Python进阶系列之-正则表达式

Python-AI Xenon2026-06-29 14:16

Python进阶系列之-正则表达式

写在前面：在日常开发中，我们经常需要处理字符串------校验邮箱格式、提取手机号、过滤敏感词、解析HTML标签......如果用传统字符串方法，往往需要写大量冗长的 if-else 和循环，不仅效率低下，而且容易出错。正则表达式（Regular Expression）正是解决这类问题的利器，它用一套简洁的规则，实现对字符串的精准匹配、查找和替换，是每个 Python 开发者必须掌握的技能。

本文从正则表达式的核心概念出发，系统讲解 Python 中 re 模块的常用函数（match、search、compile、sub），深入解析各类元字符、数量词、边界符、分组与反向引用，最后通过多个实战案例（邮箱校验、HTML标签匹配、敏感词过滤）带你彻底掌握正则表达式。

文章目录

  • Python进阶系列之-正则表达式
    • 一、正则表达式基础
      • [1.1 什么是正则表达式](#1.1 什么是正则表达式)
      • [1.2 正则表达式在 Python 中的使用步骤](#1.2 正则表达式在 Python 中的使用步骤)
      • [1.3 三个核心函数](#1.3 三个核心函数)
    • 二、正则表达式核心规则
      • [2.1 匹配单个字符](#2.1 匹配单个字符)
      • [2.2 匹配多个字符（数量词）](#2.2 匹配多个字符（数量词）)
        • [贪婪 vs 非贪婪：经典匹配陷阱](#贪婪 vs 非贪婪：经典匹配陷阱)
      • [2.3 边界匹配](#2.3 边界匹配)
      • [2.4 选择与分组](#2.4 选择与分组)
    • [三、re 模块进阶用法](#三、re 模块进阶用法)
      • [3.1 `re.compile()` 编译正则](#3.1 re.compile() 编译正则)
      • [3.2 `re.sub()` 替换字符串](#3.2 re.sub() 替换字符串)
      • [3.3 标志位（flags）](#3.3 标志位（flags）)
      • [3.4 `re.split()`：按正则规则分割字符串](#3.4 re.split()：按正则规则分割字符串)
    • 四、综合实战案例
      • [4.1 邮箱校验](#4.1 邮箱校验)
      • [4.2 手机号提取](#4.2 手机号提取)
      • [4.3 敏感词过滤](#4.3 敏感词过滤)
      • [4.4 提取 URL 中的域名](#4.4 提取 URL 中的域名)
      • [4.5 HTML 标签合法性校验](#4.5 HTML 标签合法性校验)
    • 五、常见误区与注意事项
    • 六、正则表达式速查表
    • 七、全文总结

一、正则表达式基础

1.1 什么是正则表达式

正则表达式（Regular Expression，简称 regex）是一种描述字符串模式的表达式。它用特定的符号组合来定义一组字符串的规则，然后利用这些规则对目标字符串进行匹配、查找、替换等操作。

核心价值：

  • 从海量文本中快速提取目标信息
  • 验证用户输入的合法性（邮箱、手机号、密码强度）
  • 批量替换符合某种模式的文本

1.2 正则表达式在 Python 中的使用步骤

Python 通过内置的 re 模块提供正则支持，使用流程非常简单：

python 复制代码 
import re

# 1. 定义正则规则（模式）
pattern = r'\d+'  # 匹配一个或多个数字

# 2. 调用 re 模块的函数进行匹配
result = re.match(pattern, '123abc')

# 3. 获取匹配结果
if result:
    print(result.group())  # 输出: 123

注意 ：正则表达式字符串前建议加上 r（raw string），表示原始字符串，避免反斜杠 \ 被 Python 解释器转义。

1.3 三个核心函数

函数 作用 匹配方式
re.match(pattern, string) 从字符串的起始位置开始匹配 必须从头匹配，不匹配则返回 None
re.search(pattern, string) 在整个字符串中查找第一个匹配项 可以从任意位置开始匹配
re.findall(pattern, string) 查找字符串中所有匹配项，返回列表 全局搜索

示例对比：

python 复制代码 
import re

text = 'hello 123 world 456'

# match: 从头匹配
print(re.match(r'\d+', text))   # None，因为开头是字母

# search: 查找第一个
print(re.search(r'\d+', text).group())  # 123

# findall: 查找所有
print(re.findall(r'\d+', text))  # ['123', '456']

📌 快速记忆口诀：

  • match：从头开始匹配，开头不对直接失败
  • search：全文扫描查找，找到第一个就返回
  • findall：全文全部找完，返回列表形式

二、正则表达式核心规则

2.1 匹配单个字符

元字符 含义 等价表示
. 匹配任意一个 字符（除换行符 \n） -
\d 匹配任意一个数字 [0-9]
\D 匹配任意一个非数字 [^0-9]
\s 匹配任意一个空白字符（空格、\t、\n、\r） -
\S 匹配任意一个非空白字符 -
\w 匹配任意一个单词字符（字母、数字、下划线、汉字） [a-zA-Z0-9_\u4e00-\u9fa5]
\W 匹配任意一个非单词字符 -
[abc] 匹配 a、b、c 中的任意一个 -
[^abc] 匹配除了 a、b、c 以外的任意一个 -

示例：

python 复制代码 
import re

# . 匹配任意一个字符
print(re.match(r'.it.', '.ita').group())  # .ita

# \d 匹配数字
print(re.match(r'\d{3}', '123abc').group())  # 123

# [abc] 匹配 a、b、c 之一
print(re.match(r'[abc]+\d', 'aaa123').group())  # aaa1

2.2 匹配多个字符（数量词）

数量词 含义 举例
? 前面的字符出现 0 次或 1 次 colou?r 可匹配 color 或 colour
+ 前面的字符出现 1 次或多次 \d+ 匹配一个或多个数字
* 前面的字符出现 0 次或多次 \d* 匹配零个或多个数字
{n} 前面的字符出现恰好 n 次 \d{3} 匹配三位数字
{n,} 前面的字符出现至少 n 次 \d{3,} 匹配三位及以上数字
{n,m} 前面的字符出现 n 到 m 次 \d{2,5} 匹配二到五位数字

示例：

python 复制代码 
import re

# ? 表示0或1次
print(re.match(r'colou?r', 'color').group())   # color
print(re.match(r'colou?r', 'colour').group())  # colour

# + 表示1次或多次
print(re.match(r'\d+', '123abc').group())  # 123

# * 表示0次或多次
print(re.match(r'ab*', 'a').group())  # a
print(re.match(r'ab*', 'abbb').group())  # abbb

# {n,m} 指定次数范围
print(re.match(r'\d{2,4}', '12345').group())  # 1234（贪婪匹配，尽可能多）
贪婪 vs 非贪婪：经典匹配陷阱

默认情况下，*、+、{n,m} 都是贪婪模式 ：会尽可能多地匹配字符，直到无法继续为止。在数量词后加 ? 可切换为非贪婪（懒惰）模式：尽可能少地匹配，满足条件就停止。

最典型的场景是匹配 HTML 标签：

python 复制代码 
import re

text = '<div>第一段</div><div>第二段</div>'

# 贪婪模式：匹配到最后一个 </div> 才停止
greedy = re.match(r'<div>.*</div>', text)
print(greedy.group())
# 输出：<div>第一段</div><div>第二段</div>

# 非贪婪模式：遇到第一个 </div> 就停止
lazy = re.match(r'<div>.*?</div>', text)
print(lazy.group())
# 输出：<div>第一段</div>

记忆技巧：加 ? 就是"别贪了，够了就停"。

2.3 边界匹配

元字符 含义
^ 匹配字符串的开头
$ 匹配字符串的结尾
\b 匹配单词的边界

示例：

python 复制代码 
import re

# ^ 开头匹配
print(re.search(r'^\d+', '123abc').group())  # 123
print(re.search(r'^\d+', 'a123'))  # None

# $ 结尾匹配
print(re.search(r'\d+$', 'abc123').group())  # 123
print(re.search(r'\d+$', '123abc'))  # None

# 同时使用 ^ 和 $ 进行全匹配
print(re.match(r'^\d{3}$', '123').group())  # 123
print(re.match(r'^\d{3}$', '1234'))  # None

2.4 选择与分组

元字符 含义
` `
() 分组，将括号内的内容作为一个整体，并可以捕获匹配结果
\num 反向引用，引用第 num 个分组匹配到的内容
(?P<name>) 给分组命名
(?P=name) 引用命名分组匹配到的内容

示例：使用分组提取信息

python 复制代码 
import re

# 提取 QQ 号和号码
result = re.match(r'(qq):(\d{5,11})', 'qq:12306')
if result:
    print(result.group(0))  # qq:12306
    print(result.group(1))  # qq
    print(result.group(2))  # 12306

示例：反向引用校验 HTML 标签

python 复制代码 
import re

# 匹配单级标签，确保前后标签一致
result = re.match(r'<([a-zA-Z]+)>.*</\1>', '<html>hello</html>')
print(result.group())  # <html>hello</html>

# 匹配多级嵌套标签
result = re.match(r'<([a-zA-Z]+)><([a-zA-Z]+)>.*</\2></\1>', '<div><span>text</span></div>')
print(result.group())  # <div><span>text</span></div>

示例：命名分组

python 复制代码 
result = re.match(r'<(?P<tag>\w+)>.*</(?P=tag)>', '<p>content</p>')
print(result.group())  # <p>content</p>

三、re 模块进阶用法

3.1 re.compile() 编译正则

当需要多次使用同一个正则表达式时，可以先编译成正则对象，提高匹配效率。

python 复制代码 
import re

# 编译正则
pattern = re.compile(r'\d+')

# 使用编译后的对象进行匹配
print(pattern.findall('abc123def456'))  # ['123', '456']
print(pattern.search('abc123').group())  # 123

3.2 re.sub() 替换字符串

re.sub() 用于替换字符串中符合正则的部分，功能比字符串的 replace() 强大得多。

python 复制代码 
import re

# 将敏感词替换为 *
text = '车主说: 你的刹车片应该换了啊, 嘿嘿'
pattern = r'啊|阿|嘿|呵|哈|啦|嘻|桀'
result = re.sub(pattern, '*', text)
print(result)  # 车主说: 你的刹车片应该换了*, 嘿*

# 支持回调函数
def repl(match):
    return '*' * len(match.group())

result = re.sub(r'\d+', repl, '我的电话是123456789')
print(result)  # 我的电话是*********

3.3 标志位（flags）

re 模块支持多种标志位，用于改变匹配行为：

标志 缩写 作用
re.I IGNORECASE 忽略大小写
re.M MULTILINE 多行模式，^ 和 $ 匹配每行的开头和结尾
re.S DOTALL 让 . 匹配包括换行符在内的任意字符
python 复制代码 
import re

# 忽略大小写
print(re.match(r'hello', 'HELLO', re.I).group())  # HELLO

# 多行模式
text = 'first line\nsecond line'
print(re.findall(r'^\w+', text, re.M))  # ['first', 'second']

# re.S 让 . 匹配换行符，实现跨行匹配
text = '''<div>
第一行内容
第二行内容
</div>'''

# 默认 . 不匹配换行，匹配失败
print(re.search(r'<div>.*</div>', text))  # None

# 加 re.S 后成功匹配跨行内容
result = re.search(r'<div>.*?</div>', text, re.S)
print(result.group())  # 完整输出包含换行的div标签内容

3.4 re.split()：按正则规则分割字符串

字符串原生的 split() 只能按固定字符分割，re.split() 支持按正则规则分割，能同时处理多种分隔符。

python 复制代码 
import re

# 按逗号、分号、空格分割字符串
text = 'apple,banana; orange  grape'
result = re.split(r'[,; ]+', text)
print(result)
# 输出：['apple', 'banana', 'orange', 'grape']

四、综合实战案例

4.1 邮箱校验

python 复制代码 
import re

def validate_email(email):
    pattern = r'^[a-zA-Z0-9_]{4,20}@(163|126|qq|gmail)\.(com|cn)$'
    if re.match(pattern, email):
        return True
    return False

# 测试
emails = ['hello@163.com', 'test@qq.cn', 'bad@email', 'toolongusername@163.com']
for e in emails:
    print(f'{e}: {"有效" if validate_email(e) else "无效"}')

4.2 手机号提取

python 复制代码 
import re

text = '我的手机是13800138000，他的手机是13912345678'
pattern = r'1[3-9]\d{9}'
phones = re.findall(pattern, text)
print(phones)  # ['13800138000', '13912345678']

4.3 敏感词过滤

python 复制代码 
import re

def filter_sensitive(text, sensitive_words):
    # 将敏感词列表拼接成正则
    pattern = '|'.join(sensitive_words)
    return re.sub(pattern, '***', text)

words = ['暴力', '色情', '赌博']
text = '这是一个包含暴力和色情的文本，请勿赌博。'
print(filter_sensitive(text, words))
# 这是一个包含***和***的文本，请勿***。

4.4 提取 URL 中的域名

python 复制代码 
import re

url = 'https://www.baidu.com/s?wd=python'
pattern = r'https?://([^/]+)'
result = re.search(pattern, url)
if result:
    print(result.group(1))  # www.baidu.com

4.5 HTML 标签合法性校验

利用分组+反向引用，可以校验 HTML 标签是否成对闭合，避免出现<div></span>这种标签不匹配的错误。

python 复制代码 
import re

# 案例1：校验单级标签（普通反向引用）
pattern1 = r'<([a-zA-Z]{1,6})>.*</\1>'
print(re.match(pattern1, '<p>你好</p>').group())   # 匹配成功
print(re.match(pattern1, '<p>你好</div>'))          # None，标签不匹配

# 案例2：校验多级嵌套标签（命名分组写法）
pattern2 = r'<(?P<outer>[a-z]+)><(?P<inner>h[1-6])>.*</(?P=inner)></(?P=outer)>'
html = '<div><h3>标题</h3></div>'
print(re.match(pattern2, html).group())  # 匹配成功

五、常见误区与注意事项

  1. 忘记加 r 前缀 ：\d 在普通字符串中会被转义为 d，导致匹配失败。始终使用 r'\d'。

  2. 混淆 match 和 search ：match 必须从头匹配，search 可以匹配任意位置。

  3. 贪婪匹配陷阱 ：默认 * 和 + 是贪婪的，如果需要最小匹配，加 ?。

  4. 分组编号从 1 开始 ：group(0) 是整个匹配，group(1) 是第一个分组。

  5. 正则性能问题 ：过于复杂的正则可能导致回溯爆炸，建议拆分成多个简单正则或使用 re.compile 预编译。

  6. 特殊字符转义坑 ：正则里 . * + ? | () [] {} ^ $ \ 都是有特殊含义的元字符，如果要匹配它们本身，必须加反斜杠转义。

    python 复制代码 
    import re
# 匹配小数点，必须转义
print(re.match(r'3\.14', '3.14').group())  # 正确
print(re.match(r'3.14', '3x14').group())   # 也能匹配，因为.代表任意字符

# 匹配反斜杠，需要写两次（原生字符串下）
print(re.match(r'\\', '\\').group())  # 匹配单个\

    记忆：元字符想当普通字符用，前面加 \ 就对了。

  7. 不要滥用正则 ：正则不是万能的。

    • 解析 HTML/XML 结构：用 BeautifulSoup、lxml 等专门库，正则无法完美处理嵌套结构
    • 解析 JSON 数据：用内置 json 模块，比正则更稳健
    • 简单固定字符串替换：直接用 str.replace()，性能比正则更好
      正则的定位是处理符合某种模式的纯文本，复杂结构化数据优先用专用工具。

六、正则表达式速查表

类别 符号 说明
字符 . 任意字符（除 \n）
字符集 [abc] a、b、c 之一
否定字符集 [^abc] 非 a、b、c
数字 \d 数字 [0-9]
非数字 \D [^0-9]
空白 \s 空格、\t、\n、\r
非空白 \S 非空白
单词字符 \w 字母、数字、下划线、汉字
非单词字符 \W 特殊字符
数量 ? 0 或 1 次
数量 + 1 次或多次
数量 * 0 次或多次
数量 {n} 恰好 n 次
数量 {n,} 至少 n 次
数量 {n,m} n 到 m 次
边界 ^ 开头
边界 $ 结尾
边界 \b 单词边界
选择 ` `
分组 () 捕获分组
反向引用 \1 引用第 1 个分组
命名分组 (?P<name>) 命名
引用命名 (?P=name) 引用命名分组

常用正则开箱即用速查

整理了开发中最高频的正则规则，收藏后可以直接调用：

场景 正则表达式 说明
手机号 1[3-9]\d{9} 中国大陆11位手机号
邮箱 [a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+ 通用邮箱格式
身份证号 \d{17}[\dXx] 18位身份证号
中文汉字 [\u4e00-\u9fa5]+ 匹配纯中文
URL地址 https?://[\w\-]+(\.[\w\-]+)+[/#?]?.* 匹配http/https链接
IPv4地址 \d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3} 基础IP格式校验
正整数 [1-9]\d* 大于0的整数

七、全文总结

  • 正则表达式是用特定符号描述字符串模式的工具，广泛应用于校验、查找、替换。
  • Python 的 re 模块 提供了 match、search、findall、sub、compile、split 等核心函数。
  • 元字符包括字符类、数量词、边界符、分组与反向引用，掌握它们就能写出大部分正则。
  • 实战案例：邮箱校验、手机号提取、敏感词过滤、URL 解析、HTML标签校验等，都是日常开发的常用场景。
  • 最佳实践 ：使用 r 前缀、预编译正则、注意贪婪/懒惰、合理使用分组，避免滥用正则。

正则表达式是程序员的瑞士军刀，初学时可能觉得晦涩难懂，但只要多写多用，很快就能得心应手。希望这篇博客能帮你打开正则的大门，从此面对字符串处理游刃有余。

如果觉得有帮助，欢迎点赞收藏，持续更新中 🚀

热门推荐
012026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？022026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04飞书长连接_事件订阅（接收消息，审批任务状态变更）05Trae国际版与国内版深度测评：AI原生IDE的双生花06【AI】2026 年具身智能模型和世界模型总结07GitHub 镜像站点08Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析092026年AI架构实战：彻底解决OpenAI接口超时与封号，Python调用GPT-5.2/Sora2企业级架构详解（附源码+压测报告）102026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？