当前位置：首页>学习笔记>Python学习笔记——从入门到报废(三十、正则表达式)

Python学习笔记——从入门到报废(三十、正则表达式)

2026-05-25 06:46:25

正则表达式是一个特殊的字符序列，用于方便地检查一个字符串是否与某种模式匹配。例如按照“20XX-XX-XX”提取日期、按照“XXX@XXX.XXX”提取电子邮件等。

Python的re模块提供了Perl风格的正则表达式模式。本章节主要介绍几种常用的正则表达式处理函数。

一、re模块常用函数

首先，我们给定一个字符串即匹配模板：

import retext = "Tel: 010-12345678, 021-87654321"pattern = r"\d{3,4}-\d{7,8}"   # 区号-号码

注意，正则匹配模板字符串以引号外的“r”开头，若不加“r”则当作普通字符串进行字符串查找匹配。我们以上述内容为例，列举re模块中几个函数的调用方法及结果：

功能	调用示例	返回结果
匹配字符串是否符合正则模板的格式。	re.match(pattern, text)	None。由于从起始位置匹配成功，返回None；否则返回匹配位置。
查找字符串中是否存在匹配正则模板的子串。	re.search(pattern, text)	<re.Match>对象，返回第一个匹配子串的信息，span属性为该子串的起始终止位置，match属性为该子串。
给出字符串中所有匹配正则模板的子串。	re.findall(pattern, text)	['010-12345678', '021-87654321']
使用给定字符串，替换原字符串中符合正则模板的子串。	re.sub(pattern, “****”, text)	Tel: ***, ***
将原字符串中匹配正则模板的子串找出并返回该列表。	re.split(pattern, text)	['Tel: ', ', ', '']
编译产生一个正则表达式对象，提供给match等函数使用。	pat=re.compile(pattern) pat.findall(text)	['010-12345678', '021-87654321']

二、正则语法

在正则表达式中，为了实现需要的模板，可以使用以下的符号用于匹配目标字符串：

符号	含义
^	匹配字符串开头
$	匹配字符串结尾
.	匹配任意字符，除换行符，当制定re.DOTALL标记，可匹配换行符
[…]	用于匹配一组字符，如[ak47]匹配‘a’、‘k’、‘4’或‘7’
[^…]	用于不匹配一组字符，如[^amd]匹配‘a’、‘m’、‘d’以外字符
*	匹配0个或多个字符，如a*表示匹配大于等于0个‘a’
+	匹配1个或多个字符，如a+表示匹配大于等于1个‘a’
?	匹配0个或1个字符
a\|b	匹配字符a或b
\d	匹配1个任意数字，介于0到9
\D	匹配1个任意非数字
\w	匹配1个字母、数字或下划线
\W	匹配1个非字母、数字或下划线
\s	匹配1个空白字符，等价于\t、\n、\r或\f
\S	匹配1个非空白字符
\b	匹配1个单词边界，如er\b匹配‘never’而非‘verb’中的‘er’
\B	匹配1个非单词边界
\n, \t	匹配换行符或制表符
{n}	精确匹配n次大括号前字符（串），如a{2}匹配‘aa’
{n, m}	精确匹配n至m次大括号前字符（串）
(group)	对表达式进行分组匹配，可用group()函数按分组索引提取
……

三、举例

我们来举几个正则表达式的字符串模板例子：

# 提取邮箱地址pattern = r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b"# 提取日期时间pattern = r"\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}"# 提取网址 URLpattern = r"https?://[^\s]+"# 提取被 - 分隔的 3 个数字pattern = r"(\d+)-(\d+)-(\d+)"

四、修饰符（flags）

模块re中的函数通常包含一个flags参数，用于对匹配过程进行额外的控制：

修饰符	作用
re.IGNORECASE (re.I)	忽略大小写
re.MULTILINE (re.M)	“^”和“$”匹配每一行开头或结尾
re.DOTALL (re.S)	允许“.”匹配换行符
re.VERBOSE (re.X)	允许正则中加注释和空白