一、正则表达式基础
1. 什么是正则表达式？
正则表达式（Regular Expression，简称regex）是一种用于匹配和处理文本的强劲工具，通过特殊符号和语法描述字符串模式。
典型场景：
- 验证邮箱、手机号格式
- 提取URL、IP地址
- 替换敏感词
- 分割字符串
二、Python中的正则表达式模块：re
Python通过re模块支持正则表达式操作，核心方法包括：
- re.match()：从字符串开头匹配
- re.search()：搜索整个字符串的第一个匹配
- re.findall()：返回所有匹配的列表
- re.sub()：替换匹配的文本
- re.compile()：预编译正则表达式（提升性能）
三、正则表达式语法
1. 基础符号
|
符号 |
作用 |
示例 |
匹配结果 |
|
. |
匹配任意字符（除换行符） |
a.c → 匹配abc |
abc |
|
* |
匹配前一个字符0次或多次 |
ab* → 匹配a、ab、abb |
abb |
|
+ |
匹配前一个字符1次或多次 |
ab+ → 匹配ab、abb |
ab |
|
? |
匹配前一个字符0次或1次 |
colou?r → 匹配color或colour |
color |
|
{n} |
匹配前一个字符恰好n次 |
a{3} → 匹配aaa |
aaa |
|
{n,m} |
匹配前一个字符n到m次 |
a{2,4} → 匹配aa、aaa、aaaa |
aaa |
|
^ |
匹配字符串开头 |
^Hello → 匹配以Hello开头的字符串 |
Hello World |
|
$ |
匹配字符串结尾 |
World$ → 匹配以World结尾的字符串 |
Hello World |
|
[] |
匹配字符集 |
[abc] → 匹配a、b或c |
a |
|
[^…] |
匹配非字符集 |
[^0-9] → 匹配非数字字符 |
a |
2. 特殊字符转义
若需匹配特殊字符本身（如.、*），需使用反斜杠转义：
pattern = r"." # 匹配字面意义的点号
3. 分组与捕获
- 分组：用()包裹子模式，便于提取或重复。
pattern = r"(d{4})-(d{2})-(d{2})" # 分组匹配日期（年-月-日）
match = re.match(pattern, "2025-07-19")
print(match.group(1)) # 输出：2025
- 命名分组：为分组命名，便于引用。
pattern = r"(?P<year>d{4})-(?P<month>d{2})-(?P<day>d{2})"
match = re.match(pattern, "2025-07-19")
print(match.group("year")) # 输出：2025
4. 贪婪与非贪婪匹配
- 贪婪模式（默认）：尽可能匹配更多字符。
pattern = r"<.*>" # 匹配`<html>content</html>`中的`<html>content</html>`
- 非贪婪模式：尽可能匹配更少字符（在量词后加?）。
pattern = r"<.*?>" # 匹配`<html>content</html>`中的`<html>`和`</html>`
四、实战案例
案例1：验证邮箱格式
import re
email = "test@example.com"
pattern = r"^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+$"
if re.match(pattern, email):
print("邮箱格式正确！")
else:
print("邮箱格式错误！")
案例2：提取URL链接
text = "访问官网： https://www.example.com 或 http://blog.example.com "
pattern = r"https?://S+"
urls = re.findall(pattern, text)
print(urls) # 输出：[' https://www.example.com ', ' http://blog.example.com ']
案例3：替换敏感词
text = "这个产品超级棒，但是价格太贵了！"
pattern = r"(贵|棒)"
replacement = "*" * len(r"1")
censored_text = re.sub(pattern, replacement, text, flags=re.IGNORECASE)
print(censored_text) # 输出：这个产品超级**，但是价格太*了！
案例4：分割字符串
text = "apple,banana;orange,grape"
pattern = r"[,;]" # 用逗号或分号分割
fruits = re.split(pattern, text)
print(fruits) # 输出：['apple', 'banana', 'orange', 'grape']
五、常见问题与解决方案
1. 如何匹配换行符？
默认情况下，.不匹配换行符。使用re.DOTALL标志启用换行匹配：
pattern = re.compile(r".*", re.DOTALL)
match = pattern.match("line1
line2")
print(match.group()) # 输出：line1
line2
2. 如何忽略大小写？
使用re.IGNORECASE（或re.I）标志
pattern = re.compile(r"python", re.IGNORECASE)
match = pattern.match("PYTHON") # 匹配成功
3. 如何处理中文字符？
直接在正则表达式中包含中文字符即可：
pattern = r"(你好|谢谢)"
text = "你好，今天天气不错，谢谢！"
matches = re.findall(pattern, text)
print(matches) # 输出：['你好', '谢谢']
4. 性能优化
- 预编译正则表达式：对重复使用的模式预编译。
pattern = re.compile(r"d{4}-d{2}-d{2}")
result = pattern.match("2025-07-19")
- 避免过度使用通配符：减少.*的滥用，提高匹配效率。
六、总结与下一步
- 核心收获：
- 掌握正则表达式基础语法（字符集、量词、分组）。
- 熟悉Python re模块的核心方法（match、search、findall、sub）。
- 能解决实际问题（邮箱验证、URL提取、敏感词替换）。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
发一些大多数人常需要的吧
在中文环境下可能无法正确匹配边界，因为 只匹配单词字符（字母、数字、下划线）与非单词字符之间的边界