Python编程实战 - Python实用工具与库 - 正则表达式匹配（re 模块）

正则表达式（Regular Expression ，简称 Regex ）是用于字符串模式匹配和文本处理 的强大工具。 在 Python 中，我们使用标准库 re 来执行匹配、搜索、替换等操作。

---

一、re 模块简介

导入方式：

import re

常见功能：

• 匹配字符串：判断是否符合某种模式
• 提取内容：从文本中抽取特定信息
• 替换内容：按规则替换文本
• 分割字符串：按正则规则拆分字符串

---

二、基本匹配方法

1. re.match() ------ 从字符串起始位置匹配

import re

result = re.match(r"Hello", "Hello Python")
if result:
    print("匹配成功:", result.group())

输出：

匹配成功: Hello

说明：re.match 只匹配字符串开头部分。

---

2. re.search() ------ 搜索整个字符串

result = re.search(r"Python", "Hello Python World")
print(result.group())

输出：

Python

说明：search 会从整个字符串中查找第一个匹配项。

---

3. re.findall() ------ 返回所有匹配结果列表

text = "电话：12345，传真：67890"
numbers = re.findall(r"\d+", text)
print(numbers)

输出：

['12345', '67890']

---

4. re.sub() ------ 替换匹配的内容

text = "我喜欢Java，也喜欢JavaScript"
new_text = re.sub(r"Java", "Python", text)
print(new_text)

输出：

我喜欢Python，也喜欢PythonScript

---

5. re.split() ------ 按模式分割字符串

text = "苹果,香蕉;橘子|葡萄"
fruits = re.split(r"[,;|]", text)
print(fruits)

输出：

['苹果', '香蕉', '橘子', '葡萄']

---

三、正则表达式常用符号表

符号	含义	示例
.	任意一个字符（除换行）	a.c → 匹配 abc, a9c
\d	数字 0-9	\d+ → 匹配一个或多个数字
\w	单词字符（字母/数字/下划线）	\w+ → 匹配单词
\s	空白字符（空格、制表符等）	\s+
^	匹配字符串开始	^Hello
$	匹配字符串结尾	world$
[]	字符集	[abc] → 匹配 a、b 或 c
[^]	非字符集	[^0-9] → 非数字
*	重复零次或多次	a*
+	重复一次或多次	a+
?	重复零次或一次	a?
{m,n}	重复 m 到 n 次	\d{3,5} → 匹配 3~5 位数字
()	分组	(ab)+
`	`	或关系	`cat	dog`

---

四、分组与提取

1. 提取邮箱地址示例

text = "请联系我：email1@test.com 或 email2@sample.org"
emails = re.findall(r"[\w.-]+@[\w.-]+\.\w+", text)
print(emails)

输出：

['email1@test.com', 'email2@sample.org']

---

2. 使用括号捕获分组

text = "价格：¥99.5"
match = re.search(r"¥(\d+\.\d+)", text)
print("提取价格：", match.group(1))

输出：

提取价格： 99.5

---

3. 命名分组

text = "日期：2025-11-11"
match = re.search(r"(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})", text)
print(match.groupdict())

输出：

{'year': '2025', 'month': '11', 'day': '11'}

---

五、实战案例：提取网页链接与标题

import re

html = """
<a href="https://example.com/page1">第一页</a>
<a href="https://example.com/page2">第二页</a>
"""

pattern = r'<a href="(https?://[^"]+)">([^<]+)</a>'
matches = re.findall(pattern, html)

for url, title in matches:
    print(f"标题：{title}，链接：{url}")

输出：

标题：第一页，链接：https://example.com/page1
标题：第二页，链接：https://example.com/page2

---

六、提升性能的小技巧

1. 使用原始字符串 ：避免转义混乱，如 r"\d+"。

2. 编译正则表达式（多次使用时提升性能）：

   pattern = re.compile(r"\d+")
   print(pattern.findall("123abc456"))

3. 懒惰匹配 （最短匹配）： *?, +?, {m,n}?

   示例：

   text = "<p>Python</p><p>Regex</p>"
   print(re.findall(r"<p>.*?</p>", text))

   输出：

   ['<p>Python</p>', '<p>Regex</p>']

---

七、总结

功能	方法	说明
起始匹配	re.match()	从字符串开头匹配
搜索匹配	re.search()	搜索第一个匹配
全部匹配	re.findall()	返回所有结果列表
替换	re.sub()	替换匹配内容
拆分	re.split()	按模式拆分字符串
编译优化	re.compile()	预编译正则表达式

---