Skip to main content

Python 正则表达式（Regular Expressions）

正则表达式（Regex）是一种强大的字符串匹配和处理工具，Python 提供了 re 模块来处理正则表达式，广泛用于数据清理、文本解析、模式匹配等任务。

1. re 模块​

常用函数​

函数作用
re.match(pattern, string)从字符串开头匹配
re.search(pattern, string)搜索整个字符串，返回第一个匹配
re.findall(pattern, string)返回所有匹配项的列表
re.finditer(pattern, string)返回所有匹配项的迭代器
re.sub(pattern, replacement, string)替换匹配的内容
re.split(pattern, string)按模式拆分字符串
re.compile(pattern)预编译正则，提高匹配效率

示例​

1) re.match() - 从字符串开头匹配​

import re

pattern = r"\d+"  # 匹配一个或多个数字
result = re.match(pattern, "123abc")
print(result.group())  # 输出: 123

result = re.match(pattern, "abc123")
print(result)  # 输出: None (因为匹配必须从字符串开头开始)

2) re.search() - 搜索整个字符串​

import re

pattern = r"\d+"
result = re.search(pattern, "abc123xyz456")
print(result.group())  # 输出: 123

re.search() 只返回第一个匹配项，而 re.findall() 返回所有匹配项。

3) re.findall() - 查找所有匹配项​

import re

pattern = r"\d+"
result = re.findall(pattern, "abc123xyz456")
print(result)  # 输出: ['123', '456']

4) re.finditer() - 迭代查找​

import re

pattern = r"\d+"
matches = re.finditer(pattern, "abc123xyz456")

for match in matches:
    print(match.group())  # 输出: 123 456

5) re.sub() - 字符串替换​

import re

pattern = r"\d+"
replacement = "XXX"
text = "Phone: 123-456-7890"
result = re.sub(pattern, replacement, text)
print(result)  # 输出: Phone: XXX-XXX-XXX

6) re.split() - 按模式拆分字符串​

import re

pattern = r"\s+"  # 匹配空格
text = "Hello   world Python Regex"
result = re.split(pattern, text)
print(result)  # 输出: ['Hello', 'world', 'Python', 'Regex']

7) re.compile() - 预编译正则表达式​

import re

pattern = re.compile(r"\d+")
print(pattern.findall("Order 42, price 100"))  # 输出: ['42', '100']

re.compile() 适用于多次使用相同正则表达式的情况，可以提高效率。

2. 常见正则匹配语法​

1) 元字符​

符号描述示例匹配结果
.任意字符（除换行符）c.tcat, cut
^匹配字符串开头^HelloHello world
$匹配字符串结尾world$Hello world
*匹配0 或更多次ab*a, ab, abb
+匹配1 或更多次ab+ab, abb
?匹配0 或 1 次ab?a, ab
{n}匹配n 次a{3}aaa
{n,}至少匹配 n 次a{2,}aa, aaa, aaaa
{n,m}至少 n 次，至多 m 次a{2,4}aa, aaa, aaaa

2) 字符集​

表达式描述示例匹配
[abc]匹配 a、b 或 cbb
[^abc]不匹配 a、b 或 cdd
[a-z]匹配小写字母ee
[0-9]匹配数字55

3) 预定义字符​

表达式等价于匹配内容
\d[0-9]数字
\D[^0-9]非数字
\s[ \t\n\r\f\v]空白字符
\S[^ \t\n\r\f\v]非空白字符
\w[a-zA-Z0-9_]单词字符（字母、数字、下划线）
\W[^a-zA-Z0-9_]非单词字符

4) 分组和引用​

表达式描述示例匹配
(abc)捕获组(ab)+abab
\1反向引用(ab)\1abab
(?:abc)非捕获组(?:ab)+abab

示例：分组匹配​

import re

pattern = r"(\d{3})-(\d{3})-(\d{4})"
text = "Phone: 123-456-7890"
match = re.search(pattern, text)

if match:
    print(match.group())  # 输出: 123-456-7890
    print(match.group(1))  # 输出: 123
    print(match.group(2))  # 输出: 456
    print(match.group(3))  # 输出: 7890

总结​

功能常用方法示例
匹配字符串re.match(), re.search()re.search(r"\d+", "abc123")
查找所有匹配项re.findall()re.findall(r"\d+", "abc123xyz456")
替换字符串re.sub()re.sub(r"\d+", "X", "Phone: 123-456")
拆分字符串re.split()re.split(r"\s+", "Hello world")
预编译re.compile()pattern = re.compile(r"\d+")

Python 的 re 模块提供了强大的正则表达式功能，可以帮助我们高效地处理文本数据。🚀