Python正则表达式字符串处理：re库核心函数与语法详解教程

脚本专家

正则表达式（Regular Expression）是字符串处理的一把利器，在Python中通过内置的re库即可调用。它能够快速完成文本匹配、提取、替换等操作，广泛应用于数据清洗、表单验证、日志解析等场景。本文从基础匹配函数讲起，逐步深入到语法规则、贪婪与非贪婪模式、组与或的使用以及预编译与替换，并附带可直接运行的代码示例。

一、核心匹配函数：match、search、findall

re库提供了三个最常用的匹配函数：match()、search()和findall()。

1. match()：从字符串起始位置开始匹配，如果开头不符合规则，直接返回None。成功时返回匹配对象，包含起始位置和内容。

2. import re
3. message = '张三、李四、王五、赵六'
4. result = re.match('张三', message)
5. print(result)  # 匹配成功，输出匹配对象
6. result = re.match('李四', message)
7. print(result)  # None，因为'李四'不在开头

复制代码

2. search()：扫描整个字符串，返回第一个匹配结果，不限制起始位置。效果类似于在文本中查找。

2. import re
3. message = '张三、李四、王五、赵六'
4. result = re.search('王五', message)
5. print(result)  # 匹配成功，即使'王五'不在开头

复制代码

3. findall()：找出字符串中所有符合规则的子串，以列表形式返回。

2. import re
3. message = '张三、李四、王五、赵六、王五'
4. result = re.findall('王五', message)
5. print(result)  # ['王五', '王五']

复制代码

二、正则表达式语法规则

1. 字符范围
字符集用方括号表示，可匹配指定范围内的任意单个字符。

2. import re
3. message = 'Python93,C87,Java63,C++88'
4. # 匹配第一个出现的'c'或'n'
5. print(re.search('[cn]', message))  # 匹配到'P'? 误，实际匹配到'n'
6. # 提取所有数字
7. print(re.findall('[0-9]', message))
8. # 提取由字母后跟数字组成的两位结果
9. print(re.findall('[cn][0-9]', message))  # 匹配'C8','J6'? 注意大小写

复制代码

2. 匹配次数
常用量词：*（0次或多次）、+（1次或多次）、?（0次或1次）、{n}（恰好n次）、{n,}（至少n次）、{n,m}（n到m次）。它们控制前面元素出现的次数。

2. import re
3. message = 'da2a7ddbre77yifed777t3fefd7777b'
4. # 匹配字母（0次或多次）后紧跟一个数字再跟一个字母
5. result = re.findall('[a-z]*[0-9][a-z]', message)
6. print(result)

复制代码

实际应用：手机号、QQ号、用户名验证。

2. import re
3. # 手机号：以1开头，后跟10位数字
4. phone = input('请输入手机号：')
5. if re.fullmatch('1[0-9]{10}', phone):  # fullmatch要求完全匹配
6.     print('有效手机号')
7. else:
8.     print('无效')
10. # QQ号：首位1-9，后跟4-10位数字
11. qq = input('请输入QQ号：')
12. if re.match('[1-9][0-9]{4,10}$', qq):
13.     print('有效QQ')
14. else:
15.     print('无效')
17. # 用户名：以字母或下划线开头，后跟至少7个单词字符（字母、数字、下划线）
18. username = input('请输入用户名：')
19. if re.match('^[A-Za-z_]\w{7,}$', username):
20.     print('有效用户名')
21. else:
22.     print('无效')

复制代码

3. 特殊字符
\d（数字）、\w（单词字符）、\s（空白）、\b（单词边界）等，能简化常用的匹配模式。

2. import re
3. message = 'verb very never every'
4. # 匹配单词结尾为er但后面不能是单词边界的词（即er在单词中间）
5. print(re.findall(r'\w+er\B', message))
6. # 匹配任意字符后跟'e'
7. print(re.findall('.e', message))

复制代码

三、贪婪与非贪婪模式
默认情况下，量词采用贪婪模式，尽可能匹配更多字符。在量词后加?可切换为非贪婪模式，匹配尽可能少的字符。

2. import re
3. message = 'ccc739134792hd'
4. print(re.findall('ccc\d+', message))   # 贪婪：匹配所有数字
5. print(re.findall('ccc\d+?', message))  # 非贪婪：只匹配第一个数字'7'

复制代码

四、或（|）与分组（()）
| 用于逻辑或，匹配左侧或右侧的表达式。用圆括号可以将部分内容定义为组，组内匹配的内容会被保存，便于后续提取。

2. import re
3. message = 'verb very never every'
4. # 匹配包含'ev'或'ry'的单词
5. print(re.findall('\w+ev|\w+ry', message))
6. # 使用分组捕获：取出e后面的字符直至r
7. print(re.findall('e(.+)(.)r', message))

复制代码

五、替换与预编译

1. sub()：替换所有匹配到的内容。

2. import re
3. content = 'dh9322hf9f934hfnf39d'
4. content = re.sub('\d', '0', content)
5. print(content)  # 所有数字变为0

复制代码

2. compile()：当同一个正则表达式需要多次使用时，预编译可提升性能。编译后的模式对象拥有相同的方法（search、findall、sub等）。

2. import re
3. datetime_str = '2020 12 15 12:00'
4. pattern = re.compile('\d{2}:\d{2}')
5. print(pattern.findall(datetime_str))

复制代码

六、学习建议
正则表达式的语法丰富，不必一开始就记住所有。建议从简单匹配开始，逐步增加复杂度。使用在线工具（如Regex101）调试验证规则，直观看到匹配过程。先分析待匹配文本的规律，再转化为正则表达式。日常多写多练，常用语法自然记牢。

掌握以上内容，已能应对Python字符串处理中的多数正则需求。实际开发中，结合具体场景灵活组合匹配函数与语法规则，能大幅提高文本处理效率。

热心网友1

谢谢楼主的详细教程！写得非常清晰，特别是match/search/findall的区别和示例很直观，对新手很友好。我自己也常用正则处理日志数据，感觉预编译那部分确实能提升性能，尤其在循环里。另外想补充一点：如果匹配中文，建议用`re.UNICODE`标志，或者直接用`[\u4e00-\u9fa5]`这样的范围，避免英文字符干扰。不知道楼主有没有遇到过特殊字符需要转义的情况？比如日志里带`.`或`*`的字段，手动加反斜杠容易漏，用`re.escape()`更省事。总之这教程值得收藏，希望以后多分享类似实用技巧！

热心网友1

楼主这篇正则教程写得太实用了！从基础函数到语法细节，再到贪婪非贪婪、分组替换，每个点都配了代码示例，特别适合初学者一步步跟着练。我前几天正好在处理日志清洗，用 `findall` 提取数字结果死活不对，看了你讲的字符范围和量词才意识到是贪婪模式的问题，加上 `?` 就搞定了。还有预编译那块，之前写循环时每次都重新 `compile`，后来改成一次编译多次用，速度确实提升不少。建议想进阶的朋友可以再研究下 `(?P...)` 命名分组，配合 `groupdict` 提取数据会非常清晰。总之谢谢分享，收藏了！

热心网友1

感谢楼主的详细教程，内容很扎实，从基础函数到进阶语法都有覆盖，例子也直接可运行，对初学者帮助很大。我注意到在字符范围那段代码里，`re.search('', message)` 用了个空字符串，注释却提到匹配到'n'，可能是笔误或示例代码没贴完整？另外想请教一下，用 `\b` 匹配单词边界时，如果文本包含中文或者特殊符号，边界规则会生效吗？期待楼主进一步讲解。