Python 正则表达式备忘录：判断与提取核心用法

一、核心前提：re 模块常用函数速查

函数	作用	核心参数	返回值	场景
re.match(pattern, string)	从字符串开头匹配	pattern（正则表达式）、string（目标字符串）	匹配对象 / None	前缀验证（如手机号、邮箱前缀）
re.search(pattern, string)	字符串任意位置匹配（首次）	同上	匹配对象 / None	提取任意位置的目标内容
re.findall(pattern, string)	匹配所有符合规则的内容	同上	列表（含所有匹配结果）	批量提取（如所有链接、手机号）
re.finditer(pattern, string)	迭代器形式返回所有匹配	同上	迭代器（含匹配对象）	大量数据提取（省内存）
re.sub(pattern, repl, string)	替换匹配内容	新增 repl（替换字符串 / 函数）	替换后的字符串	清洗数据（如去除特殊字符）
re.compile(pattern)	编译正则表达式	pattern	编译后的正则对象	重复使用同一正则（提效）

关键说明：

1. 匹配对象常用方法：group()（获取匹配结果）、groups()（获取分组结果）、span()（获取匹配位置）；

2. 修饰符：re.I（忽略大小写）、re.S（. 匹配换行）、re.M（多行匹配），可组合使用（如 re.I | re.S）。

二、正则语法核心片段

语法	说明	示例	匹配结果
^	字符串开头	^1[3-9]	匹配以 13-19 开头的字符串
$	字符串结尾	[0-9]$	匹配以数字结尾的字符串
.	匹配任意字符（除换行）	a.b	匹配 a + 任意字符 + b（如 acb、aab）
*	前面字符出现 0-∞ 次	ab*	匹配 a、ab、abb...
+	前面字符出现 1-∞ 次	ab+	匹配 ab、abb、abbb...
?	前面字符出现 0-1 次（非贪婪）	ab?	匹配 a、ab
{n}	前面字符出现 n 次	a{3}	匹配 aaa
{n,m}	前面字符出现 n-m 次	a{2,4}	匹配 aa、aaa、aaaa
[]	字符集（匹配其中一个）	[a-zA-Z0-9]	匹配字母 / 数字
[^]	反向字符集	[^0-9]	匹配非数字字符
\d	匹配数字（等价 [0-9]）	\d{3}	匹配 123、456...
\D	匹配非数字	\D+	匹配 abc、中文...
\w	匹配字母 / 数字 / 下划线	\w+	匹配 username123、test_abc
\W	匹配非字母 / 数字 / 下划线	\W	匹配 @、#、空格...
\s	匹配空白字符（空格 / 制表符 / 换行）	\s+	匹配多个空白
\S	匹配非空白字符	\S+	匹配非空白内容
()	分组（提取目标内容）	(\d{3})-(\d{4})	分组 1 匹配前 3 位，分组 2 匹配后 4 位
`	`	或逻辑	`abc

三、场景：判断与提取

所有场景均基于 re 模块，直接复制可用，标注「判断」「提取」明确用途。

场景 1：手机号判断与提取

• 规则：11 位数字，以 13/14/15/17/18/19 开头

import re

def check_phone(phone):

   """判断是否为有效手机号（返回布尔值）"""

   pattern = r'^1[3-9]\d{9}$'  # ^$ 严格匹配整个字符串

   return bool(re.match(pattern, phone))

def extract_phones(text):

   """从文本中提取所有手机号（返回列表）"""

   pattern = r'1[3-9]\d{9}'  # 无需^$，匹配任意位置

   return re.findall(pattern, text)

# 测试

print(check_phone("13812345678"))  # True

print(extract_phones("联系电话：13987654321，备用15600001111"))  # ['13987654321', '15600001111']

场景 2：邮箱判断与提取

• 规则：用户名 @域名（支持字母、数字、下划线、点号）

def check_email(email):

   """判断是否为有效邮箱"""

   pattern = r'^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+.[a-zA-Z]{2,6}$'

   return bool(re.match(pattern, email))

def extract_emails(text):

   """提取文本中所有邮箱"""

   pattern = r'[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+.[a-zA-Z]{2,6}'

   return re.findall(pattern, text)

# 测试

print(check_email("test123@example.com"))  # True

print(extract_emails("邮箱：user_name@qq.com，工作邮箱work.123@gmail.com"))  # ['user_name@qq.com', 'work.123@gmail.com']

场景 3：提取 URL 链接

• 规则：匹配 http/https 开头的链接

def extract_urls(text):

   pattern = r'https?://[^\s]+'  # http或https开头，直到空白字符结束

   return re.findall(pattern, text)

# 测试

text = "推荐网站：https://www.csdn.net，文档https://docs.python.org"

print(extract_urls(text))  # ['https://www.csdn.net', 'https://docs.python.org']

场景 4：提取身份证号（18 位）

• 规则：17 位数字 + 最后 1 位（数字 / X/x）

def extract_id_cards(text):

   pattern = r'\d{17}[\dXx]'

   return re.findall(pattern, text)

# 测试

text = "身份证：110101199001011234，备用22020219800202567X"

print(extract_id_cards(text))  # ['110101199001011234', '22020219800202567X']

场景 5：提取中文（含短语）

def extract_chinese(text):

   pattern = r'[\u4e00-\u9fa5]+'  # 中文Unicode范围

   return re.findall(pattern, text)

# 测试

text = "Python正则表达式提取中文：你好，世界！123abc"

print(extract_chinese(text))  # ['正则表达式提取中文', '你好', '世界']

场景 6：提取数字（整数 + 小数）

def extract_numbers(text):

   pattern = r'-?\d+.?\d*'  # 支持负数、整数、小数

   return re.findall(pattern, text)

# 测试

text = "价格：99元，折扣价89.9元，亏损-10.5元"

print(extract_numbers(text))  # ['99', '89.9', '-10.5']

场景 7：验证密码强度（判断）

• 规则：8-16 位，含字母 + 数字 + 特殊字符（@#$%^&*）

def check_password_strength(password):

   """判断密码是否符合强密码规则"""

   # 三个条件同时满足：长度8-16、含字母、含数字、含特殊字符

   pattern = r'^(?=.*[a-zA-Z])(?=.*\d)(?=.*[@#$%^&*])[a-zA-Z0-9@#$%^&*]{8,16}$'

   return bool(re.match(pattern, password))

# 测试

print(check_password_strength("Test123@"))  # True

print(check_password_strength("weakpassword"))  # False（无数字和特殊字符）

四、高级技巧：分组提取与非贪婪匹配

1. 分组提取

例如：提取「姓名：张三，年龄：25」中的姓名和年龄

text = "用户信息：姓名：张三，年龄：25，性别：男"

pattern = r'姓名：([^\u4e00-\u9fa5]+)，年龄：(\d+)'  # 分组1匹配姓名，分组2匹配年龄

result = re.search(pattern, text)

if result:

   name = result.group(1)

   age = result.group(2)

   print(f"姓名：{name}，年龄：{age}")  # 姓名：张三，年龄：25

2. 非贪婪匹配

问题：.* 默认贪婪（匹配尽可能多的内容），需用 .*? 非贪婪

例如，正则表达式 a.*b 在字符串 'a123b456b' 中，.* 会一口气吃掉从第一个 a 之后到最后一个 b 之前的所有字符，最终匹配的是 'a123b456b' 整个子串，而不是我们可能期望的 'a123b'。

非贪婪匹配：在量词后面加上 ?，量词会尽可能少地重复匹配，只要能让整个表达式匹配成功。正则表达式改为 a.*?b ，得到 'a123b'。

贪婪写法	非贪婪写法	说明
*	*?	零次或多次，尽可能少
+	+?	一次或多次，尽可能少
?	??	零次或一次，倾向于零次
{m,n}	{m,n}?	至少 m 次，至多 n 次，尽可能少

# 提取 HTML 标签内容
html = '<div>第一段</div><div>第二段</div>'

# 贪婪匹配：.* 会匹配到最后一个 </div>
greedy_tags = re.findall(r'<div>(.*)</div>', html)
print("贪婪匹配提取内容：", greedy_tags)   # 输出: ['第一段</div><div>第二段']

# 非贪婪匹配：.*? 只匹配到最近的 </div>
non_greedy_tags = re.findall(r'<div>(.*?)</div>', html)
print("非贪婪匹配提取内容：", non_greedy_tags)  # 输出: ['第一段', '第二段']

在正则表达式中，? 有两种用法：

• 作为普通量词，表示"零次或一次"（贪婪）。

• 跟在其他量词后面，表示将贪婪变为非贪婪（懒惰）。

例如：

• .*? 表示"任意字符重复零次或多次，但尽可能少"。

• .+? 表示"任意字符重复一次或多次，但尽可能少"。

• a?? 表示"匹配一个 a 或零个 a，但优先零个"。

# ?? 示例：匹配两个字符，但尽可能少
print(re.findall(r'a??', 'aa'))   # 输出: ['', 'a', '']  因为第一个位置优先匹配0个a

五、常见问题与避坑指南

1. 匹配不到换行符：

问题：. 默认不匹配换行，需加修饰符 re.S

示例：re.search(r'a.b', 'a\nb', re.S) → 匹配成功

2. 忽略大小写匹配：

加修饰符 re.I，示例：re.match(r'abc', 'ABC', re.I) → 匹配成功

3. 正则中有特殊字符（如 . * ?）：

需转义（加 \）或用 re.escape() 自动转义

示例：匹配 www.baidu.com → pattern = r'www\.baidu\.com' 或 pattern = re.escape('www.baidu.com')

4. 重复使用同一正则：

用 re.compile() 编译，提升效率

示例：

pattern = re.compile(r'1[3-9]\d{9}')

print(pattern.match("13812345678"))  # 直接使用编译后的对象

print(pattern.findall("联系电话13987654321"))

六、常用

需求	正则表达式	Python 代码片段
判断手机号	^1[3-9]\d{9}$	re.match(r'^1[3-9]\d{9}$', phone)
判断邮箱	^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+.[a-zA-Z]{2,6}$	re.match(r'^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+.[a-zA-Z]{2,6}$', email)
提取手机号	1[3-9]\d{9}	re.findall(r'1[3-9]\d{9}', text)
提取邮箱	[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+.[a-zA-Z]{2,6}	re.findall(r'[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+.[a-zA-Z]{2,6}', text)
提取中文	[\u4e00-\u9fa5]+	re.findall(r'[\u4e00-\u9fa5]+', text)
提取数字（含小数）	-?\d+.?\d*	re.findall(r'-?\d+.?\d*', text)
提取 URL	https?://[^\s]+	re.findall(r'https?://[^\s]+', text)