Python3 正则表达式

正则表达式是处理字符串的强大工具，它通过特定模式匹配字符串中的字符组合。在 Python3 中，re模块提供了正则表达式的全部功能。本文将从基础到进阶，详解 Python3 正则表达式的使用方法。

一、正则表达式基础

1. 核心概念

正则表达式（Regular Expression）是由普通字符（如字母、数字）和特殊字符（元字符）组成的字符串模式，用于匹配、查找或替换文本中的特定内容。

2. Python re模块

Python 通过内置的re模块操作正则表达式，使用前需导入：

 

import re

 

二、常用元字符与模式

元字符是正则表达式的核心，用于定义匹配规则。以下是最常用的元字符：

元字符	含义	示例
.	匹配任意单个字符（除换行符\n）	a.b 匹配 "aab"、"acb" 等
*	匹配前一个字符 0 次或多次	ab* 匹配 "a"、"ab"、"abb" 等
+	匹配前一个字符 1 次或多次	ab+ 匹配 "ab"、"abb" 等（不匹配 "a"）
?	匹配前一个字符 0 次或 1 次	ab? 匹配 "a"、"ab"（不匹配 "abb"）
^	匹配字符串开头	^abc 匹配以 "abc" 开头的字符串
$	匹配字符串结尾	abc$ 匹配以 "abc" 结尾的字符串
[]	字符集，匹配其中任意一个字符	[abc] 匹配 "a"、"b" 或 "c"
()	分组，将括号内视为一个整体	(ab)+ 匹配 "ab"、"abab" 等
|	逻辑或，匹配左边或右边的模式	ab|cd 匹配 "ab" 或 "cd"
{n}	匹配前一个字符恰好 n 次	a{2} 匹配 "aa"
{n,}	匹配前一个字符至少 n 次	a{2,} 匹配 "aa"、"aaa" 等
{n,m}	匹配前一个字符 n 到 m 次	a{2,3} 匹配 "aa"、"aaa"

特殊序列（简化模式）

序列	含义
\d	匹配任意数字（等价于[0-9]）
\D	匹配非数字（等价于[^0-9]）
\w	匹配字母、数字、下划线（等价于[a-zA-Z0-9_]）
\W	匹配非字母、数字、下划线
\s	匹配空白字符（空格、制表符\t、换行符\n等）
\S	匹配非空白字符
\b	匹配单词边界（如单词与空格之间的位置）

三、re模块核心方法

1. re.match(pattern, string)

• 从字符串开头匹配模式，若匹配成功返回Match对象，否则返回None。
• 仅检查字符串开头是否符合模式。

2. re.search(pattern, string)

• 在整个字符串中查找第一个匹配项，返回Match对象或None。
• 与match的区别：search不限制从开头匹配。

3. re.findall(pattern, string)

• 查找字符串中所有匹配的子串，返回列表（无匹配则返回空列表）。

4. re.sub(pattern, repl, string)

• 替换字符串中所有匹配的子串，返回替换后的新字符串。
• repl：替换的内容（可为字符串或函数）。

5. re.split(pattern, string)

• 根据匹配的子串分割字符串，返回分割后的列表。

四、进阶用法

1. 分组与捕获

使用()定义分组，通过Match.group(n)获取第 n 个分组的内容（group(0)表示整个匹配项）。

2. 贪婪匹配与非贪婪匹配

• 贪婪匹配（默认）：尽可能匹配最长的字符串（如*、+）。
• 非贪婪匹配：在元字符后加?，尽可能匹配最短的字符串（如*?、+?）。

3. 标志位（修饰符）

通过标志位修改正则匹配的行为，常用标志：

• re.I：忽略大小写（IGNORECASE）
• re.S：使.匹配包括换行符在内的所有字符（DOTALL）
• re.M：使^和$匹配每行的开头和结尾（MULTILINE）

五、实际应用场景

1. 验证手机号（中国大陆）

 

import re

def is_valid_phone(phone):
    pattern = r"^1[3-9]\d{9}$"  # 1开头，第2位3-9，后9位数字
    return bool(re.match(pattern, phone))

print(is_valid_phone("13812345678"))  # True
print(is_valid_phone("12345678901"))  # False（第2位不合法）

 

2. 提取 URL 中的域名

import re

url = "https://blog.example.com/path?query=1"
pattern = r"://([\w\-\.]+)/"  # 匹配://和/之间的域名
domain = re.search(pattern, url).group(1)
print(domain)  # 输出：blog.example.com

 

 

六、总结

Python 正则表达式通过re模块实现，核心在于掌握元字符和模式规则。关键要点：

• 基础元字符（*、+、[]等）定义匹配逻辑；
• match/search用于查找匹配，findall获取所有结果，sub用于替换；
• 分组可捕获子串，非贪婪模式解决过度匹配问题；
• 标志位可灵活调整匹配行为（如忽略大小写）。

熟练运用正则表达式，能极大提升字符串处理效率，适用于数据清洗、格式验证、文本解析等场景。