Python中正則表達式從入門到精通詳解(這一篇就夠了!)
一、正則表達式是什么？
1.1 一個生活化的理解
想象一下，你在一個巨大的圖書館里，想找所有書名中包含Python的書。如果一本本翻，你可能要花上一整天。但如果你有一個魔法探測器，只要輸入Python這個關鍵詞，所有相關書籍就會自動跳出來——這就是正則表達式的工作原理！
正則表達式（Regular Expression，簡稱regex）是一種用于描述字符串模式的特殊語法。它使用一系列特殊字符和普通字符來定義一種模式，然后用這種模式去匹配、查找、替換或分割文本。簡單來說，正則表達式就是一套文本搜索的規(guī)則，告訴你想要找什么樣的字符串。
1.2 正則表達式能做什么？
正則表達式在文本處理領域可謂是全能選手，主要可以解決四類問題：
- 校驗文本內容：驗證用戶輸入的手機號、郵箱格式是否正確
- 提取文本內容：從一堆雜亂文本中抓取你想要的信息
- 替換文本內容：批量修改文本中的某些模式
- 切割文本內容：按照特定規(guī)則拆分字符串
比如，你可以在幾萬行日志中快速找到所有報錯的時間戳，或者將文檔中的所有日期格式從“2026/01/01”批量替換為“2026-01-01”。
1.3 開始前的準備
在Python中使用正則表達式，首先需要導入內置的re模塊：
import re
建議在編寫正則表達式時使用原生字符串（即在字符串前加r），這樣可以避免轉義字符帶來的麻煩：
python # 推薦寫法 pattern = r'\d+' # 匹配數(shù)字 # 不推薦（雖然也能用） pattern = '\\d+'
二、正則表達式基礎語法
正則表達式的核心是一套“元字符”——這些字符在正則表達式中有著特殊含義，而不是代表它們本身的樣子。掌握下面這些常用語法，足以應對大多數(shù)日常使用場景。
2.1 元字符詳解
| 元字符 | 含義 | 示例 | 匹配結果 |
| . | 匹配除換行符以外的任意單個字符 | a.b | aab、a5b、a b |
| ^ | 匹配字符串開頭 | Hello | 以Hello開頭的字符串 |
| $ | 匹配字符串結尾 | world$ | 以world結尾的字符串 |
| * | 匹配前面的子表達式0次或多次 | ab*c | ac、abc、abbc |
| + | 匹配前面的子表達式1次或多次 | ab+c | abc、abbc（不匹配ac） |
| ? | 匹配前面的子表達式0次或1次 | colou?r | color、colour |
| {n} | 匹配前面的子表達式恰好n次 | a{3} | aaa |
| {n,m} | 匹配前面的子表達式至少n次，最多m次 | a{2,4} | aa、aaa、aaaa |
| [ ] | 字符集合，匹配括號內任意一個字符 | [abc] | a、b或c中的任意一個 |
| [^] | 負值字符集合，匹配未包含的任意字符 | [^abc] | 除了a、b、c之外的任何字符 |
| | | 或運算符 | cat\|dog | cat或dog |
| () | 分組標記 | (ab)+ | ab、abab |
| \ | 轉義字符 | \. | 匹配句點.本身 |
2.2 預定義字符集（簡化寫法）
正則提供了一些預定義的字符集，可以大大簡化表達式的書寫：
| 預定義字符 | 等價寫法 | 含義 |
| \d | [0-9] | 匹配任意數(shù)字 |
| \D | [^0-9] | 匹配任意非數(shù)字 |
| \w | [a-zA-Z0-9_] | 匹配字母、數(shù)字、下劃線 |
| \W | [^a-zA-Z0-9_] | 匹配非字母、數(shù)字、下劃線 |
| \s | [ \t\n\r\f\v] | 匹配任意空白字符（空格、制表符、換行等） |
| \S | [^ \t\n\r\f\v] | 匹配任意非空白字符 |
| \b | — | 單詞邊界（匹配單詞開頭或結尾） |
舉個例子：
\d+ 表示匹配一個或多個連續(xù)的數(shù)字（比如提取文本中的所有數(shù)字）
\w+ 表示匹配一個或多個單詞字符（比如提取英文單詞）
\s+ 表示匹配一個或多個空白字符（比如用來分割字符串）
2.3 理解“貪婪”與“非貪婪”
貪婪匹配：默認情況下，正則表達式會盡可能多地匹配字符。比如正則<.*>匹配字符串<div>hello</div>時，會匹配整個<div>hello</div>，而不是只匹配<div>。
非貪婪匹配：在量詞后面加一個?，就會變成非貪婪模式，盡可能少地匹配字符。比如<.*?>只會匹配<div>。
python import re text = '<div>hello</div><p>world</p>' # 貪婪匹配（默認）——匹配盡可能長的結果 print(re.findall(r'<.*>', text)) # 輸出: ['<div>hello</div><p>world</p>'] # 非貪婪匹配（加 ?）——匹配盡可能短的結果 print(re.findall(r'<.*?>', text)) # 輸出: ['<div>', '</div>', '<p>', '</p>']
非貪婪模式在處理HTML標簽、引號內的內容時非常有用。
三、re模塊常用函數(shù)
Python的re模塊提供了豐富的函數(shù)來處理正則表達式。
3.1 re.match()——從頭開始匹配
re.match()從字符串的起始位置開始匹配，如果開頭不符合規(guī)則就返回None。
python
import re
# match要求從開頭就匹配
result = re.match(r'\d+', '123abc456')
if result:
print(result.group()) # 輸出: 123
# 開頭不匹配，返回None
result = re.match(r'\d+', 'abc123')
print(result) # 輸出: None3.2 re.search()——搜索第一個匹配
re.search()在整個字符串中搜索，返回第一個匹配到的結果。
python
import re
# search在整個字符串中查找
result = re.search(r'\d+', 'abc123def456')
if result:
print(result.group()) # 輸出: 123（只返回第一個）match()和search()的區(qū)別在于：match()必須從字符串開頭匹配，search()可以在任何位置查找。
3.3 re.findall()——找出所有匹配 (最常用)
re.findall()返回字符串中所有不重疊匹配項的列表，是日常使用最頻繁的函數(shù)。
python import re text = '我有3個蘋果，5個香蕉，8個橙子' # 找出所有數(shù)字 numbers = re.findall(r'\d+', text) print(numbers) # 輸出: ['3', '5', '8'] # 找郵箱 text2 = '聯(lián)系我: test@example.com 或 support@python.org' emails = re.findall(r'\w+@\w+\.\w+', text2) print(emails) # 輸出: ['test@example.com', 'support@python.org']
3.4 re.finditer()——逐個獲取匹配對象
當需要處理大量匹配結果時，finditer()返回一個迭代器，每個元素是Match對象，比findall()更節(jié)省內存。
python
import re
text = '價格: 100元, 200元, 300元'
for match in re.finditer(r'\d+', text):
print(f'找到數(shù)字: {match.group()}，位置: {match.span()}')
# 輸出:
# 找到數(shù)字: 100，位置: (4, 7)
# 找到數(shù)字: 200，位置: (9, 12)
# 找到數(shù)字: 300，位置: (14, 17)3.5 re.sub()——替換文本
re.sub()用于替換字符串中匹配模式的部分，是批量處理文本的利器。
python import re # 將數(shù)字替換為 # result = re.sub(r'\d+', '#', '房間123，樓層4') print(result) # 輸出: 房間#，樓層# # 移除所有空白字符 text = 'abc 12\ de 23 \n f45 6' cleaned = re.sub(r'\s+', '', text) print(cleaned) # 輸出: abc12de23f456
3.6 re.split()——按模式分割
re.split()按照匹配模式分割字符串，返回一個列表。
python import re # 按數(shù)字分割字符串 text = 'abc123def456ghi' parts = re.split(r'\d+', text) print(parts) # 輸出: ['abc', 'def', 'ghi'] # 按多種分隔符分割 text2 = 'apple, banana; orange|grape' result = re.split(r'[,;|]', text2) print(result) # 輸出: ['apple', ' banana', ' orange', 'grape']
3.7 re.compile()——編譯正則表達式
如果在程序中多次使用同一個正則表達式，可以將其編譯成一個Pattern對象，這樣可以提高效率。
python
import re
# 編譯正則表達式
pattern = re.compile(r'\d+')
# 然后就可以反復使用這個pattern對象了
text1 = '我有10個蘋果'
text2 = '他有20個橙子'
print(pattern.findall(text1)) # ['10']
print(pattern.search(text2).group()) # 20
print(pattern.sub('#', '價格123元')) # 價格#元四、分組與捕獲
4.1 基礎分組：用 () 提取關鍵內容
分組是正則表達式中最強大的功能之一。用圓括號將想要單獨獲取的部分括起來，匹配成功后就可以通過.group(1)、.group(2)等提取出來。
python
import re
# 提取電話號碼的區(qū)號和號碼
text = '我的電話是010-12345678'
pattern = r'(\d{3})-(\d{8})'
match = re.search(pattern, text)
if match:
print(f'區(qū)號: {match.group(1)}') # 輸出: 010
print(f'號碼: {match.group(2)}') # 輸出: 12345678
print(f'完整匹配: {match.group(0)}') # 輸出: 010-12345678
print(f'所有分組: {match.groups()}') # 輸出: ('010', '12345678')4.2 非捕獲分組 (?:...)
有些時候我們只需要分組功能來應用量詞，但不需要提取這部分內容，這時可以使用非捕獲分組(?:...)。非捕獲分組不會占用分組編號，性能也更高。
python import re # 非捕獲分組：只分組不捕獲 pattern = r'(?:https?://)?(\w+\.\w+)' text = '訪問 https://example.com 和 http://python.org' matches = re.findall(pattern, text) print(matches) # 輸出: ['example.com', 'python.org']
4.3 命名分組 (?P<name>...)
當分組較多時，用數(shù)字編號group(1)、group(2)很容易搞混。命名分組可以給每個分組起一個名字，大大提升代碼的可讀性。
python
import re
# 命名分組：使用 (?P<名字>模式) 的格式
pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
text = '今天是2025-03-15'
match = re.search(pattern, text)
if match:
print(f'年: {match.group("year")}') # 輸出: 2025
print(f'月: {match.group("month")}') # 輸出: 03
print(f'日: {match.group("day")}') # 輸出: 15
print(f'所有命名分組: {match.groupdict()}')
# 輸出: {'year': '2025', 'month': '03', 'day': '15'}4.4 反向引用 \1、\2 等
反向引用允許在同一個正則表達式中引用前面捕獲組的內容，常用于匹配重復的結構。
python import re # 匹配重復的單詞（如 "hello hello"） pattern = r'\b(\w+)\s+\1\b' print(re.search(pattern, 'hello world')) # 輸出: None（不匹配） print(re.search(pattern, 'hello hello')) # 輸出: 匹配成功 print(re.search(pattern, 'good good study')) # 輸出: 匹配成功（good good）
五、進階技巧
5.1 零寬斷言——精準定位的秘密武器
零寬斷言是一種不消耗字符的匹配方式，它只判斷位置是否符合條件，而不把判斷用的字符包含在匹配結果中。簡單來說，就是“我要求前面/后面有什么（或沒什么），但我不把它拿走”。
四種斷言類型：
| 斷言類型 | 語法 | 含義 |
| 正向先行斷言 | (?=...) | 匹配后面是指定內容的位置 |
| 負向先行斷言 | (?!...) | 匹配后面不是指定內容的位置 |
| 正向后行斷言 | (?<=...) | 匹配前面是指定內容的位置 |
| 負向后行斷言 | (?<!...) | 匹配前面不是指定內容的位置 |
實戰(zhàn)示例：
python
import re
# 示例1：提取美元符號后面的數(shù)字（正向后行斷言）
text = '售價￥299，促銷價$199'
pattern = r'(?<=\$)\d+' # 匹配 $ 后面的數(shù)字，但 $ 不包含在結果中
print(re.findall(pattern, text)) # 輸出: ['199']
# 示例2：排除jpg/png文件（負向先行斷言）
files = 'image.jpg backup.zip config.yaml'
pattern = r'\b\w+\.(?!jpg|png)\w{3}\b' # 匹配不是jpg/png結尾的文件
print(re.findall(pattern, files)) # 輸出: ['backup.zip', 'config.yaml']
# 示例3：提取中括號內的內容（前后配合）
log = 'ERROR [2026-01-01] 系統(tǒng)崩潰'
pattern = r'(?<=\[).+?(?=\])' # 匹配 [ 和 ] 之間的內容
print(re.search(pattern, log).group()) # 輸出: 2026-01-015.2 貪婪與非貪婪再深入
前面我們簡單介紹了貪婪和非貪婪，這里再補充一些優(yōu)化建議：
- 當匹配引號內的內容時，"(.+?)" 雖然能用，但每次遇到引號都要嘗試回溯。更好的寫法是 "([^"]*)"，直接用否定字符集匹配到下一個引號，避免了回溯嘗試。
- 在量詞后面加?即可變成非貪婪模式：*?、+?、{n,m}?、??。
5.3 性能優(yōu)化建議
如果處理的是大規(guī)模文本，正則表達式的性能就變得至關重要：
1. 預編譯正則表達式：對于重復使用的模式，使用re.compile()編譯成Pattern對象
2. 避免災難性回溯：不要使用(a+)+這類嵌套量詞，會導致指數(shù)級回溯
3. 用字符類替代點號：[^"]* 比 .*? 更高效
4. 使用錨點：^ 和 $ 能幫助正則引擎快速定位，減少搜索范圍
5. 先用簡單方法過濾：對于大規(guī)模文本，先用 in 操作符或 startswith() 粗略篩選，再用正則精確匹配。
六、實戰(zhàn)案例
6.1 提取中文字符
python import re text = 'Python正則表達式入門教程123' # 匹配中文字符（基本漢字范圍） chinese = re.findall(r'[\u4e00-\u9fff]+', text) print(chinese) # 輸出: ['正則表達式入門教程']
6.2 驗證手機號碼
python
import re
def is_valid_phone(phone):
pattern = r'^1[3-9]\d{9}$' # 11位數(shù)字，以1開頭，第二位是3-9
return bool(re.match(pattern, phone))
print(is_valid_phone('13812345678')) # True
print(is_valid_phone('12345678901')) # False6.3 提取郵箱地址
python
import re
text = '請聯(lián)系我: test.user@example.com 或 admin@python.org'
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
emails = re.findall(pattern, text)
print(emails) # 輸出: ['test.user@example.com', 'admin@python.org']6.4 數(shù)據清洗——去除HTML標簽
python import re html = '<div class="content"><p>歡迎來到<span>Python</span>世界！</p></div>' # 去除所有HTML標簽 clean_text = re.sub(r'<[^>]+>', '', html) print(clean_text) # 輸出: 歡迎來到Python世界！
6.5 日志解析實戰(zhàn)
python
import re
log = '''
2026-04-06 19:23:45 INFO 用戶登錄成功
2026-04-06 19:25:12 ERROR 數(shù)據庫連接失敗
2026-04-06 19:30:08 WARN 響應時間過長
'''
# 提取所有錯誤日志的時間和信息
pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) ERROR (.+)'
errors = re.findall(pattern, log)
for time, msg in errors:
print(f'錯誤發(fā)生時間: {time}, 錯誤信息: {msg}')
# 輸出: 錯誤發(fā)生時間: 2026-04-06 19:25:12, 錯誤信息: 數(shù)據庫連接失敗七、常見錯誤與避坑指南
錯誤1：忘記使用原生字符串
python # 錯誤寫法 pattern = '\d+' # 這里 \d 可能被Python解釋器當作轉義序列處理 # 正確寫法 pattern = r'\d+' # 使用原生字符串
錯誤2：混淆 match 和 search
python # re.match() 要求從開頭匹配 re.match(r'\d+', 'abc123') # 返回 None # re.search() 可以在任何位置查找 re.search(r'\d+', 'abc123') # 返回匹配對象
錯誤3：分組編號理解錯誤
分組編號是按照左括號出現(xiàn)的順序來確定的，而不是按照層級。例如在((A)(B))C中，組1是((A)(B))，組2是(A)，組3是(B)。
錯誤4：正則表達式寫得太復雜
正則表達式并非越復雜越好。如果模式極其復雜（比如完整匹配URL或郵箱的“完美”正則），建議用專門的庫來處理，而不是試圖用一個正則解決所有問題。保持簡潔和可維護性更重要。
總結
到此這篇關于Python中正則表達式從入門到精通的文章就介紹到這了,更多相關Python正則表達式詳解內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了Python2手動安裝更新pip過程實例解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-07-07
這篇文章主要介紹了PyInstaller的安裝和使用的詳細步驟，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-06-06
這篇文章主要為大家詳細介紹了python openCV自制繪畫板，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-10-10
windows下添加Python環(huán)境變量的方法匯總
默認情況下，在windows下安裝python之后，系統(tǒng)并不會自動添加相應的環(huán)境變量。此時不能在命令行直接使用python命令。今天我們就來看下，如何簡單快捷的在windows下添加Python環(huán)境變量2018-05-05
flask + pymysql操作Mysql數(shù)據庫的實例
下面小編就為大家?guī)硪黄猣lask + pymysql操作Mysql數(shù)據庫的實例。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-11-11
這篇文章主要介紹了Python的Flask框架的簡介和安裝方法,Flask是一款高人氣的非常簡潔的web開發(fā)框架,需要的朋友可以參考下2015-11-11
pydub是一個輕量級的音頻處理庫，安裝方便，使用簡單。而且pydub提供了豐富的音頻處理功能，包括切割、合并、轉換等。本文將利用Pydub實現(xiàn)自動分割音頻功能，感興趣的可以了解一下2023-05-05
今天小編就為大家分享一篇python之MSE、MAE、RMSE的使用，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
這篇文章主要為大家介紹了Python數(shù)據類型探索列表魔法世界,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-11-11
Python實現(xiàn)輸出某區(qū)間范圍內全部素數(shù)的方法
這篇文章主要介紹了Python實現(xiàn)輸出某區(qū)間范圍內全部素數(shù)的方法,涉及Python數(shù)值運算、排序、判斷等相關操作技巧,需要的朋友可以參考下2018-05-05