Python 正则表达式 (re 模块) 实战指南

Python 正则表达式 (re 模块) 实战指南

通过分步示例掌握 Python re 模块正则表达式威力，涵盖常见模式、匹配技巧与进阶函数。

什么是正则表达式？

正则表达式 是定义搜索模式的字符序列。例如模式 ^a...s$ 匹配任意以 a 开头、以 s 结尾的五字母字符串。

^a...s$

模式可用于匹配字符串。下表演示该模式对不同输入的行为：

表达式	字符串	匹配？
^a...s$	abs	不匹配
	alias	匹配
	abyss	匹配
	Alias	不匹配
	An abacus	不匹配

---

Python re 模块提供处理 RegEx 所需工具。快速示例用 re.match() 检查模式：

import re
pattern = '^a...s$'
test_string = 'abyss'
result = re.match(pattern, test_string)
if result:
    print("Search successful.")
else:
    print("Search unsuccessful.")

模式找到时 re.match() 返回匹配对象；否则返回 None。

---

用元字符指定模式

元字符是正则引擎特殊解释的符号。最常用元字符速查：

[] . ^ $ * + ? {} () \ |

---

方括号：[]

方括号定义要匹配的字符集。如 [abc] 匹配 a、b 或 c 的单次出现。

表达式	字符串	匹配？
[abc]	a	1 匹配
	ac	2 匹配
	Hey Jude	不匹配
	abc de ca	5 匹配

用连字符表示范围，如 [a-e] 等于 [abcde]。反转集合在左括号后加 ^，如 [^abc] 匹配除 a、b、c 外任意字符。

---

句点：.

句点匹配除换行符外任意单字符。

表达式	字符串	匹配？
..	a	不匹配
	ac	1 匹配
	acd	1 匹配
	acde	2 匹配（含 4 字符）

---

插入符：^ 与美元符：$

插入符断言字符串开始；美元符断言结束。如 ^a 匹配以 a 开头的字符串，a$ 匹配以 a 结尾的字符串。

表达式	字符串	匹配？
^a	a	1 匹配
	abc	1 匹配
	bac	不匹配
^ab	abc	1 匹配
	acb	不匹配（以 a 开头但非 b 后跟）

表达式	字符串	匹配？
a$	a	1 匹配
	formula	1 匹配
	cab	不匹配

---

量词：*、+、?、{n,m}

这些符号控制前一个元素出现次数。

• * —— 零次或多次。
• + —— 一次或多次。
• ? —— 零次或一次。
• {n,m} —— 至少 n 至多 m 次。

示例：

表达式	字符串	匹配？
ma*n	mn	1 匹配
	man	1 匹配
	maaan	1 匹配
	main	不匹配（a 非 n 后跟）
	woman	1 匹配

表达式	字符串	匹配？
ma+n	mn	不匹配（无 a）
	man	1 匹配
	maaan	1 匹配
	main	不匹配（a 非 n 后跟）
	woman	1 匹配

表达式	字符串	匹配？
ma?n	mn	1 匹配
	man	1 匹配
	maaan	不匹配（多于一个 a）
	main	不匹配（a 非 n 后跟）
	woman	1 匹配

表达式	字符串	匹配？
a{2,3}	abc dat	不匹配
	abc daat	1 匹配（在 daat）
	aabc daaat	2 匹配（在 aabc 和 daaat）
	aabc daaaat	2 匹配（在 aabc 和 daaaat）

常用模式：[0-9]{2,4} 匹配 2 到 4 连续数字。

表达式	字符串	匹配？
[0-9]{2,4}	ab123csde	1 匹配（在 ab123csde）
	12 and 345673	3 匹配（12、3456、73）
	1 and 2	不匹配

---

选择：|

竖线实现逻辑或。如 a|b 匹配含 a 或 b 的字符串。

表达式	字符串	匹配？
a|b	cde	不匹配
	ade	1 匹配（在 ade）
	acdbea	3 匹配（在 acdbea）

---

分组：()

括号分组子模式并捕获匹配子串。例：(a|b|c)xz 匹配含 a、b 或 c 后跟 xz 的字符串。

表达式	字符串	匹配？
(a|b|c)xz	ab xz	不匹配
	abxz	1 匹配（在 abxz）
	axz cabxz	2 匹配（在 axzbc cabxz）

---

转义：\

用反斜杠将元字符视为字面量。如 \$a 匹配字面序列 $a 而非将 $ 视为字符串结束锚点。

---

特殊序列

特殊序列简化常用模式。下为参考列表及示例。

字符串开始：\A

表达式	字符串	匹配？
\Athe	the sun	匹配
	In the sun	不匹配

单词边界：\b

表达式	字符串	匹配？
\bfoo	football	匹配
	a football	匹配
	afootball	不匹配
foo\b	the foo	匹配
	the afoo test	匹配
	the afootest	不匹配

非单词边界：\B

表达式	字符串	匹配？
\Bfoo	football	不匹配
	a football	不匹配
	afootball	匹配
foo\B	the foo	不匹配
	the afoo test	不匹配
	the afootest	匹配

数字：\d / 非数字：\D

表达式	字符串	匹配？
\d	12abc3	3 匹配（在 12abc3）
	Python	不匹配
\D	1ab34"50	3 匹配（在 1ab34"50）
	1345	不匹配

空白：\s / 非空白：\S

表达式	字符串	匹配？
\s	Python RegEx	1 匹配
	PythonRegEx	不匹配
\S	a b	2 匹配（在 a b）
		不匹配

单词字符：\w / 非单词：\W

表达式	字符串	匹配？
\w	12&": ;c	3 匹配（在 12": ;c）
	"%> !	不匹配
\W	1a2%c	1 匹配（在 1a2%c）
	Python	不匹配

字符串结束：\Z

表达式	字符串	匹配？
Python\Z	I like Python	1 匹配
	I like Python Programming	不匹配
	Python is fun.	不匹配

---

提示：用在线正则测试器如 regex101 快速构建调试模式。

---

在 Python 中使用 RegEx

Python re 模块提供丰富函数和常量进行正则操作。导入：

import re

以下是最常用工具及用法。

---

re.findall()

返回字符串中所有非重叠匹配列表。

# 从字符串提取所有数字
import re
string = 'hello 12 hi 89. Howdy 34'
pattern = '\d+'
result = re.findall(pattern, string)
print(result)  # 输出: ['12', '89', '34']

无匹配时返回空列表。

---

re.split()

在模式匹配处分割字符串，返回子串列表。

import re
string = 'Twelve:12 Eighty nine:89.'
pattern = '\d+'
result = re.split(pattern, string)
print(result)  # 输出: ['Twelve:', ' Eighty nine:', '.']

可选 maxsplit 限制分割次数。0（默认）在每处匹配分割。

import re
string = 'Twelve:12 Eighty nine:89 Nine:9.'
pattern = '\d+'
# 仅在首次出现分割
result = re.split(pattern, string, 1)
print(result)  # 输出: ['Twelve:', ' Eighty nine:89 Nine:9.']

---

re.sub()

用替换字符串替换所有模式匹配。

# 移除所有空白字符
import re
string = 'abc 12\nde 23 \n f45 6'
pattern = '\s+'
replace = ''
new_string = re.sub(pattern, replace, string)
print(new_string)  # 输出: abc12de23f456

限制替换次数提供 count 参数。0 替换所有匹配。

new_string = re.sub(r'\s+', replace, string, 1)
print(new_string)  # 输出:
# abc12de 23
# f45 6

---

re.subn()

类似 re.sub()，但返回包含新字符串和替换次数的元组。

new_string = re.subn(pattern, replace, string)
print(new_string)  # 输出: ('abc12de23f456', 4)

---

re.search()

找到模式首次匹配位置。

string = "Python is fun"
match = re.search('\\APython', string)
if match:
    print("pattern found inside the string")
else:
    print("pattern not found")
# 输出: pattern found inside the string

---

匹配对象

匹配时 re.search() 返回 Match 对象。常用方法和属性：

• group() —— 匹配子串。
• start() / end() —— 匹配索引。
• span() —— (start, end) 元组。
• groups() —— 所有捕获组。

string = '39801 356, 2102 1111'
pattern = '(\d{3}) (\d{2})'
match = re.search(pattern, string)
if match:
    print(match.group())
    print(match.group(1))
    print(match.group(2))
    print(match.groups())
    print(match.start(), match.end(), match.span())
else:
    print("pattern not found")
# 输出:
# 801 35
# 801
# 35
# ('801', '35')
# 2 8 (2, 8)

---

使用原始字符串（前缀 r）

字符串字面量前加 r 将反斜杠视为字面字符，防止意外转义序列。这在正则模式中特别有用。

string = '\n and \r are escape sequences.'
result = re.findall(r'[\n\r]', string)
print(result)  # 输出: ['\n', '\r']

---

深入探索 re 模块请参考官方 Python 文档。