Python09_正则表达式

坐吃山猪2026-04-14 15:36

Python09_正则表达式

文章目录

Python 正则表达式常见问题与答案（Q&A）

第一章：基础概念与入门

Q1：什么是正则表达式（Regex）？

A： 正则表达式是一种用于匹配字符串模式的强大工具，它是内置于Python re 模块中的"微型搜索语言"。可以把它想象成一个智能放大镜，能够在文本中查找特定模式，而不仅仅是固定的单词。例如，你可以用一行正则表达式从日志文件中提取所有邮箱地址，而无需手动逐行扫描。

Q2：如何在Python中使用正则表达式？

A： 首先需要导入 re 模块：

python 复制代码 
import re

re 模块提供了一系列函数用于字符串匹配、查找、替换等操作。建议在正则表达式字符串前加 r 前缀（原始字符串），以避免反斜杠被Python字符串转义误解。

Q3：re.match() 和 re.search() 有什么区别？

A：

方法 作用 匹配位置
re.match() 从字符串开头匹配正则表达式 必须从第0个字符开始匹配
re.search() 在字符串任意位置搜索第一个匹配 可以在字符串任何位置

示例：

python 复制代码 
import re

text = "Hello World"

# match 必须从开头匹配
print(re.match(r'World', text))      # None
print(re.match(r'Hello', text))      # <re.Match object; span=(0, 5), match='Hello'>

# search 可以在任意位置查找
print(re.search(r'World', text))     # <re.Match object; span=(6, 11), match='World'>

第二章：核心元字符与语法

Q4：常用的正则表达式元字符有哪些？

A：

元字符 含义 示例
. 匹配除换行符外的任意单个字符 r'a.c' 匹配 "abc", "a1c"
\d 匹配数字 [0-9] r'\d+' 匹配 "123"
\w 匹配单词字符 [a-zA-Z0-9_] r'\w+' 匹配 "hello_123"
\s 匹配空白字符（空格、制表符、换行） r'\s+' 匹配多个空格
^ 匹配字符串开头 r'^Hello' 匹配以Hello开头
$ 匹配字符串结尾 r'world$' 匹配以world结尾
[] 字符集，匹配括号内的任意一个字符 r'[aeiou]' 匹配任意元音
[^] 否定字符集，匹配不在括号内的字符 r'[^0-9]' 匹配非数字字符

Q5：量词（重复匹配）如何使用？

A：

量词 含义 说明
* 匹配0次或多次 r'ab*c' 匹配 "ac", "abc", "abbc"
+ 匹配1次或多次 r'ab+c' 匹配 "abc", "abbc"，不匹配 "ac"
? 匹配0次或1次 r'ab?c' 匹配 "ac", "abc"
{n} 精确匹配n次 r'a{3}' 匹配 "aaa"
{n,} 至少匹配n次 r'a{2,}' 匹配 "aa", "aaa", "aaaa"...
{n,m} 匹配n到m次 r'a{2,4}' 匹配 "aa", "aaa", "aaaa"

示例：

python 复制代码 
import re

# 匹配邮箱（简化版）
pattern = r'\w+@\w+\.\w+'
text = "Contact: john.doe@example.com"
match = re.search(pattern, text)
print(match.group())  # john.doe@example.com

第三章：贪婪与非贪婪匹配

Q6：什么是贪婪匹配和非贪婪匹配？

A：

  • 贪婪匹配 （默认）：量词 *, +, ?, {m,n} 会尽可能多地匹配字符
  • 非贪婪匹配 （惰性匹配）：在量词后加 ?，如 *?, +?, ??, {m,n}?，会尽可能少地匹配字符

示例对比：

python 复制代码 
import re

text = "<div><p>Hello</p><span>World</span></div>"

# 贪婪匹配 - 匹配尽可能多的内容
greedy = re.findall(r'<div>.*</div>', text)
print("贪婪:", greedy)  
# 输出: ['<div><p>Hello</p><span>World</span></div>']

# 非贪婪匹配 - 匹配尽可能少的内容
non_greedy = re.findall(r'<div>.*?</div>', text)
print("非贪婪:", non_greedy)  
# 输出: ['<div><p>Hello</p><span>World</span>']

Q7：什么时候应该使用非贪婪匹配？

A： 当你需要精确控制匹配范围，避免"过度匹配"时。常见场景包括：

  • 提取HTML/XML标签内的内容
  • 匹配引号内的字符串
  • 处理嵌套结构时

第四章：分组与捕获

Q8：如何使用括号 () 进行分组？

A： 分组可以实现以下功能：

  1. 提取子串：捕获匹配的部分内容
  2. 应用量词：对一组字符应用量词
  3. 反向引用：在正则中引用之前的分组

示例 - 提取信息：

python 复制代码 
import re

text = "John Doe: john.doe@example.com"
pattern = r'(\w+) (\w+): (\S+)'

match = re.match(pattern, text)
if match:
    first_name = match.group(1)  # John
    last_name = match.group(2)    # Doe
    email = match.group(3)        # john.doe@example.com
    print(f"姓名: {first_name} {last_name}, 邮箱: {email}")

Q9：什么是命名分组？

A： 使用 (?P<name>...) 语法可以给分组命名，使代码更具可读性：

python 复制代码 
import re

pattern = r'(?P<username>\w+)(?:\.(?P<middle>\w+))?@(?P<domain>[A-Za-z0-9.-]+)\.[A-Za-z]{2,}'
email = 'john.doe@example.com'

match = re.match(pattern, email)
if match:
    print(match.group('username'))  # john
    print(match.group('domain'))    # example

Q10：非捕获组是什么？

A： 使用 (?:...) 可以创建非捕获组，它只用于分组但不保存匹配内容，性能更好：

python 复制代码 
import re

# 捕获组 - 会保存匹配内容
pattern1 = r'(\d+)-(\d+)'
# 非捕获组 - 不保存匹配内容，仅用于分组
pattern2 = r'\d+(?:-\d+)+'

text = "123-456-789"
print(re.findall(pattern1, text))  # [('123', '456')]
print(re.findall(pattern2, text))  # ['123-456-789']

第五章：零宽断言（环视）

Q11：什么是零宽断言（Lookaround）？

A： 零宽断言用于匹配特定位置的内容，但不消耗字符（即匹配位置但不包含在结果中）。分为四种类型：

断言类型 语法 含义
正向先行断言 (?=...) 后面跟着...
负向先行断言 (?!...) 后面不跟着...
正向后行断言 (?<=...) 前面是...
负向后行断言 (?<!...) 前面不是...

示例 - 提取价格（不包含货币符号）：

python 复制代码 
import re

text = "The price is $100.50 and the discount is $20"
# 匹配数字，但要求前面有$符号（不捕获$）
pattern = r'(?<=\$)\d+\.?\d*'

prices = re.findall(pattern, text)
print(prices)  # ['100.50', '20']

Q12：如何匹配HTML标签之间的内容？

A： 使用零宽断言可以避免匹配到嵌套标签：

python 复制代码 
import re

html = '<div class="content">Hello <em>world</em></div>'
# 提取div标签内的内容，但不包含其他标签
pattern = r'(?<=<div[^>]*>)\s*(.*?)(?=\s*</div>)'

match = re.search(pattern, html)
if match:
    print(match.group(1))  # Hello <em>world</em>

注意： 对于复杂的HTML解析，推荐使用 BeautifulSoup 等专用库，正则表达式在处理嵌套结构时有局限性。

第六章：常用正则表达式模式

Q13：如何验证邮箱地址？

A：

python 复制代码 
import re

def validate_email(email):
    # 较完整的邮箱验证正则
    pattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'
    return re.match(pattern, email) is not None

# 测试
print(validate_email("test@example.com"))   # True
print(validate_email("invalid_email@"))    # False

Q14：如何验证中国手机号？

A：

python 复制代码 
import re

def validate_phone(phone):
    # 中国手机号：1开头，第二位3-9，共11位
    pattern = r'^1[3-9]\d{9}$'
    return re.match(pattern, phone) is not None

print(validate_phone("13812345678"))  # True
print(validate_phone("1381234567"))   # False

Q15：如何匹配URL？

A：

python 复制代码 
import re

# 简化版URL匹配
url_pattern = r'https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+'

text = "Visit https://www.example.com or http://site.org"
urls = re.findall(url_pattern, text)
print(urls)  # ['https://www.example.com', 'http://site.org']

Q16：如何提取日期？

A：

python 复制代码 
import re

# 匹配 YYYY-MM-DD 或 YYYY/MM/DD 格式
date_pattern = r'\b(19|20)\d\d[-/.](0[1-9]|1[0-2])[-/.](0[1-9]|[12]\d|3[01])\b'

text = "Meeting on 2024-03-15 and deadline is 2025/12/31"
dates = re.findall(date_pattern, text)
print(dates)  # [('2024', '03', '15'), ('2025', '12', '31')]

第七章：re模块高级功能

Q17：re.findall() 和 re.finditer() 有什么区别？

A：

  • re.findall()：返回所有匹配结果的列表
  • re.finditer()：返回匹配对象的迭代器，适合处理大量数据
python 复制代码 
import re

text = "The rain in Spain stays mainly in the plain"
pattern = r'ain'

# findall 返回列表
print(re.findall(pattern, text))  # ['ain', 'ain', 'ain']

# finditer 返回迭代器，可获取位置信息
for match in re.finditer(pattern, text):
    print(f"Found '{match.group()}' at position {match.start()}-{match.end()}")
# Found 'ain' at position 5-8
# Found 'ain' at position 14-17
# Found 'ain' at position 30-33

Q18：如何使用 re.sub() 进行替换？

A： re.sub() 用于替换匹配的字符串，支持使用分组引用：

python 复制代码 
import re

text = "The price is $100.50 and the discount is $20"

# 将$替换为¥，并保留数字
# \1 引用第一个捕获组
formatted = re.sub(r'\$(\d+\.?\d*)', r'¥\1', text)
print(formatted)  # The price is ¥100.50 and the discount is ¥20

Q19：re.split() 有什么优势？

A： 可以使用正则表达式作为分隔符，支持多种分隔符：

python 复制代码 
import re

text = "apple, orange; banana grape"

# 使用多种分隔符分割
fruits = re.split(r'[;,\s]\s*', text)
print(fruits)  # ['apple', 'orange', 'banana', 'grape']

第八章：编译正则与性能优化

Q20：为什么要使用 re.compile()？

A： 当同一个正则表达式需要多次使用时，先编译可以提高性能：

python 复制代码 
import re

# 不推荐：每次循环都重新编译正则
for text in large_text_list:
    re.findall(r'\d+', text)

# 推荐：先编译，重复使用
pattern = re.compile(r'\d+')
for text in large_text_list:
    pattern.findall(text)

Q21：常用的匹配标志（Flags）有哪些？

A：

标志 简写 作用
re.IGNORECASE re.I 忽略大小写
re.MULTILINE re.M 多行模式，^和$匹配每行开头结尾
re.DOTALL re.S 点号.匹配包括换行符在内的所有字符
re.VERBOSE re.X 允许正则表达式多行书写，忽略空白和注释

示例：

python 复制代码 
import re

# 忽略大小写
print(re.match(r'hello', 'HELLO', flags=re.IGNORECASE))  # 匹配成功

# 多行模式
text = "First line\nSecond line"
print(re.findall(r'^Second', text, flags=re.MULTILINE))  # ['Second']

第九章：常见错误与调试技巧

Q22：正则表达式匹配失败的可能原因？

A： 常见错误包括：

  1. 忘记转义特殊字符 ：如 . * + ? ( ) [ ] { } ^ $ \ | 等
  2. 混淆 match 和 search ：match 必须从开头匹配
  3. 贪婪匹配过度 ：尝试使用非贪婪量词 *? +?
  4. 字符集范围错误 ：如 [z-a] 是错误的，应为 [a-z]
  5. 忘记原始字符串 ：未使用 r'...' 导致 \ 被Python转义

Q23：如何调试正则表达式？

A：

  1. 使用在线工具：如 regex101.com、pythex.org
  2. 分步测试：先测试简单模式，逐步添加复杂度
  3. 打印匹配对象 ：查看 match.group(), match.start(), match.end()
  4. 使用 re.DEBUG：查看编译后的正则内部结构
python 复制代码 
import re

# 调试模式
pattern = re.compile(r'\d+', re.DEBUG)
# 会输出正则的内部解析信息

第十章：实战应用场景

Q24：如何从文本中提取所有邮箱？

A：

python 复制代码 
import re

text = "Contact us at contact@example.com or support@site.org"
emails = re.findall(r'[\w.-]+@[\w.-]+', text)
print(emails)  # ['contact@example.com', 'support@site.org']

Q25：如何清洗文本数据（去除多余空格）？

A：

python 复制代码 
import re

text = "  Hello   World  This is   Python  "
# 将多个空格替换为单个空格，并去除首尾空格
clean = re.sub(r'\s+', ' ', text).strip()
print(clean)  # "Hello World This is Python"

Q26：如何匹配重复单词？

A：

python 复制代码 
import re

text = "the cat in the the hat"
# \b 单词边界，\1 引用第一个分组
pattern = r'\b(\w+)\s+\1\b'
matches = re.findall(pattern, text)
print(matches)  # ['the']

附录：速查表

功能 代码示例
导入模块 import re
匹配开头 re.match(pattern, string)
搜索任意位置 re.search(pattern, string)
查找所有 re.findall(pattern, string)
迭代查找 re.finditer(pattern, string)
替换 re.sub(pattern, repl, string)
分割 re.split(pattern, string)
编译正则 re.compile(pattern)
获取匹配内容 match.group()
获取分组 match.group(1), match.groups()
获取位置 match.start(), match.end(), match.span()

这份资料涵盖了Python正则表达式的核心知识点，建议按照章节顺序学习，并在实际项目中多加练习。对于复杂的文本处理任务，记住：正则表达式是强大的工具，但不是万能的，对于HTML/XML解析等场景，还是要使用专用库如 BeautifulSoup。

相关推荐
AI科技星4 小时前
v=c 物理理论核心参数转换表达式大全
开发语言·线性代数·算法·数学建模·平面
deephub4 小时前
从检索到回答：RAG 流水线中三个被忽视的故障点
人工智能·python·大语言模型·向量检索·rag
yiruwanlu4 小时前
乡村文旅设计师推荐：建筑设计能力筛选要点解析
python·ui
站大爷IP4 小时前
Python 操作 Word 页眉页脚完整指南
python
oldmao_20004 小时前
第八章 设计并发代码
开发语言·c++·多线程编程·并发编程
SomeB1oody4 小时前
【Python深度学习】2.1. 卷积神经网络(CNN)模型理论(基础)：卷积运算、池化、ReLU函数
开发语言·人工智能·python·深度学习·机器学习·cnn
Java面试题总结4 小时前
2026年Java面试题最新整理，附白话答案
java·开发语言·jvm·笔记·spring·intellij-idea
大鹏说大话4 小时前
前端性能优化全链路指南：从资源加载到渲染的极致体验
开发语言
芒果披萨4 小时前
日志管理 logging
java·开发语言·c++
热门推荐
012026年4月技术前沿：AI大模型爆发、智能体革命与量子安全新纪元02GitHub 镜像站点03一周AI热点速览（2026.03.31-04.06）：GPT-6曝光、谷歌开源Gemma 4、资本狂飙与模型军备竞赛04GPT-6核心能力解析及与现有主流大模型对比05基于 Docker 部署 Hermes Agent 并接入飞书机器人的完整指南06免费！不限量！用opencode接入英伟达（NVIDIA）大模型，轻松打造你的 AI 编程助手07从限购到畅通：GLM-5.1 Coding Plan接入攻略08零成本！Ollama本地部署国产大模型全指南（支持Kimi-K2.5/GLM-5/Qwen，新手秒上手）09LLM Wiki：让大模型替你打理知识库的完整指南10CodeBuddy与WorkBuddy深度对比：腾讯两款AI工具差异及实操指南