Python中正则表达式（re 模块）详解使用（1）原理篇

---

一、正则表达式简介

正则表达式（Regular Expression, regex）是一种用于匹配、查找、替换字符串模式的强大工具。
在 Python 中由标准库 re 提供支持。

import re

---

二、基础语法结构

类型	符号	含义	示例
字符匹配	.	匹配任意除换行外的字符	a.c → 匹配 abc, axc
字符集	[abc]	匹配 a 或 b 或 c	[0-9] 匹配任意数字
否定字符集	[^abc]	不匹配 a,b,c	[^0-9] 非数字
转义	\	转义或表示特殊序列	\d, \s, \w
组与范围	( )	捕获分组	(abc)+ 匹配多次出现的 “abc”
或	`	`	或逻辑	`cat	dog` 匹配 “cat” 或 “dog”

---

三、量词（重复次数）

符号	含义	示例
*	重复 0 次或多次	ab*c → ac, abc, abbc
+	重复 1 次或多次	ab+c → abc, abbc
?	重复 0 或 1 次	ab?c → ac, abc
{n}	重复 n 次	a{3} → aaa
{n,}	至少 n 次	a{2,} → aa, aaa, …
{n,m}	n 到 m 次之间	a{2,4} → aa, aaa, aaaa

贪婪与非贪婪（懒惰）模式

类型	含义	示例
贪婪（默认）	尽可能多地匹配	a.*b 匹配最远的 b
非贪婪	尽可能少地匹配	a.*?b 匹配最近的 b

---

四、预定义字符集（快捷写法）

表达式	含义	等价
\d	数字	[0-9]
\D	非数字	[^0-9]
\w	单词字符（字母数字下划线）	[A-Za-z0-9_]
\W	非单词字符	[^A-Za-z0-9_]
\s	空白字符（空格、制表、换行等）	[ \t\n\r\f\v]
\S	非空白字符	[^ \t\n\r\f\v]

---

五、锚点（位置匹配）

符号	含义	示例
^	字符串开头	^abc 匹配以 abc 开头
$	字符串结尾	abc$ 匹配以 abc 结尾
\b	单词边界	\bcat\b 仅匹配独立单词 “cat”
\B	非单词边界	\Bcat\B

---

六、分组与反向引用

捕获分组

m = re.match(r'(\d{4})-(\d{2})-(\d{2})', '2025-10-31')
print(m.group(1))  # 2025
print(m.group(2))  # 10
print(m.group(3))  # 31

命名分组

m = re.match(r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})', '2025-10-31')
print(m.group('year'))  # 2025

反向引用

re.search(r'(\b\w+)\s+\1', 'hello hello world')  # 匹配重复单词

---

七、前瞻与后顾（零宽断言）

类型	写法	含义	示例
正向前瞻	(?=...)	匹配后面满足条件的字符串	\d(?=px) 匹配 “12px” 中的 “2”
负向前瞻	(?!...)	匹配后面不满足条件的字符串	\d(?!px)
正向后顾	(?<=...)	匹配前面满足条件的字符串	(?<=\$)\d+ 匹配 “$99” 中的 “99”
负向后顾	(?<!...)	匹配前面不满足条件的字符串	(?<!\$)\d+

这些不会消耗字符，因此称为零宽断言。

---

八、re 模块常用函数

函数	作用	示例
re.match()	从字符串开头匹配	re.match('abc', 'abcdef')
re.search()	搜索任意位置首次匹配	re.search('abc', '123abc456')
re.findall()	返回所有匹配的列表	re.findall(r'\d+', 'a1b22c333') → ['1','22','333']
re.finditer()	返回迭代器，每个元素是 Match 对象	遍历效率高
re.sub()	替换匹配字符串	re.sub(r'\d+', '#', 'a1b22c333') → 'a#b#c#'
re.split()	按匹配模式分割	re.split(r'[,;]', 'a,b;c') → ['a','b','c']
re.compile()	预编译正则，重复使用时更高效	pattern = re.compile(r'\d+')

---

九、匹配对象 Match 属性

m = re.search(r'(\d+)', 'abc123xyz')
m.group()    # '123'
m.start()    # 3
m.end()      # 6
m.span()     # (3,6)
m.groups()   # ('123',)

---

十、标志位（flags）

Flag	含义	示例
re.I	忽略大小写	re.match(r'abc', 'ABC', re.I)
re.M	多行模式 (^,$ 匹配行首行尾)	re.findall('^abc', text, re.M)
re.S	让 . 匹配换行符	re.findall('a.*b', s, re.S)
re.X	允许正则表达式中写注释（verbose 模式）	re.compile(r''' \d+ # 数字 ''', re.X)
re.U	Unicode 模式（Python 3 默认开启）	处理中文时生效

---

十一、典型应用示例

提取邮箱地址

re.findall(r'[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}', text)

提取日期

re.findall(r'\d{4}-\d{2}-\d{2}', 'Today is 2025-10-31.')

提取 HTML 标签内容

re.findall(r'<title>(.*?)</title>', html, re.S)

匹配 IP 地址

re.findall(r'\b(?:\d{1,3}\.){3}\d{1,3}\b', text)

替换多余空格

re.sub(r'\s+', ' ', text)

---

十二、性能与优化建议

优化点	建议
🔹 重复匹配	使用 re.compile() 预编译模式
🔹 贪婪匹配过慢	改为非贪婪模式 .*?
🔹 多分支匹配	使用非捕获组 `(?:a	b	c)`
🔹 大文本匹配	优先使用 finditer() 而非 findall()
🔹 正则太复杂	可考虑分步匹配或 string 方法替代

---

十三、特殊用法

非捕获分组

(?:abc){2}     # 匹配两次abc，但不捕获

条件匹配

(?(1)then|else)  # 若第1组存在则匹配then，否则匹配else

注释正则（verbose 模式）

pattern = re.compile(r'''
    ^\s*             # 开头空白
    ([A-Za-z_]\w*)   # 标识符
    \s*=\s*          # 等号
    (".*?"|\d+)      # 字符串或数字
''', re.X)

---

十四、示例汇总演示

import re

text = "Name: Tom, Email: tom@example.com, Age: 25"

# 1. 提取邮箱
email = re.search(r'[\w.-]+@[\w.-]+\.\w+', text).group()

# 2. 提取数字
nums = re.findall(r'\d+', text)

# 3. 替换名字
new_text = re.sub(r'Tom', 'Jerry', text)

# 4. 按逗号分割
parts = re.split(r',\s*', text)

# 5. 使用预编译
pat = re.compile(r'\b[A-Z][a-z]+\b')
names = pat.findall("Tom and Alice went to London.")

---

十五、参考正则速查表（Cheat Sheet）

.        任意字符
^ $      行首/行尾
\d \D    数字/非数字
\s \S    空白/非空白
\w \W    单词字符/非单词
[...]    字符集
[^...]   非字符集
(a|b)    或
(...)    捕获组
(?:...)  非捕获组
(?P<name>...) 命名捕获组
(?=...)  正向前瞻
(?!...)  负向前瞻
(?<=...) 正向后顾
(?<!...) 负向后顾
{m,n}    重复m~n次
* + ?    0+ / 1+ / 0-1 次
*? +? ?? 懒惰匹配
\b \B    单词边界 / 非边界

---