Python正则表达式re模块核心功能详解

在Python中，处理正则表达式的标准库是re。你可以把它想象成一把文本处理的“瑞士军刀”，专门用来在海量文本中查找、提取、替换或验证特定格式的字符串。

一、核心工具箱：5个最常用的方法

在使用前，记得先导入模块：import re

方法	作用	形象比喻	返回值
re.match()	从开头匹配	“必须从门口进入”	匹配成功返回对象，失败返回None
re.search()	扫描全文找第一个	“在屋里找一遍，找到就停”	匹配成功返回对象，失败返回None
re.findall()	找到所有匹配项	“把所有符合条件的都抓出来”	列表 ['a', 'b', ...]
re.sub()	替换文本	“把这里的A换成B”	替换后的新字符串
re.split()	按规则分割	“按这个符号切开”	分割后的列表

二、代码实战：一看就懂

1. 查找与提取(search vs findall)

如果你想提取文本中的手机号或数字：

import re

text = "我的手机号是 13800138000，备用号 13900139000"

# search: 只找第一个
res = re.search(r"\d{11}", text) 
if res:
    print(res.group())  # 输出: 13800138000

# findall: 找所有
all_phones = re.findall(r"\d{11}", text)
print(all_phones)  # 输出: ['13800138000', '13900139000']

2. 替换 (sub)

如果你想把敏感词或者特定字符换掉：

text = "今天天气真好，今天心情不错"
# 把所有的"今天"替换为"明天"
new_text = re.sub(r"今天", "明天", text)
print(new_text)  # 输出: 明天天气真好，明天心情不错

3. 验证 (match)

如果你想校验用户输入是否符合格式（比如必须以 "Hello" 开头）：

text = "Hello Python"
# 必须从字符串开头匹配
if re.match(r"Hello", text):
    print("验证通过")

三、语法速查表：正则的“单词”

正则表达式难就难在那些特殊符号。这里有一份Python中最常用的符号清单：

符号	含义	示例	匹配结果
.	匹配任意字符（除换行符）	a.c	"abc", "a c"
\d	匹配数字 [0-9]	\d+	"123"
\w	匹配字母、数字、下划线	\w+	"user_1"
\s	匹配空白字符（空格、Tab等）	a\sb	"a b"
^	匹配字符串开头	^Hello	必须以Hello开头
$	匹配字符串结尾	World$	必须以World结尾
*	匹配 0 次或多次	ab*	"a", "ab", "abb"
+	匹配 1 次或多次	ab+	"ab", "abb" (不含 "a")
?	匹配 0 次或 1 次	ab?	"a", "ab"
{n,m}	匹配 n 到 m 次	\d{2,4}	"12", "123", "1234"

四、两个至关重要的“潜规则”

1. 为什么要用r 前缀？

你可能会看到很多正则都写成 r"\d+" 而不是 "\d+"：

• 原因：Python字符串本身会对 \ 转义（比如 \n 是换行）。为了避免Python 解释器和正则引擎“打架”，我们使用原始字符串（Raw String），即在引号前加 r。
• 建议：写正则时，永远加上 r，比如 re.search(r"...", text)。

2. 贪婪 vs 非贪婪

默认情况下，正则是“贪婪”的，它会尽可能多地匹配字符：

• 贪婪模式：.*
  • 匹配文本：<div>内容A</div><div>内容B</div>
  • 结果：它会一口气匹配整个字符串（因为它想匹配到最后一个 </div>）。
• 非贪婪模式（加个 ?）：.*?
  • 结果：它会匹配到第一个 </div> 就停下来，分别提取出两个 div 内容。

五、进阶提示：预编译

如果你要在循环里大量使用同一个正则（比如处理 1 万行日志），建议先用 re.compile() 把它编译成对象，这样速度会更快：

# 预编译
pattern = re.compile(r"\d+")

# 循环使用
for line in lines:
    pattern.findall(line)