Python 正则表达式（Regular Expressions，简称 regex） 通过 re 模块实现，可用于 模式匹配、字符串搜索、替换和解析，在处理文本数据时非常强大。

1. re 模块基础

import re
方法作用
re.match(pattern, string)从字符串开头匹配，返回 Match 对象或 None
re.search(pattern, string)在字符串中搜索第一次匹配项，返回 Match 对象或 None
re.findall(pattern, string)返回所有匹配项的列表
re.finditer(pattern, string)返回匹配项的迭代器
re.sub(pattern, repl, string)替换匹配项
re.split(pattern, string)按匹配项拆分字符串
re.compile(pattern)预编译正则表达式，提高性能

2. 正则表达式语法

语法作用示例
.任意单个字符（除换行符）a.c 匹配 "abc"、"adc"
^以…开头^abc 匹配 "abc123" 但不匹配 "123abc"
$以…结尾abc$ 匹配 "123abc" 但不匹配 "abc123"
*0 次或多次匹配a* 匹配 "a"、"aaa"、""
+1 次或多次匹配a+ 匹配 "a"、"aaa" 但不匹配 ""
?0 次或 1 次匹配a? 匹配 "" 或 "a"
{n}精确匹配 n 次a{3} 匹配 "aaa"
{n,}至少匹配 n 次a{2,} 匹配 "aa"、"aaa"
{n,m}至少 n 次，最多 m 次a{2,4} 匹配 "aa"、"aaa"、"aaaa"
[]字符类[abc] 匹配 "a"、"b"、"c"
``或（OR）
\d数字（等价于 [0-9]）\d+ 匹配 "123"
\w字母、数字、下划线（等价于 [a-zA-Z0-9_]）\w+ 匹配 "hello_123"
\s空白字符\s+ 匹配 "\t "
\b单词边界\bword\b 只匹配 "word"，不匹配 "wording"
\D非数字\D+ 匹配 "abc"
\W非字母数字\W+ 匹配 "#@!"
\S非空白字符\S+ 匹配 "abc123"

3. 正则表达式示例

3.1 re.match() – 从开头匹配

import re

pattern = r"hello"
text = "hello world"
match = re.match(pattern, text)

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

3.2 re.search() – 任意位置匹配

import re

pattern = r"world"
text = "hello world"
match = re.search(pattern, text)

if match:
    print("找到:", match.group())  # 输出 "world"

3.3 re.findall() – 查找所有匹配项

import re

pattern = r"\d+"
text = "价格 100 元，税 20 元"
matches = re.findall(pattern, text)

print(matches)  # 输出 ['100', '20']

3.4 re.finditer() – 迭代匹配

import re

pattern = r"\d+"
text = "订单 123，价格 456"
matches = re.finditer(pattern, text)

for match in matches:
    print(match.group())  # 输出 123 和 456

3.5 re.sub() – 字符串替换

import re

pattern = r"\d+"
text = "价格 100 元"
new_text = re.sub(pattern, "XXX", text)

print(new_text)  # 输出 "价格 XXX 元"

3.6 re.split() – 按正则拆分字符串

import re

pattern = r"\s+"
text = "hello  world  python"
words = re.split(pattern, text)

print(words)  # 输出 ['hello', 'world', 'python']

3.7 re.compile() – 预编译正则表达式

import re

pattern = re.compile(r"\d+")
text = "订单 123 价格 456"

# 使用编译后的正则表达式
print(pattern.findall(text))  # 输出 ['123', '456']

4. 贪婪与非贪婪匹配

量词说明示例
.*贪婪模式（匹配尽可能多的字符）<.*> 匹配 "<div>hello</div>"
.*?非贪婪模式（匹配尽可能少的字符）<.*?> 只匹配 "<div>"
import re

text = "<div>hello</div>"
greedy = re.search(r"<.*>", text)  # 贪婪匹配
lazy = re.search(r"<.*?>", text)  # 非贪婪匹配

print(greedy.group())  # 输出 "<div>hello</div>"
print(lazy.group())  # 输出 "<div>"

5. 参考资料

出站链接

站内链接

Python 正则表达式 功能强大，熟练掌握可以极大提升文本处理能力！🚀