五、python正则表达式
目录
1、正则表达式概述
1.1、正则表达式的作用
在实际开发过程中经常会有查找符合某些规则的字符串。
比如：邮箱、图片地址、手机号码等。想匹配或者查找符合某些规则的字符串就可以使用正则表达式了。
1.2、正则表达式概念
正则表达式(regular expression)描述了一种字符串匹配的模式
- 检索一个串是否含有某种子串（检索）。
- 匹配的子串做替换（替换）。
- 从一个串中取出符合某个条件的子串（提取）。
模式：一种特定的字符串模式，这个模式是通过一些特殊的符号组成的。
正则表达式并不是Python所特有的，在Java、PHP、Go以及JavaScript等语言中都是支持正则表达式的。Python 内置 re 模块提供了对正则表达式的完整支持，本文将从基础到进阶，全面讲解正则表达式语法、re 模块用法及实际应用场景。
1.3、正则表达式的功能
- 数据验证（表单验证、如手机、邮箱、IP地址）
- 数据检索（数据检索、数据抓取） => 爬虫功能
- 数据隐藏（135****6235 王先生）
- 数据过滤（论坛敏感关键词过滤）
2、正则表达式基础语法
正则语法由「普通字符」和「元字符」组成：
- 普通字符：直接匹配自身（如 a、1、中文）；
- 元字符：具有特殊含义的字符（如 .、*、[ ]），是正则的核心。
2.1、 常用元字符
元字符
含义说明
.匹配任意单个字符（除换行符
\n，指定re.DOTALL标志可匹配换行）
^匹配字符串开头（多行模式
re.MULTILINE下匹配每行开头）
$匹配字符串结尾（多行模式
re.MULTILINE下匹配每行结尾）
*匹配前面的字符 / 子模式 0 次或多次（贪婪匹配）
+匹配前面的字符 / 子模式 1 次或多次（贪婪匹配）
?匹配前面的字符 / 子模式 0 次或 1 次；或用于非贪婪匹配（加在
*+?后）
{n}匹配前面的字符 / 子模式 恰好 n 次
{n,}匹配前面的字符 / 子模式 至少 n 次(n到无穷大)
{n,m}匹配前面的字符 / 子模式 n 到 m 次（含 n 和 m）
[]字符集：匹配括号内任意单个字符（支持范围
a-z、排除[^...]）
|逻辑或：匹配
|左侧或右侧的模式（优先级最低，需用括号分组）
()分组：将子模式视为整体，可捕获匹配结果（用于引用或取）
\转义字符：将元字符转为普通字符（如
\.匹配.），或触发预定义字符类
2.2、预定义字符类（简化字符集）
预定义类
等价字符集
含义说明
\d
[0-9]匹配任意数字
\D
[^0-9]匹配非数字
\w
[a-zA-Z0-9_]匹配字母、数字、下划线（Python3 支持 Unicode）
\W
[^a-zA-Z0-9_]匹配非单词字符
\s
[ \t\n\r\f]匹配任意空白字符（空格、制表符、换行等）
\S
[^ \t\n\r\f]匹配非空白字符
2.3、字符集 [] 详解
- 匹配括号内任意单个字符：
[abc]匹配a、b或c；- 范围简写：
[a-z]（小写字母）、[A-Z]（大写字母）、[0-9a-f]（十六进制数字）；- 排除规则：
[^abc]匹配除a、b、c外的任意字符；- 特殊字符在
[]内失效：无需转义$、*、+等（如[a*.]匹配a、*或.）；- 匹配中文：
[\u4e00-\u9fa5]（Unicode 中文范围）。
2.4、贪婪与非贪婪匹配
正则默认是贪婪匹配（尽可能匹配最长的字符串），在量词（
*、+、?、{n,m}）后加?可切换为非贪婪匹配（尽可能匹配最短的字符串）。
贪婪模式
非贪婪模式
示例（匹配
<a>b</a>）
.*
.*?贪婪：
<a>b</a>（整个字符串）
+
+?非贪婪：
<a>和</a>（两个片段）
{n,m}
{n,m}?
a{2,5}?匹配最少 2 个a示例对比：
import re text = "<a>hello</a><b>world</b>" # 贪婪匹配（默认） print(re.findall(r'<.*>', text)) # 非贪婪匹配（加 ?） print(re.findall(r'<.*?>', text))
3、re模块
Regular Expression, 正则表达式, 简称: re，re模块是Python操作正则的核心，提供了一系列函数实现正则功能。
3.1、匹配与查找类函数
1、re.match()
语法：
# pattern：正则规则， # string：要被效验的字符串， # flags：可选，表示匹配模式，比如忽略大小写，多行模式等 re.match(pattern, string, flags=0)
- 功能：从字符串开头匹配模式，仅返回第一个匹配结果；
- 返回值：匹配成功返回
Match对象，失败返回None；- 关键：仅匹配开头，即使后面有符合模式的内容也不匹配。
示例：
# 导入re模块 import re # 使用match方法进行匹配操作 result = re.match(r'hello', 'hello world') # 匹配成功输出Math对象，失败输出None print(result) # <re.Match object; span=(0,5), match='hello'> # 如果数据匹配成功，使用group方法提取数据 print(result.group()) # 获取匹配结果：hello # 使用span方法可以获取匹配的位置 print(result.span()) # 获取匹配位置（起始索引，结束索引）：(0,5) # 匹配失败（字符串开头不是 'hi'） result2 = re.match(r'hi', 'hello world') print(result2)
2、re.search()
语法：
# pattern：正则规则， # string：要被效验的字符串， # flags：可选，表示匹配模式，比如忽略大小写，多行模式等 re.search(pattern, string, flags=0)
- 功能：在整个字符串中查找第一个符合模式的内容（不局限于开头）；
- 返回值：同
re.match（Match对象或None）；- 区别于
match：search扫描整个字符串，match仅匹配开头。示例：
import re result = re.search(r'world', 'hello world') print(result.group()) print(result.span())
3、re.findall()
语法：
# pattern：正则规则， # string：要被效验的字符串， # flags：可选，表示匹配模式，比如忽略大小写，多行模式等 re.findall(pattern, string, flags=0)
- 功能：查找字符串中所有符合模式的内容；
- 返回值：列表（元素为匹配字符串，无匹配则返回空列表）；
- 若模式中有分组
()，则返回分组匹配的结果（而非整个模式匹配结果）。示例：
import re # 提取所有数字 text = "年龄：25，身高：180，体重：75" nums = re.findall(r'\d+', text) print(nums) # 带分组：提取键值对（返回分组结果） pairs = re.findall(r'(\w+)：(\d+)', text) print(pairs)
4、re.finditer()
语法：
# pattern：正则规则， # string：要被效验的字符串， # flags：可选，表示匹配模式，比如忽略大小写，多行模式等 re.finditer(pattern, string, flags=0)
- 功能：同
findall，但返回迭代器（而非列表）；- 优势：处理大量匹配结果时，迭代器更节省内存；
- 迭代器元素为
Match对象，需通过group()获取结果。示例：
import re text = "年龄：25，身高：180，体重：75" iter_result = re.finditer(r'\d+', text) print(type(iter_result)) for match in iter_result: print(match.group(), match.span())
3.2、替换与分割类函数
1、re.sub()
语法：
# pattern：正则规则， # repl：替换后的字符串（可是普通字符串或函数）， # string：要被替换的字符串， # count：替换次数（默认 0 表示全部替换）， # flags：可选，表示匹配模式，比如忽略大小写，多行模式等 re.sub(pattern, repl, string, count=0, flags=0)
- 功能：替换字符串中符合模式的内容；
- 返回值：替换后的新字符串。
示例 1：普通替换（敏感词过滤）
import re text = "你是笨蛋，他是傻瓜" # 将敏感词替换为 * new_text = re.sub(r'笨蛋|傻瓜', '**', text) print(new_text)
示例 2：函数替换（动态处理匹配结果）
import re text = "价格：100 元，折扣：80 元" # 将数字乘以 2 def double_num(match): num = int(match.group()) return str(num * 2) new_text = re.sub(r'\d+', double_num, text) print(new_text)
2、re.split()
语法：
# pattern：正则规则， # string：要被分割的字符串， # maxsplit：最大分割次数（默认 0 表示全部分割）， # flags：可选，表示匹配模式，比如忽略大小写，多行模式等 re.split(pattern, string, maxsplit=0, flags=0)
- 功能：按符合模式的内容分割字符串；
- 返回值：分割后的字符串列表。
示例：
import re # 按任意空白字符（空格、制表符、换行）分割 text = "hello world\tpython\nregex" result = re.split(r'\s+', text) print(result) # ['hello', 'world', 'python', 'regex'] # 按逗号或分号分割，最多分割 1 次 text = "a,b;c,d" result = re.split(r'[,;]', text, maxsplit=1) print(result)
3.3、编译正则表达式：re.compile()
语法：
re.compile(pattern, flags=0)
- 功能：将正则模式编译为
Pattern对象，重复使用时提升效率；- 场景：同一正则模式需多次调用（如循环中匹配）时，编译后可避免重复解析模式；
Pattern对象拥有与re模块同名的方法（match、search、findall等）。示例：
import re # 编译正则模式（提取数字） pattern = re.compile(r'\d+') # 重复使用 Pattern 对象 text1 = "身高 180" text2 = "体重 75" print(pattern.findall(text1)) print(pattern.findall(text2))
3.4、常用标志（flags 参数）
标志用于修改正则匹配规则，可通过
|组合使用：
标志
简写
功能说明
re.IGNORECASE
re.I忽略大小写匹配（如
a匹配A）
re.DOTALL
re.S让
.匹配换行符（默认不匹配）
re.MULTILINE
re.M让
^/$匹配每行开头 / 结尾（默认仅匹配整个字符串）
re.VERBOSE
re.X允许正则模式换行和注释（增强可读性）
示例：
import re # 忽略大小写匹配 text = "Hello WORLD" result = re.findall(r'hello', text, flags=re.I) print(result) # 允许正则注释（re.VERBOSE） pattern = re.compile(r''' \d+ # 匹配数字 [a-z]+ # 匹配字母 ''', flags=re.X) print(pattern.findall("123abc456def"))
4、正则表达式进阶用法
4.1、分组与引用
1、普通分组 ()
- 作用：将子模式视为整体（如
(ab)+匹配abab）；- 捕获匹配结果：通过
Match.group(n)提取第 n 个分组（n=0 表示整个匹配结果，n≥1 表示第 n 个分组）。示例：
import re text = "2025-11-25" # 分组匹配年、月、日（3 个分组） pattern = re.compile(r'(\d{4})-(\d{2})-(\d{2})') match = pattern.search(text) print(match.group(0)) # 整个匹配结果：2025-11-25 print(match.group(1)) # 第 1 组（年）：2025 print(match.group(2)) # 第 2 组（月）：11 print(match.group(3)) # 第 3 组（日）：25 print(match.groups()) # 所有分组结果：('2025', '11', '25')
2、非捕获分组 (?:pattern)
- 作用：仅分组（视为整体），不捕获匹配结果（节省内存，不影响
group()提取）。示例：
import re text = "abab123" # 非捕获分组：(?:ab)+ 仅作为整体匹配，不单独捕获 pattern = re.compile(r'(?:ab)+(\d+)') match = pattern.search(text) print(match.group(0)) print(match.group(1))
3、分组引用
- 反向引用：在正则模式中用
\n引用第 n 个分组的匹配结果（如匹配重复单词）；- 正向引用：在替换字符串中用
\n或\g<n>引用分组（\g<n>避免歧义）。示例 1：反向引用（匹配重复单词）
import re text = "the the cat cat" # \1 引用第 1 个分组的匹配结果（即 \w+ 匹配的内容） pattern = re.compile(r'(\w+) \1') print(pattern.findall(text))
示例 2：正向引用（替换时保留分组内容）
import re text = "2025-11-25" # 将 年-月-日 改为 月/日/年（用 \g<2> 引用第 2 组） new_text = re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\g<2>/\g<3>/\g<1>', text) print(new_text)
4、命名分组 (?P<name>pattern)
- 作用：给分组命名，通过名称提取结果（更易读，避免分组索引混乱）；
- 提取方式：
Match.group('name')或Match.group(name)；- 引用方式：模式中用
(?P=name)，替换中用\g<name>。示例：
import re text = "2025-11-25" # 命名分组：年、月、日 pattern = re.compile(r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})') match = pattern.search(text) print(match.group('year')) print(match.group('month')) # 替换时引用命名分组 new_text = re.sub(pattern, r'\g<month>/\g<day>/\g<year>', text) print(new_text)
4.2、零宽断言（环视）
零宽断言（Lookaround）用于匹配位置而非字符（匹配结果长度为 0），常用于匹配某个字符前后满足特定条件的场景。零宽断言就像是一个“侦察兵”，它不会（消耗）字符，只是在字符串里查看某个位置前后的字符是否符合特定条件。可以把字符串想象成一条街道，每个字符是街道上的房子，零宽断言就是站在某个房子前查看前后房子情况的人，它只做观察，不改变街道本身。
断言类型
语法
功能说明
正向先行断言
(?=pattern)匹配后面紧跟 pattern 的位置
负向先行断言
(?!pattern)匹配后面不紧跟 pattern 的位置
正向后行断言
(?<=pattern)匹配前面紧跟 pattern 的位置
负向后行断言
(?<!pattern)匹配前面不紧跟 pattern 的位置
示例 1：正向先行断言（匹配后面是
@gmail.com的用户名）import re text = "user1@gmail.com user2@qq.com user3@gmail.com" # 匹配 @gmail.com 前的用户名 pattern = re.compile(r'\w+(?=@gmail\.com)') print(pattern.findall(text)) # ['user1', 'user3']
示例 2：负向后行断言（匹配前面不是
http的www）import re text = "www.baidu.com http://www.google.com" # 匹配前面不是 http:// 的 www pattern = re.compile(r'(?<!http://)www\.\w+\.com') print(pattern.findall(text))
4.3、边界匹配
\b：单词边界（如\bcat\b匹配独立的cat，不匹配category中的cat）；\B：非单词边界（如\Bcat\B匹配category中的cat，不匹配独立的cat）；\A/\Z：严格匹配整个字符串开头 / 结尾（不受多行模式影响，区别于^/$）。示例：
import re text = "cat 1category cat123" print(re.findall(r'\bcat\b', text)) # ['cat']（仅独立的 cat） print(re.findall(r'\Bcat\B', text)) # ['cat']（1category 中的 cat）
5、常见应用场景实例
5.1、数据验证
1、手机号验证（中国大陆）
规则：以 1 开头，第 2 位为 3-9，后 9 位为数字（共 11 位）。
import re pattern = re.compile(r'^1[3-9]\d{9}$') print(pattern.match("13812345678")) # 匹配成功 print(pattern.match("12345678901")) # 匹配失败（第 2 位是 2）
2、邮箱验证
规则：用户名由字母、数字、下划线、中划线组成，域名含 1 个或多个
.。import re pattern = re.compile(r'^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+\.[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)*$') print(pattern.match("test123@qq.com")) # 匹配成功 print(pattern.match("test-abc@gmail.com.cn")) # 匹配成功 print(pattern.match("test@.com")) # 匹配失败（域名格式错误）
3、URL 验证（HTTP/HTTPS）
import re pattern = re.compile(r'^https?://[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)*(:\d+)?(/[a-zA-Z0-9_.-]*)*(\?[a-zA-Z0-9_=&%-]*)?$') print(pattern.match("https://www.baidu.com/s?wd=python")) # 匹配成功 print(pattern.match("http://localhost:8080")) # 匹配成功
5.2、数据提取
1、提取 HTML 标签内容
import re html = "<h1>Python 正则</h1><p>正则表达式详解</p>" # 提取 <h1> 和 <p> 标签内的文本（非贪婪匹配） pattern = re.compile(r'<(h1|p)>(.*?)</\1>') # \1 引用标签名（避免匹配 <h1>...</p>） print(pattern.findall(html))
2、提取字符串中的日期
（格式：年 - 月 - 日）
import re text = "今天是 2025-11-25，明天是 2025-11-26，昨天是 2025/11/24" pattern = re.compile(r'(\d{4})-(\d{2})-(\d{2})') print(pattern.findall(text)) # [('2025', '11', '25'), ('2025', '11', '26')]
5.3、字符串替换
1、格式化日期
（将 年 / 月 / 日 改为 年 - 月 - 日）
import re text = "2025/11/25 2024/05/10" new_text = re.sub(r'(\d{4})/(\d{2})/(\d{2})', r'\1-\2-\3', text) print(new_text)
2、去除字符串中的所有空格
import re text = " Python 正则表达式 详解 " new_text = re.sub(r'\s+', '', text) print(new_text)
6、注意事项
- 正则中的元字符（如
.、*、(）需用\转义（如\.匹配.）；- Python 字符串中
\本身是转义字符，因此正则模式建议用r''（raw 字符串），避免双重转义（如r'\d'无需写成'\\d'）。
- 当匹配包含嵌套结构的字符串（如 HTML 标签、括号）时，贪婪匹配可能导致匹配范围过大，需用非贪婪匹配
.*?。
更多推荐
28
0- 0
已为社区贡献1条内容
所有评论(0)