Python中正则表达式详解——从入门到精通，这一篇就够了！

目录一、正则表达式是什么1.1 一个生活化的理解1.2 正则表达式能做什么1.3 开始前的准备二、正则表达式基础语法2.1 元字符详解2.2 预定义字符集简化写法2.3 理解“贪婪”与“非贪婪”三、re模块常用函数3.1 re.match()——从头开始匹配3.2 re.search()——搜索第一个匹配3.3 re.findall()——找出所有匹配 (最常用)3.4 re.finditer()——逐个获取匹配对象3.5 re.sub()——替换文本3.6 re.split()——按模式分割3.7 re.compile()——编译正则表达式四、分组与捕获4.1 基础分组用 () 提取关键内容4.2 非捕获分组 (?:...)4.3 命名分组 (?P ...)4.4 反向引用 \1、\2 等五、进阶技巧5.1 零宽断言——精准定位的秘密武器5.2 贪婪与非贪婪再深入5.3 性能优化建议六、实战案例6.1 提取中文字符6.2 验证手机号码6.3 提取邮箱地址6.4 数据清洗——去除HTML标签6.5 日志解析实战七、常见错误与避坑指南错误1忘记使用原生字符串错误2混淆 match 和 search错误3分组编号理解错误错误4正则表达式写得太复杂一、正则表达式是什么1.1 一个生活化的理解想象一下你在一个巨大的图书馆里想找所有书名中包含Python的书。如果一本本翻你可能要花上一整天。但如果你有一个魔法探测器只要输入Python这个关键词所有相关书籍就会自动跳出来——这就是正则表达式的工作原理正则表达式Regular Expression简称regex是一种用于描述字符串模式的特殊语法。它使用一系列特殊字符和普通字符来定义一种模式然后用这种模式去匹配、查找、替换或分割文本。简单来说正则表达式就是一套文本搜索的规则告诉你想要找什么样的字符串。1.2 正则表达式能做什么正则表达式在文本处理领域可谓是全能选手主要可以解决四类问题校验文本内容验证用户输入的手机号、邮箱格式是否正确提取文本内容从一堆杂乱文本中抓取你想要的信息替换文本内容批量修改文本中的某些模式切割文本内容按照特定规则拆分字符串比如你可以在几万行日志中快速找到所有报错的时间戳或者将文档中的所有日期格式从“2026/01/01”批量替换为“2026-01-01”。1.3 开始前的准备在Python中使用正则表达式首先需要导入内置的re模块import re建议在编写正则表达式时使用原生字符串即在字符串前加r这样可以避免转义字符带来的麻烦python # 推荐写法 pattern r\d # 匹配数字 # 不推荐虽然也能用 pattern \\d二、正则表达式基础语法正则表达式的核心是一套“元字符”——这些字符在正则表达式中有着特殊含义而不是代表它们本身的样子。掌握下面这些常用语法足以应对大多数日常使用场景。2.1 元字符详解元字符含义示例匹配结果.匹配除换行符以外的任意单个字符a.baab、a5b、a b^匹配字符串开头Hello以Hello开头的字符串$匹配字符串结尾world$以world结尾的字符串*匹配前面的子表达式0次或多次ab*cac、abc、abbc匹配前面的子表达式1次或多次abcabc、abbc不匹配ac?匹配前面的子表达式0次或1次colou?rcolor、colour{n}匹配前面的子表达式恰好n次a{3}aaa{n,m}匹配前面的子表达式至少n次最多m次a{2,4}aa、aaa、aaaa[ ]字符集合匹配括号内任意一个字符[abc]a、b或c中的任意一个[^]负值字符集合匹配未包含的任意字符[^abc]除了a、b、c之外的任何字符|或运算符cat\|dogcat或dog()分组标记(ab)ab、abab\转义字符\.匹配句点.本身2.2 预定义字符集简化写法正则提供了一些预定义的字符集可以大大简化表达式的书写预定义字符等价写法含义\d[0-9]匹配任意数字\D[^0-9]匹配任意非数字\w[a-zA-Z0-9_]匹配字母、数字、下划线\W[^a-zA-Z0-9_]匹配非字母、数字、下划线\s[ \t\n\r\f\v]匹配任意空白字符空格、制表符、换行等\S[^ \t\n\r\f\v]匹配任意非空白字符\b—单词边界匹配单词开头或结尾举个例子\d 表示匹配一个或多个连续的数字比如提取文本中的所有数字\w 表示匹配一个或多个单词字符比如提取英文单词\s 表示匹配一个或多个空白字符比如用来分割字符串2.3 理解“贪婪”与“非贪婪”贪婪匹配默认情况下正则表达式会尽可能多地匹配字符。比如正则.*匹配字符串divhello/div时会匹配整个divhello/div而不是只匹配div。非贪婪匹配在量词后面加一个?就会变成非贪婪模式尽可能少地匹配字符。比如.*?只会匹配div。python import re text divhello/divpworld/p # 贪婪匹配默认——匹配尽可能长的结果 print(re.findall(r.*, text)) # 输出: [divhello/divpworld/p] # 非贪婪匹配加 ?——匹配尽可能短的结果 print(re.findall(r.*?, text)) # 输出: [div, /div, p, /p]非贪婪模式在处理HTML标签、引号内的内容时非常有用。三、re模块常用函数Python的re模块提供了丰富的函数来处理正则表达式。3.1 re.match()——从头开始匹配re.match()从字符串的起始位置开始匹配如果开头不符合规则就返回None。python import re # match要求从开头就匹配 result re.match(r\d, 123abc456) if result: print(result.group()) # 输出: 123 # 开头不匹配返回None result re.match(r\d, abc123) print(result) # 输出: None3.2 re.search()——搜索第一个匹配re.search()在整个字符串中搜索返回第一个匹配到的结果。python import re # search在整个字符串中查找 result re.search(r\d, abc123def456) if result: print(result.group()) # 输出: 123只返回第一个match()和search()的区别在于match()必须从字符串开头匹配search()可以在任何位置查找。3.3 re.findall()——找出所有匹配 (最常用)re.findall()返回字符串中所有不重叠匹配项的列表是日常使用最频繁的函数。python import re text 我有3个苹果5个香蕉8个橙子 # 找出所有数字 numbers re.findall(r\d, text) print(numbers) # 输出: [3, 5, 8] # 找邮箱 text2 联系我: testexample.com 或 supportpython.org emails re.findall(r\w\w\.\w, text2) print(emails) # 输出: [testexample.com, supportpython.org]3.4 re.finditer()——逐个获取匹配对象当需要处理大量匹配结果时finditer()返回一个迭代器每个元素是Match对象比findall()更节省内存。python import re text 价格: 100元, 200元, 300元 for match in re.finditer(r\d, text): print(f找到数字: {match.group()}位置: {match.span()}) # 输出: # 找到数字: 100位置: (4, 7) # 找到数字: 200位置: (9, 12) # 找到数字: 300位置: (14, 17)3.5 re.sub()——替换文本re.sub()用于替换字符串中匹配模式的部分是批量处理文本的利器。python import re # 将数字替换为 # result re.sub(r\d, #, 房间123楼层4) print(result) # 输出: 房间#楼层# # 移除所有空白字符 text abc 12\ de 23 \n f45 6 cleaned re.sub(r\s, , text) print(cleaned) # 输出: abc12de23f4563.6 re.split()——按模式分割re.split()按照匹配模式分割字符串返回一个列表。python import re # 按数字分割字符串 text abc123def456ghi parts re.split(r\d, text) print(parts) # 输出: [abc, def, ghi] # 按多种分隔符分割 text2 apple, banana; orange|grape result re.split(r[,;|], text2) print(result) # 输出: [apple, banana, orange, grape]3.7 re.compile()——编译正则表达式如果在程序中多次使用同一个正则表达式可以将其编译成一个Pattern对象这样可以提高效率。python import re # 编译正则表达式 pattern re.compile(r\d) # 然后就可以反复使用这个pattern对象了 text1 我有10个苹果 text2 他有20个橙子 print(pattern.findall(text1)) # [10] print(pattern.search(text2).group()) # 20 print(pattern.sub(#, 价格123元)) # 价格#元四、分组与捕获4.1 基础分组用 () 提取关键内容分组是正则表达式中最强大的功能之一。用圆括号将想要单独获取的部分括起来匹配成功后就可以通过.group(1)、.group(2)等提取出来。python import re # 提取电话号码的区号和号码 text 我的电话是010-12345678 pattern r(\d{3})-(\d{8}) match re.search(pattern, text) if match: print(f区号: {match.group(1)}) # 输出: 010 print(f号码: {match.group(2)}) # 输出: 12345678 print(f完整匹配: {match.group(0)}) # 输出: 010-12345678 print(f所有分组: {match.groups()}) # 输出: (010, 12345678)4.2 非捕获分组 (?:...)有些时候我们只需要分组功能来应用量词但不需要提取这部分内容这时可以使用非捕获分组(?:...)。非捕获分组不会占用分组编号性能也更高。python import re # 非捕获分组只分组不捕获 pattern r(?:https?://)?(\w\.\w) text 访问 https://example.com 和 http://python.org matches re.findall(pattern, text) print(matches) # 输出: [example.com, python.org]4.3 命名分组 (?Pname...)当分组较多时用数字编号group(1)、group(2)很容易搞混。命名分组可以给每个分组起一个名字大大提升代码的可读性。python import re # 命名分组使用 (?P名字模式) 的格式 pattern r(?Pyear\d{4})-(?Pmonth\d{2})-(?Pday\d{2}) text 今天是2025-03-15 match re.search(pattern, text) if match: print(f年: {match.group(year)}) # 输出: 2025 print(f月: {match.group(month)}) # 输出: 03 print(f日: {match.group(day)}) # 输出: 15 print(f所有命名分组: {match.groupdict()}) # 输出: {year: 2025, month: 03, day: 15}4.4 反向引用 \1、\2 等反向引用允许在同一个正则表达式中引用前面捕获组的内容常用于匹配重复的结构。python import re # 匹配重复的单词如 hello hello pattern r\b(\w)\s\1\b print(re.search(pattern, hello world)) # 输出: None不匹配 print(re.search(pattern, hello hello)) # 输出: 匹配成功 print(re.search(pattern, good good study)) # 输出: 匹配成功good good五、进阶技巧5.1 零宽断言——精准定位的秘密武器零宽断言是一种不消耗字符的匹配方式它只判断位置是否符合条件而不把判断用的字符包含在匹配结果中。简单来说就是“我要求前面/后面有什么或没什么但我不把它拿走”。四种断言类型断言类型语法含义正向先行断言(?...)匹配后面是指定内容的位置负向先行断言(?!...)匹配后面不是指定内容的位置正向后行断言(?...)匹配前面是指定内容的位置负向后行断言(?!...)匹配前面不是指定内容的位置实战示例python import re # 示例1提取美元符号后面的数字正向后行断言 text 售价299促销价$199 pattern r(?\$)\d # 匹配 $ 后面的数字但 $ 不包含在结果中 print(re.findall(pattern, text)) # 输出: [199] # 示例2排除jpg/png文件负向先行断言 files image.jpg backup.zip config.yaml pattern r\b\w\.(?!jpg|png)\w{3}\b # 匹配不是jpg/png结尾的文件 print(re.findall(pattern, files)) # 输出: [backup.zip, config.yaml] # 示例3提取中括号内的内容前后配合 log ERROR [2026-01-01] 系统崩溃 pattern r(?\[).?(?\]) # 匹配 [ 和 ] 之间的内容 print(re.search(pattern, log).group()) # 输出: 2026-01-015.2 贪婪与非贪婪再深入前面我们简单介绍了贪婪和非贪婪这里再补充一些优化建议当匹配引号内的内容时(.?) 虽然能用但每次遇到引号都要尝试回溯。更好的写法是 ([^]*)直接用否定字符集匹配到下一个引号避免了回溯尝试。在量词后面加?即可变成非贪婪模式*?、?、{n,m}?、??。5.3 性能优化建议如果处理的是大规模文本正则表达式的性能就变得至关重要1. 预编译正则表达式对于重复使用的模式使用re.compile()编译成Pattern对象2. 避免灾难性回溯不要使用(a)这类嵌套量词会导致指数级回溯3. 用字符类替代点号[^]* 比 .*? 更高效4. 使用锚点^ 和 $ 能帮助正则引擎快速定位减少搜索范围5. 先用简单方法过滤对于大规模文本先用 in 操作符或 startswith() 粗略筛选再用正则精确匹配。六、实战案例6.1 提取中文字符python import re text Python正则表达式入门教程123 # 匹配中文字符基本汉字范围 chinese re.findall(r[\u4e00-\u9fff], text) print(chinese) # 输出: [正则表达式入门教程]6.2 验证手机号码python import re def is_valid_phone(phone): pattern r^1[3-9]\d{9}$ # 11位数字以1开头第二位是3-9 return bool(re.match(pattern, phone)) print(is_valid_phone(13812345678)) # True print(is_valid_phone(12345678901)) # False6.3 提取邮箱地址python import re text 请联系我: test.userexample.com 或 adminpython.org pattern r\b[A-Za-z0-9._%-][A-Za-z0-9.-]\.[A-Z|a-z]{2,}\b emails re.findall(pattern, text) print(emails) # 输出: [test.userexample.com, adminpython.org]6.4 数据清洗——去除HTML标签python import re html div classcontentp欢迎来到spanPython/span世界/p/div # 去除所有HTML标签 clean_text re.sub(r[^], , html) print(clean_text) # 输出: 欢迎来到Python世界6.5 日志解析实战python import re log 2026-04-06 19:23:45 INFO 用户登录成功 2026-04-06 19:25:12 ERROR 数据库连接失败 2026-04-06 19:30:08 WARN 响应时间过长 # 提取所有错误日志的时间和信息 pattern r(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) ERROR (.) errors re.findall(pattern, log) for time, msg in errors: print(f错误发生时间: {time}, 错误信息: {msg}) # 输出: 错误发生时间: 2026-04-06 19:25:12, 错误信息: 数据库连接失败七、常见错误与避坑指南错误1忘记使用原生字符串python # 错误写法 pattern \d # 这里 \d 可能被Python解释器当作转义序列处理 # 正确写法 pattern r\d # 使用原生字符串错误2混淆 match 和 searchpython # re.match() 要求从开头匹配 re.match(r\d, abc123) # 返回 None # re.search() 可以在任何位置查找 re.search(r\d, abc123) # 返回匹配对象错误3分组编号理解错误分组编号是按照左括号出现的顺序来确定的而不是按照层级。例如在((A)(B))C中组1是((A)(B))组2是(A)组3是(B)。错误4正则表达式写得太复杂正则表达式并非越复杂越好。如果模式极其复杂比如完整匹配URL或邮箱的“完美”正则建议用专门的库来处理而不是试图用一个正则解决所有问题。保持简洁和可维护性更重要。如果觉得有收获欢迎点赞、收藏和分享有问题欢迎在评论区留言讨论