Python正则表达式使用指南：从基础到实战

一、正则表达式核心概念

正则表达式（Regular Expression）是用于字符串匹配的强大工具，通过特定语法描述文本模式。Python通过内置的re模块提供全面支持，以下是核心语法要素：

1.1 基础元字符

符号	含义	示例
`.`	匹配任意字符（除换行）	`r'A..-4..'` 匹配 `A123-456`
`^`	匹配字符串开头	`r'^user'` 验证用户名前缀
`$`	匹配字符串结尾	`r'呢?$'` 检查问句结尾
`*`	0次或多次重复	`r'p*izza'` 匹配 `pizza`/`pppppizza`
`+`	1次或多次重复	`r'\w+@\w+\.\w+'` 匹配邮箱
`?`	0次或1次重复	`r'\d?-\d{4}'` 匹配可选区号

1.2 字符集与量词

python 复制代码

# 字符集示例
[abc]   # 匹配a/b/c中的一个
[^0-9]  # 匹配非数字
\d{3}   # 精确匹配3位数字
\d{2,5} # 匹配2-5位数字

1.3 边界与分组

python 复制代码

# 单词边界与分组捕获
r'\bPython\b'      # 精确匹配单词"Python"
r'(\d{3})-\1+'    # 捕获分组并引用（如123-123-123）

二、re模块核心函数详解

Python的re模块提供6大核心函数，覆盖90%的文本处理场景：

2.1 基础匹配函数

python 复制代码

import re

# 精确匹配开头
if re.match(r'^user', 'user123'):
    print("用户名合法")

# 全局搜索第一个匹配
match = re.search(r'\d+', '价格是199元')
print(match.group())  # 输出:199

2.2 高级处理函数

python 复制代码

# 提取所有匹配项
emails = re.findall(r'\w+@\w+\.\w+', '联系我: a@b.com, c@d.net')

# 文本替换
text = re.sub(r'Python', 'Python编程', '我喜欢Python')

# 分割字符串
parts = re.split(r'[,;]', 'apple,orange;banana')

三、实战案例解析

3.1 邮箱验证器

python 复制代码

def validate_email(email):
    pattern = r'^[\w.%+-]+@[\w.-]+\.[a-zA-Z]{2,}$'
    return bool(re.match(pattern, email))

print(validate_email('test@example.com'))  # True
print(validate_email('invalid.email'))    # False

3.2 HTML标签提取器

python 复制代码

html = "<div>内容1</div><p>内容2</p>"
tags = re.findall(r'<([^>]+)>', html)
print(tags)  # 输出:['div', 'p']

3.3 电话号码清洗

python 复制代码

def clean_phone(number):
    # 提取11位数字并格式化
    cleaned = re.sub(r'\D', '', number)
    if len(cleaned) == 11:
        return f"{cleaned[:3]}-{cleaned[3:7]}-{cleaned[7:]}"
    return "无效号码"

print(clean_phone("138-1234-5678"))  # 138-1234-5678

四、进阶技巧

4.1 预编译提升性能

python 复制代码

# 预编译正则表达式
email_re = re.compile(r'^[\w.%+-]+@[\w.-]+\.[a-zA-Z]{2,}$')
if email_re.match('user@domain.com'):
    # 处理逻辑

4.2 命名分组

python 复制代码

# 使用命名分组提取URL组件
url_pattern = re.compile(r'^(?P<protocol>https?)://(?P<domain>[^/]+)')
match = url_pattern.match('https://www.example.com')
print(match.group('protocol'))  # https
print(match.group('domain'))     # www.example.com

4.3 反向引用

python 复制代码

# 匹配重复出现的单词
text = "hello hello world"
matches = re.findall(r'\b(\w+)\s+\1\b', text)
print(matches)  # ['hello']

五、常见错误处理

5.1 贪婪与非贪婪匹配

python 复制代码

# 非贪婪匹配解决过度匹配问题
html = "<a>链接</a><b>标题</b>"
# 使用?开启非贪婪模式
tags = re.findall(r'<.*?>(.*?)</.*?>', html)
print(tags)  # ['链接', '标题']

5.2 转义特殊字符

python 复制代码

# 匹配包含特殊字符的文本
text = "文件路径: C:\\Users\\Name"
matches = re.findall(r'C:\\\\Users\\\\\w+', text)
print(matches)  # ['C:\\Users\\Name']

六、学习资源推荐

官方文档 ：Python re模块文档
正则表达式测试工具 ：RegExr
进阶书籍：《精通正则表达式》（第三版）

通过掌握这些核心知识，您可以高效处理90%的文本处理需求。建议从简单案例入手，逐步尝试复杂模式，配合在线测试工具验证正则表达式，快速提升实战能力。