Python 正则表达式学习笔记（小白超详细版）（一）

正则表达式（Regular Expression，简称 regex/re）是用特殊字符组合匹配、查找、替换文本的工具 ，Python 内置 re 模块支持正则操作，无需额外安装。

这份笔记从基础概念→核心语法→re 模块常用方法→实战案例→避坑指南逐步讲解，全程配 Python 代码示例，小白也能跟着练。

---

一、前置准备：re 模块基础

Python 正则的核心是内置 re 模块，使用前需导入：

python

import re  # 导入正则模块

常用核心函数（先记个大概，后面详细讲）

函数名	作用	返回值
re.match(pattern, str)	从字符串开头匹配正则	匹配成功返回匹配对象，否则 None
re.search(pattern, str)	在整个字符串找第一个匹配项	匹配成功返回匹配对象，否则 None
re.findall(pattern, str)	查找所有匹配项	列表（无匹配返回空列表）
re.sub(pattern, repl, str)	用 repl 替换字符串中所有匹配项	替换后的新字符串
re.split(pattern, str)	按正则规则分割字符串	分割后的列表

---

二、正则基础：字符匹配（最核心的基础）

正则的本质是用 "规则字符" 匹配 "文本字符"，先从最基础的字符匹配学起。

1. 普通字符：直接匹配

普通字符（字母、数字、下划线）会精确匹配自身。

python

# 匹配字符串开头的"python"
result = re.match("python", "python学习真有趣")
print(result)  # <re.Match object; span=(0, 6), match='python'>
print(result.group())  # 提取匹配结果：python

• 若匹配失败，re.match 返回 None：

  python

  result = re.match("java", "python学习真有趣")
  print(result)  # None

2. 特殊字符：需转义（. ^ $ * + ? \ [] {} ( ) | ）

这些字符有特殊含义，若要匹配字符本身 ，需用反斜杠 \ 转义。

python

# 匹配字符串中的"."（正则中.是特殊字符，需转义）
result = re.search(r"\.", "python.123")
print(result.group())  # .

提示：Python 中推荐用 ** 原始字符串（r""）** 写正则，避免反斜杠被 Python 解析为转义符（如 \n 换行）。

3. 通配符：匹配任意字符（除换行）

. 是通配符，匹配除换行符（\n）外的任意单个字符。

python

# 匹配"p...n"（p开头，中间3个任意字符，n结尾）
result = re.match("p...n", "python")
print(result.group())  # python

# 匹配失败（中间只有2个字符）
result = re.match("p...n", "pythn")
print(result)  # None

---

三、正则核心：重复匹配（控制字符出现次数）

正则中量词用于控制前一个字符 / 分组的出现次数，是正则的核心语法之一。

常用量词表

量词	含义	示例
*	匹配0 次或多次	a* → a、aa、aaa
+	匹配1 次或多次（至少 1 次）	a+ → a、aa、aaa
?	匹配0 次或 1 次（可选）	a? → 空、a
{n}	匹配恰好 n 次	a{3} → aaa
{n,}	匹配至少 n 次	a{2,} → aa、aaa
{n,m}	匹配n 到 m 次（包含 n、m）	a{2,4} → aa、aaa、aaaa

代码示例

python

# 1. *：0次或多次
print(re.match("a*", "aaa").group())  # aaa
print(re.match("a*", "").group())     # 空字符串

# 2. +：至少1次
print(re.match("a+", "aaa").group())  # aaa
print(re.match("a+", ""))            # None

# 3. ?：0或1次
print(re.match("a?", "a").group())    # a
print(re.match("a?", "").group())     # 空

# 4. {n,m}：指定次数
print(re.match("a{2,4}", "aaa").group())  # aaa
print(re.match("a{2}", "aa").group())     # aa
print(re.match("a{2}", "a"))             # None

关键：量词作用范围

量词只作用于前一个字符 / 分组 ，加括号 () 可让量词作用于整个分组。

python

# 无括号：+只作用于b
print(re.match("ab+", "abbb").group())  # abbb
# 有括号：+作用于整个ab
print(re.match("(ab)+", "ababab").group())  # ababab

---

四、正则进阶：字符集与分组（精准匹配范围）

1. 字符集 []：匹配范围内的单个字符

用方括号 [] 定义字符范围 ，匹配其中任意一个字符（单个字符！）。

常用字符集写法

写法	含义	示例
[abc]	匹配 a、b、c 中的任意一个	[abc] → a、b、c
[a-z]	匹配小写字母 a-z	[a-z] → a、b...z
[A-Z]	匹配大写字母 A-Z	[A-Z] → A、B...Z
[0-9]	匹配数字 0-9（等价于 \d）	[0-9] → 0、1...9
[^abc]	匹配除 a、b、c 外的任意字符（^ 取反）	[^abc] → d、1、@

代码示例

python

# 匹配开头是a、b、c中的一个，后面跟任意字符
print(re.match("[abc]123", "b123").group())  # b123
print(re.match("[a-z]python", "xpython").group())  # xpython

# 取反：匹配非数字
print(re.search("[^0-9]", "123a456").group())  # a

2. 分组 ()：打包 + 提取 + 反向引用

分组是正则的核心功能，前面讲过，这里结合 Python 详细讲捕获分组 和非捕获分组。

（1）捕获分组：提取匹配内容（最常用）

() 会将括号内的匹配结果捕获 ，可通过 group(n) 提取（n=1,2,3...），group() 或 group(0) 提取整体匹配结果。

案例 1：提取手机号（3 位区号 + 8 位号码）

python

# 正则：(\d{3})-(\d{8})  两个分组分别捕获区号和号码
text = "联系电话：010-12345678，021-87654321"
result = re.search(r"(\d{3})-(\d{8})", text)

# 提取整体结果
print("整体匹配：", result.group())  # 010-12345678
# 提取第1个分组（区号）
print("分组1（区号）：", result.group(1))  # 010
# 提取第2个分组（号码）
print("分组2（号码）：", result.group(2))  # 12345678
# 同时提取所有分组
print("所有分组：", result.groups())  # ('010', '12345678')

案例 2：提取日期（年 - 月 - 日）

python

text = "今天是2026-04-10"
result = re.match(r"(\d{4})-(\d{2})-(\d{2})", text)
print("年：", result.group(1))  # 2026
print("月：", result.group(2))  # 04
print("日：", result.group(3))  # 10

（2）非捕获分组：仅分组不提取 (?:)

若只需用分组做整体控制 （如量词作用），不需要提取内容，用 (?:) 表示非捕获分组，不占用分组编号。

python

# 匹配可选的http协议+域名
text = "https://www.baidu.com"
# 非捕获分组：(?:https?://)?  协议可选，但不提取
result = re.match(r"(?:https?://)?www\.\w+\.com", text)
print(result.group())  # https://www.baidu.com
# 无分组1，因为是非捕获
# print(result.group(1))  # 报错：IndexError: no such group

（3）反向引用：重复前面分组的内容 \1

用 \数字 引用前面分组的匹配结果，确保前后内容一致，常用于匹配成对标签、重复字符等。

python

# 匹配成对的标签：<div>内容</div>
text = "<div>Python正则</div>"
# (\w+) 匹配标签名，\1 引用该标签名，保证前后一致
result = re.match(r"<(\w+)>.*?</\1>", text)
print(result.group())  # <div>Python正则</div>

# 匹配失败：标签不一致
text2 = "<div>Python正则</span>"
result2 = re.match(r"<(\w+)>.*?</\1>", text2)
print(result2)  # None

3. 预编译正则：提升效率 re.compile()

若同一个正则需要多次使用 ，用 re.compile() 预编译正则表达式，生成正则对象，再调用对象的方法，效率更高。

python

# 预编译正则：匹配手机号
pattern = re.compile(r"(\d{3})-(\d{8})")

# 多次调用匹配
text1 = "010-12345678"
text2 = "021-87654321"

result1 = pattern.search(text1)
result2 = pattern.search(text2)

print(result1.group())  # 010-12345678
print(result2.group())  # 021-87654321

---

五、re 模块常用方法详细讲解（结合实战）

1. re.match()：从开头匹配

• 仅从字符串第一个字符开始匹配，失败则返回 None。
• 常用场景：验证字符串是否以指定格式开头。

python

# 验证是否以字母开头，后面跟3个数字
text = "A123test"
result = re.match(r"[A-Za-z]\d{3}", text)
print(result.group())  # A123

# 失败案例（开头不是字母）
text2 = "123Abc"
result2 = re.match(r"[A-Za-z]\d{3}", text2)
print(result2)  # None

2. re.search()：全局查找第一个匹配

• 扫描整个字符串，找到第一个匹配项即返回，无需从开头匹配。
• 常用场景：查找文本中任意位置的匹配内容。

python

# 查找文本中第一个数字串
text = "价格：99元，数量：5件"
result = re.search(r"\d+", text)  # \d+ 匹配1个或多个数字
print(result.group())  # 99

3. re.findall()：查找所有匹配项（最常用）

• 返回列表，包含所有匹配项；无匹配则返回空列表。
• 若正则有分组，返回分组内容组成的元组列表。

案例 1：提取文本中所有数字

python

text = "Python3.11，发布于2022年，最新版本3.12"
result = re.findall(r"\d+\.?\d*", text)  # 匹配版本号（如3.11、3.12）和年份（2022）
print(result)  # ['3.11', '2022', '3.12']

案例 2：提取所有邮箱（分组提取用户名 + 域名）

python

text = "邮箱：abc@qq.com，def@163.com，ghi@baidu.com"
# 分组：(\w+)@(\w+\.\w+)  提取用户名和域名
result = re.findall(r"(\w+)@(\w+\.\w+)", text)
print(result)  # [('abc', 'qq.com'), ('def', '163.com'), ('ghi', 'baidu.com')]
# 遍历提取结果
for user, domain in result:
    print(f"用户名：{user}，域名：{domain}")

4. re.sub()：替换匹配内容

• 语法：re.sub(pattern, repl, string, count=0)
  • repl：替换的字符串（也可以是函数）
  • count：最大替换次数，0 表示替换所有。

案例 1：替换所有数字为 "#"

python

text = "今天是2026年04月10日"
# 替换所有数字为#
result = re.sub(r"\d+", "#", text)
print(result)  # 今天是#年#月#日

案例 2：替换手机号中间 4 位为 ****（分组替换）

python

text = "手机号：13812345678，13987654321"
# 正则：(\d{3})\d{4}(\d{4})  分组捕获前3位和后4位
# repl：\1****\2  引用分组1和分组2
result = re.sub(r"(\d{3})\d{4}(\d{4})", r"\1****\2", text)
print(result)  # 手机号：138****5678，139****4321

5. re.split()：按正则分割字符串

• 按正则规则分割字符串，返回列表。

案例 1：按逗号、分号、空格分割

python

text = "苹果,香蕉;橙子 葡萄"
# 分割规则：[,; ]  匹配逗号、分号、空格
result = re.split(r"[,; ]", text)
print(result)  # ['苹果', '香蕉', '橙子', '葡萄']

案例 2：分割字符串并保留分割符

python

text = "hello-world_python"
# 分割符为-或_，用()包裹则保留分割符
result = re.split(r"(-|_)", text)
print(result)  # ['hello', '-', 'world', '_', 'python']

---

六、实战案例：小白必练（覆盖日常 80% 场景）

实战 1：验证手机号（11 位数字，以 1 开头）

python

def is_phone(phone):
    # 正则：^1[3-9]\d{9}$  ^开头，$结尾，1开头，3-9中间，9位数字
    pattern = re.compile(r"^1[3-9]\d{9}$")
    return pattern.match(phone) is not None

# 测试
print(is_phone("13812345678"))  # True
print(is_phone("1234567890"))   # False（不足11位）
print(is_phone("199abc12345"))  # False（含非数字）
print(is_phone("28812345678"))  # False（开头不是1）

实战 2：提取身份证中的出生日期（18 位身份证）

18 位身份证规则：前 6 位地址码 + 8 位出生日期（YYYYMMDD）+3 位顺序码 + 1 位校验码。

python

def get_birthday(id_card):
    # 匹配18位身份证中的出生日期
    result = re.match(r"\d{6}(\d{8})\d{3}[\dX]", id_card)
    return result.group(1)
print(get_birthday('62052220090512173X'))