Python 正则表达式入门教程

# 一、正则表达式基础概念

正则表达式（Regular Expression，简称Regex或RE）是一种强大的文本处理工具，它使用特定的语法规则来描述、匹配和搜索字符串模式。无论是验证用户输入、提取关键信息，还是批量替换文本，正则表达式都能高效完成。

1.1 什么是正则表达式

正则表达式是由普通字符（如字母、数字）和特殊字符（元字符）组成的字符串，它定义了一种搜索模式。通过这种模式，我们可以：

• 验证字符串是否符合特定格式（如邮箱、手机号）

• 从文本中提取特定内容

• 批量替换符合规则的文本

• 分割字符串

1.2 正则表达式的应用场景

• **表单验证**：邮箱、手机号、身份证号等格式校验

• **数据爬取**：从HTML/JSON中提取目标数据

• **文本处理**：批量查找替换、日志分析

• **IDE编辑器**：高级查找替换功能

---

二、Python re模块常用函数

Python通过内置的`re`模块提供正则表达式支持。下面介绍最常用的几个函数。

2.1 re.match() - 从字符串开头匹配

```python

import re

匹配开头是否为Python

result = re.match(r'Python', 'Python正则表达式教程')

print(result.group()) # 输出: Python

```

**特点**：只从字符串**开头**开始匹配，匹配成功返回匹配对象，失败返回None。

2.2 re.search() - 搜索整个字符串

```python

在整个字符串中搜索

result = re.search(r'正则', 'Python正则表达式教程')

print(result.group()) # 输出: 正则

```

**特点**：扫描整个字符串，返回**第一个**匹配的结果。

2.3 re.findall() - 查找所有匹配

```python

找出所有数字

text = '今天是2024年，月薪15000元'

results = re.findall(r'\d+', text)

print(results) # 输出: '2024', '15000'

```

**特点**：返回**所有**匹配结果的列表。

2.4 re.sub() - 替换匹配内容

```python

将所有数字替换为*

text = '手机号：13812345678，密码：123456'

result = re.sub(r'\d', '*', text)

print(result) # 输出: 手机号：***********，密码：******

```

2.5 re.split() - 按正则分割字符串

```python

按多种分隔符分割

text = 'a,b;c d'

result = re.split(r',; ', text)

print(result) # 输出: 'a', 'b', 'c', 'd'

```

---

三、常用正则语法

3.1 元字符（特殊字符）

| 元字符 | 说明 | 示例 |

|--------|------|------|

| `.` | 匹配任意单个字符（除换行符） | `a.b` 匹配 aab、acb、a1b |

| `^` | 匹配字符串开头 | `^Hello` 匹配以Hello开头的字符串 |

| `\` \| 匹配字符串结尾 \| \`world` 匹配以world结尾的字符串 |

| `*` | 匹配前一个字符0次或多次 | `ab*` 匹配 a、ab、abb、abbb |

| `+` | 匹配前一个字符1次或多次 | `ab+` 匹配 ab、abb、abbb |

| `?` | 匹配前一个字符0次或1次 | `ab?` 匹配 a、ab |

| `{n}` | 匹配前一个字符恰好n次 | `a{3}` 匹配 aaa |

| `{n,}` | 匹配前一个字符至少n次 | `a{2,}` 匹配 aa、aaa、aaaa... |

| `{n,m}` | 匹配前一个字符n到m次 | `a{2,4}` 匹配 aa、aaa、aaaa |

3.2 字符类

| 语法 | 说明 |

|------|------|

| `abc` | 匹配a、b、c中任意一个字符 |

| `\^abc` | 匹配除a、b、c外的任意字符 |

| `a-z` | 匹配任意小写字母 |

| `A-Z` | 匹配任意大写字母 |

| `0-9` | 匹配任意数字 |

| `a-zA-Z0-9` | 匹配任意字母数字 |

3.3 预定义字符集

| 语法 | 说明 | 等价于 |

|------|------|--------|

| `\d` | 匹配任意数字 | `0-9` |

| `\D` | 匹配任意非数字 | `\^0-9` |

| `\w` | 匹配字母数字下划线 | `a-zA-Z0-9_` |

| `\W` | 匹配非字母数字下划线 | `\^a-zA-Z0-9_` |

| `\s` | 匹配任意空白字符（空格、制表符、换行符） | |

| `\S` | 匹配任意非空白字符 | |

3.4 分组与捕获

使用`()`进行分组：

```python

提取区号和电话号码

text = '电话：010-12345678'

result = re.search(r'(\d{3})-(\d{8})', text)

print(result.group(1)) # 区号: 010

print(result.group(2)) # 号码: 12345678

print(result.groups()) # 所有分组: ('010', '12345678')

```

---

四、实战示例

4.1 验证邮箱格式

```python

def is_valid_email(email):

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

return re.match(pattern, email) is not None

测试

print(is_valid_email('test@example.com')) # True

print(is_valid_email('invalid-email')) # False

print(is_valid_email('user.name@domain.cn')) # True

```

4.2 验证手机号

```python

def is_valid_phone(phone):

pattern = r'^13-9\d{9}$'

return re.match(pattern, phone) is not None

测试

print(is_valid_phone('13812345678')) # True

print(is_valid_phone('12345678901')) # False（12开头）

print(is_valid_phone('1381234567')) # False（位数不够）

```

4.3 提取URL中的域名

```python

def extract_domain(url):

pattern = r'https?://(\^/+)'

result = re.search(pattern, url)

return result.group(1) if result else None

测试

print(extract_domain('https://blog.csdn.net/article/123')) # blog.csdn.net

print(extract_domain('http://www.example.com/path')) # www.example.com

```

4.4 隐藏身份证号中间部分

```python

def mask_id_card(id_card):

保留前6位和后4位，中间用*代替

return re.sub(r'(\d{6})\d{8}(\d{4})', r'\1********\2', id_card)

print(mask_id_card('110101199001011234')) # 110101********1234

```

4.5 统计文本中单词出现次数

```python

def count_word(text, word):

使用\b确保匹配完整单词

pattern = rf'\b{word}\b'

matches = re.findall(pattern, text, re.IGNORECASE)

return len(matches)

text = 'Python is great. I love Python. python is easy!'

print(count_word(text, 'python')) # 3（忽略大小写）

```

---

五、注意事项与最佳实践

1. **使用原始字符串**：正则表达式前加`r`，避免转义字符问题

2. **先测试再使用**：复杂正则建议先用在线工具测试

3. **适度使用**：过于复杂的正则可读性差，考虑分步骤处理

4. **贪婪与非贪婪**：`*`、`+`默认贪婪匹配，加`?`变为非贪婪（`*?`、`+?`）

5. **编译正则**：多次使用的正则可先用`re.compile()`编译，提高效率

```python

编译正则表达式（推荐重复使用时）

pattern = re.compile(r'\d+')

result1 = pattern.findall('数字123，数字456')

result2 = pattern.findall('价格99元，数量10个')

```

---

**总结**：正则表达式是Python文本处理的利器，掌握基础语法和常用函数，就能解决大部分文本处理问题。建议从简单场景开始练习，逐步掌握更复杂的用法。