Python 正則表達式模塊 re
flyfish
一、正則表達式基礎
1. 什么是正則表達式？
正則表達式（Regular Expression, RE）是一種用于匹配、查找和替換文本模式的工具，由普通字符（如字母、數字）和特殊字符（元字符）組成。
2. 常用元字符
| 元字符 | 說明 | 示例 |
|---|---|---|
. | 匹配任意單個字符（除換行符） | a.c → abc, adc |
\w | 匹配字母、數字或下劃線 | \w+ → hello123 |
\d | 匹配數字 | \d{3} → 123 |
\s | 匹配空白字符（空格、制表符等） | \s+ → 多個空格 |
* | 匹配前一個字符零次或多次 | ab* → a, ab, abb |
+ | 匹配前一個字符一次或多次 | ab+ → ab, abb |
? | 匹配前一個字符零次或一次 | ab? → a 或 ab |
^ | 匹配字符串開頭 | ^abc → 以abc開頭 |
$ | 匹配字符串結尾 | abc$ → 以abc結尾 |
二、Python 正則表達式模塊 re
1. 模塊導入
import re
2. 常用函數
| 函數名 | 作用描述 |
|---|---|
re.compile() | 編譯正則表達式，提高重復使用效率 |
re.match() | 從字符串開頭匹配模式 |
re.search() | 在字符串任意位置搜索模式 |
re.findall() | 查找所有匹配項，返回列表 |
re.finditer() | 查找所有匹配項，返回迭代器 |
re.sub() | 替換匹配項 |
re.subn() | 替換匹配項并返回替換次數 |
re.split() | 按模式分割字符串 |
re.fullmatch() | 要求整個字符串完全匹配模式 |
三、核心功能詳解
1. 匹配操作
re.match()（從開頭匹配）match = re.match(r'hello', 'hello world') print(match.group()) # 輸出: hello
match = re.search(r'```json(.*?)```', content, re.DOTALL)
re.search() 函數
re.search(pattern, string, flags=0) 是 re 模塊中的一個函數，用于在字符串 string 中搜索第一個與模式 pattern 匹配的子字符串。如果找到匹配項，則返回一個匹配對象；如果沒有找到，則返回 None。
pattern：要搜索的正則表達式模式。string：要在其中進行搜索的字符串，這里是content。flags：可選參數，用于指定正則表達式的匹配模式。這里使用了re.DOTALL。
正則表達式模式 r'```json(.*?)```'
r：在字符串前面加上r表示這是一個原始字符串。在原始字符串中，反斜杠\不會被當作轉義字符處理，這樣可以避免在編寫正則表達式時出現過多的轉義字符，提高代碼的可讀性。json ````：這是一個普通的字符串，表示匹配以json ````開頭的文本。(.*?)：這是一個捕獲組，用于匹配任意字符（除換行符外，除非使用了re.DOTALL標志）。.：匹配除換行符外的任意單個字符。*：表示前面的字符（即.）可以出現零次或多次。?：在*后面加上?表示非貪婪匹配。貪婪匹配會盡可能多地匹配字符，而非貪婪匹配會盡可能少地匹配字符。例如，如果字符串中有多個json...代碼塊，非貪婪匹配會只匹配到第一個 ```````````就停止。
：表示匹配以結尾的文本。
re.DOTALL 標志
re.DOTALL 是 re 模塊中的一個標志，它會改變 . 的匹配行為。默認情況下，. 不匹配換行符，但使用 re.DOTALL 后，. 可以匹配包括換行符在內的任意字符。這意味著代碼塊中可以包含換行符，能夠正確匹配多行的 JSON 代碼塊。
re.search()（全局搜索）search = re.search(r'world', 'hello world') print(search.group()) # 輸出: world
2. 查找所有匹配項
re.findall()numbers = re.findall(r'\d+', 'a123b456c') print(numbers) # 輸出: ['123', '456']
3. 替換操作
re.sub()text = re.sub(r'\d+', 'X', 'a123b456c') print(text) # 輸出: aXbXc
4. 分割字符串
re.split()parts = re.split(r'\s+', 'hello world') print(parts) # 輸出: ['hello', 'world']
四、捕獲組與 group() 方法
1. 基本用法
pattern = r'(\d{4})-(\d{2})-(\d{2})'
date_str = '2025-03-11'
match = re.search(pattern, date_str)print(match.group(0)) # 完整匹配結果 → '2025-03-11'
print(match.group(1)) # 第一個捕獲組 → '2025'
print(match.group(2)) # 第二個捕獲組 → '03'
print(match.group(3)) # 第三個捕獲組 → '11'
2. 查看捕獲組數量
- 使用
groups()groups = match.groups() print(len(groups)) # 輸出: 3 - 命名捕獲組（使用
groupdict()）pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})' match = re.search(pattern, date_str) print(match.groupdict()) # 輸出: {'year': '2025', 'month': '03', 'day': '11'}
五、re.match vs re.search
基本概念對比
re.match：該函數會從字符串的起始位置開始嘗試匹配正則表達式模式。如果字符串的起始位置不符合模式，即使字符串的其他部分存在匹配內容，re.match也會返回None。也就是說，它要求模式必須從字符串的第一個字符開始匹配成功。re.search：此函數會在整個字符串中進行搜索，查找與正則表達式模式匹配的第一個位置。只要字符串中存在一處符合模式的內容，re.search就會返回一個匹配對象。
詳細示例對比
示例 1：模式在字符串起始位置匹配
import re# 定義字符串和模式
pattern = r'hello'
string = 'hello world'# 使用 re.match
match_result = re.match(pattern, string)
if match_result:print("re.match 匹配成功，匹配內容為:", match_result.group())
else:print("re.match 匹配失敗")# 使用 re.search
search_result = re.search(pattern, string)
if search_result:print("re.search 匹配成功，匹配內容為:", search_result.group())
else:print("re.search 匹配失敗")
結果分析：在這個例子中，模式 'hello' 位于字符串 'hello world' 的起始位置。因此，re.match 和 re.search 都能成功匹配，并且都能返回匹配到的 'hello'。
示例 2：模式不在字符串起始位置
import re# 定義字符串和模式
pattern = r'world'
string = 'hello world'# 使用 re.match
match_result = re.match(pattern, string)
if match_result:print("re.match 匹配成功，匹配內容為:", match_result.group())
else:print("re.match 匹配失敗")# 使用 re.search
search_result = re.search(pattern, string)
if search_result:print("re.search 匹配成功，匹配內容為:", search_result.group())
else:print("re.search 匹配失敗")
結果分析：模式 'world' 不在字符串 'hello world' 的起始位置，所以 re.match 會匹配失敗，返回 None。而 re.search 會在整個字符串中搜索，能夠找到 'world' 并返回匹配對象，輸出匹配內容 'world'。
示例 3：模式部分在起始位置但不完全匹配
import re# 定義字符串和模式
pattern = r'hello world!'
string = 'hello world'# 使用 re.match
match_result = re.match(pattern, string)
if match_result:print("re.match 匹配成功，匹配內容為:", match_result.group())
else:print("re.match 匹配失敗")# 使用 re.search
search_result = re.search(pattern, string)
if search_result:print("re.search 匹配成功，匹配內容為:", search_result.group())
else:print("re.search 匹配失敗")
結果分析：模式 'hello world!' 雖然前部分 'hello world' 與字符串起始部分相同，但整體模式不完全匹配，所以 re.match 會失敗。re.search 同樣在整個字符串中找不到完全匹配的內容，也會匹配失敗。
性能考慮
re.match：由于它只從字符串起始位置開始匹配，不需要對整個字符串進行遍歷，在某些情況下性能可能會更好，特別是當你明確知道要匹配的內容應該在字符串開頭時。re.search：需要遍歷整個字符串來查找匹配位置，所以在處理較長字符串時，性能可能會相對較低。但它的靈活性更高，適用于不確定匹配內容位置的情況。
六、正則表達式 re 模塊的常用例子
1. 匹配以特定字符開頭的字符串
import retext = "apple banana cherry"
pattern = r'^apple'
result = re.search(pattern, text)
if result:print("匹配成功:", result.group())
else:print("匹配失敗")
2. 匹配以特定字符結尾的字符串
import retext = "apple banana cherry"
pattern = r'cherry$'
result = re.search(pattern, text)
if result:print("匹配成功:", result.group())
else:print("匹配失敗")
3. 匹配包含特定單詞的字符串
import retext = "The quick brown fox jumps over the lazy dog"
pattern = r'fox'
result = re.search(pattern, text)
if result:print("匹配成功:", result.group())
else:print("匹配失敗")
4. 匹配連續數字
import retext = "abc123def"
pattern = r'\d+'
result = re.findall(pattern, text)
print("匹配結果:", result)
5. 匹配字母和數字的組合
import retext = "abc123def"
pattern = r'[a-zA-Z0-9]+'
result = re.findall(pattern, text)
print("匹配結果:", result)
6. 匹配郵箱地址
import retext = "example@example.com"
pattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'
result = re.fullmatch(pattern, text)
if result:print("匹配成功:", result.group())
else:print("匹配失敗")
7. 匹配手機號碼
import retext = "13800138000"
pattern = r'^1[3-9]\d{9}$'
result = re.fullmatch(pattern, text)
if result:print("匹配成功:", result.group())
else:print("匹配失敗")
8. 匹配日期格式（YYYY-MM-DD）
import retext = "2025-03-11"
pattern = r'^\d{4}-\d{2}-\d{2}$'
result = re.fullmatch(pattern, text)
if result:print("匹配成功:", result.group())
else:print("匹配失敗")
9. 替換所有數字為指定字符
import retext = "abc123def456"
pattern = r'\d+'
replacement = 'X'
result = re.sub(pattern, replacement, text)
print("替換結果:", result)
10. 分割字符串
import retext = "apple,banana,cherry"
pattern = r','
result = re.split(pattern, text)
print("分割結果:", result)
11. 提取 HTML 標簽中的內容
import rehtml = '<p>Hello, World!</p>'
pattern = r'<p>(.*?)</p>'
result = re.findall(pattern, html)
print("提取結果:", result)
12. 匹配中文
import retext = "你好，世界！"
pattern = r'[\u4e00-\u9fa5]+'
result = re.findall(pattern, text)
print("匹配結果:", result)
13. 匹配多個單詞中的任意一個
import retext = "cat dog elephant"
pattern = r'cat|dog'
result = re.findall(pattern, text)
print("匹配結果:", result)
14. 匹配重復的字符
import retext = "aaaaabbbccc"
pattern = r'(.)\1+'
result = re.findall(pattern, text)
print("匹配結果:", result)
15. 匹配不包含特定字符的字符串
import retext = "abcde"
pattern = r'[^abc]+'
result = re.findall(pattern, text)
print("匹配結果:", result)
16. 匹配單詞邊界
import retext = "The quick brown fox jumps"
pattern = r'\bfox\b'
result = re.search(pattern, text)
if result:print("匹配成功:", result.group())
else:print("匹配失敗")
17. 匹配 IP 地址
import retext = "192.168.1.1"
pattern = r'^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$'
result = re.fullmatch(pattern, text)
if result:print("匹配成功:", result.group())
else:print("匹配失敗")
18. 匹配 URL
import retext = "https://www.example.com"
pattern = r'^https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+'
result = re.fullmatch(pattern, text)
if result:print("匹配成功:", result.group())
else:print("匹配失敗")
19. 統計匹配次數
import retext = "apple apple banana cherry apple"
pattern = r'apple'
matches = re.findall(pattern, text)
count = len(matches)
print("匹配次數:", count)
20. 使用編譯后的正則表達式進行匹配
import retext = "abc123def"
pattern = re.compile(r'\d+')
result = pattern.findall(text)
print("匹配結果:", result)
】解鎖版本迭代與更新策略)
