()`	替换匹配内容
`re.split()`	按匹配项拆分字符串
`re.compile()`	预编译正则表达式，提高匹配效率

📌 核心概念：

match() 只匹配字符串开头，失败返回 None。
search() 在整个字符串查找第一个匹配项。
findall() 返回所有匹配结果（列表）。
sub() 用于替换字符串中的匹配项。

2. 正则表达式基础语法

符号	说明	示例
`.`	任意字符（除换行）	`a.b` 可匹配 `acb`、`a1b`
`\d`	数字（0-9）	`\d+` 可匹配 `123`
`\w`	字母、数字、下划线	`\w+` 可匹配 `abc_123`
`\s`	空白字符（空格、换行、制表符）	`\s+` 可匹配 `" "`
`^`	匹配行首	`^Hello` 只能匹配 `"Hello world"`，但不匹配 `"A Hello"`
`$`	匹配行尾	`world$` 只能匹配 `"Hello world"`
`*`	匹配前面字符0次或多次	`a*b` 可匹配 `b`、`ab`、`aaab`
`+`	匹配前面字符1次或多次	`a+b` 可匹配 `ab`、`aaab`，但不匹配 `b`
`?`	匹配前面字符0次或1次	`colou?r` 可匹配 `color` 或 `colour`
`{m,n}`	匹配 m 到 n 次	`a{2,4}` 可匹配 `aa`、`aaa`、`aaaa`
`	`	或（匹配左或右）
`()`	分组匹配	`(abc)+` 可匹配 `abc`、`abcabc`

3. 使用 `re.match()` 从开头匹配

match() 方法检查字符串开头是否匹配指定模式：

import re

pattern = r"Hello"
text = "Hello, world!"

match = re.match(pattern, text)

if match:
    print("匹配成功:", match.group())  # Hello
else:
    print("匹配失败")

📌 特点：

只匹配字符串开头，否则返回 None。

4. 使用 `re.search()` 在字符串中查找模式

search() 可在整个字符串中查找匹配项：

pattern = r"\d+"
text = "今天的温度是 23°C"

match = re.search(pattern, text)

if match:
    print("找到匹配:", match.group())  # 23

📌 特点：

只返回第一个匹配项。

5. 使用 `re.findall()` 查找所有匹配项

findall() 返回所有匹配项的列表：

pattern = r"\d+"
text = "今天的温度是 23°C，湿度 80%"

matches = re.findall(pattern, text)
print(matches)  # ['23', '80']

📌 适用于：

提取多个数据（如所有数字、所有邮箱）。

6. 使用 `re.finditer()` 获取迭代器

finditer() 返回所有匹配项的迭代器：

pattern = r"\d+"
text = "今天的温度是 23°C，湿度 80%"

matches = re.finditer(pattern, text)
for match in matches:
    print("匹配项:", match.group())

📌 适用于：

逐个遍历匹配项，支持 .start()、.end() 获取位置。

7. 使用 `re.sub()` 替换字符串

sub() 方法替换匹配的内容：

pattern = r"\d+"
text = "今天的温度是 23°C"

new_text = re.sub(pattern, "XX", text)
print(new_text)  # 今天的温度是 XX°C

📌 适用于：

数据脱敏（如隐藏电话号码、邮箱）。

8. 使用 `re.split()` 拆分字符串

split() 按匹配项拆分字符串：

pattern = r"\s+"
text = "Hello   World Python"

words = re.split(pattern, text)
print(words)  # ['Hello', 'World', 'Python']

📌 适用于：

按空格、标点符号、换行符拆分文本。

9. 使用 `re.compile()` 预编译正则表达式

compile() 提高匹配效率：

pattern = re.compile(r"\d+")  # 预编译
text = "价格：100 元"

match = pattern.search(text)
print(match.group())  # 100

📌 适用于：

多次匹配时，避免重复解析正则表达式。

10. 实战案例

案例 1：验证手机号

pattern = r"^1[3-9]\d{9}$"

phone = "13912345678"
if re.match(pattern, phone):
    print("手机号有效")
else:
    print("手机号无效")

案例 2：提取邮件地址

pattern = r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+"

text = "请联系 support@example.com 或 admin@company.com"
emails = re.findall(pattern, text)

print(emails)  # ['support@example.com', 'admin@company.com']

案例 3：提取 HTML 标签内的文本

pattern = r"<title>(.*?)</title>"

html = "<html><head><title>Python 正则表达式</title></head></html>"
match = re.search(pattern, html)

if match:
    print(match.group(1))  # Python 正则表达式

11. 结论

操作	方法
从开头匹配	`re.match()`
搜索字符串	`re.search()`
查找所有匹配项	`re.findall()`
替换内容	`re.sub()`
拆分字符串	`re.split()`
预编译正则	`re.compile()`