19 - 正则表达式
正则表达式（Regular Expression，简称 regex）是一种文本匹配的工具。说白了就是用一套"暗号"来描述你想找的文本模式。
基础语法
先说个前提，正则表达式不是 Python 特有的，几乎所有编程语言都支持。所以学会了到处能用。
导入 re 模块
importre最简单的匹配
普通字符就匹配它自己：
result=re.search(r"hello","say hello world")print(result)# <re.Match object; span=(4, 9), match='hello'>re.search在字符串里找第一个匹配。找到了返回 Match 对象，找不到返回None。
注意字符串前面的r（raw string），因为正则里经常用反斜杠，加r就不用双写反斜杠了。
元字符
这些字符在正则里有特殊含义：
| 字符 | 含义 | 例子 |
|---|---|---|
. | 任意一个字符（除换行） | h.t→ hat, hot, h3t |
\d | 数字[0-9] | \d\d→ 匹配两位数字 |
\D | 非数字 | \D+→ 匹配非数字部分 |
\w | 字母数字下划线 | \w+→ 匹配一个"单词" |
\W | 非字母数字下划线 | |
\s | 空白字符（空格、Tab、换行） | |
\S | 非空白字符 | |
^ | 字符串开头 | ^hello→ 以 hello 开头 |
$ | 字符串结尾 | world$→ 以 world 结尾 |
# 匹配手机号（简化版）re.search(r"\d{11}","我的号码是13812345678")# 匹配邮箱开头re.search(r"^\w+@","xiaoming@example.com")量词
控制前面的元素出现几次：
| 量词 | 含义 | 例子 |
|---|---|---|
* | 0 次或多次 | \d*→ 任意位数字（包括 0 位） |
+ | 1 次或多次 | \d+→ 至少一位数字 |
? | 0 次或 1 次 | colou?r→ color 或 colour |
{n} | 恰好 n 次 | \d{4}→ 4 位数字 |
{n,m} | n 到 m 次 | \d{2,4}→ 2-4 位数字 |
{n,} | 至少 n 次 | \d{3,}→ 至少 3 位数字 |
# 匹配年份re.search(r"\d{4}","发表于2024年")# 匹配价格（1-3位数字加可选的小数部分）re.search(r"\d{1,3}(\.\d{1,2})?","价格：99.99元")字符集[]
方括号里列出允许的字符：
# 匹配元音字母re.findall(r"[aeiou]","hello world")# ['e', 'o', 'o']# 匹配大写字母re.findall(r"[A-Z]","Hello World Python")# ['H', 'W', 'P']# 取反（^放在[]里面表示"不是这些"）re.findall(r"[^0-9]","abc123def")# ['a', 'b', 'c', 'd', 'e', 'f']# 范围re.findall(r"[a-z]+","Hello World")# ['ello', 'orld']分组()
用圆括号把一部分正则包起来，形成一个组：
# 提取日期中的年月日text="日期：2024-05-25"match=re.search(r"(\d{4})-(\d{2})-(\d{2})",text)ifmatch:print(match.group(1))# 2024（第一个组）print(match.group(2))# 05print(match.group(3))# 25print(match.groups())# ('2024', '05', '25')命名分组
给组起个名字，比数字更直观：
match=re.search(r"(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})",text)ifmatch:print(match.group("year"))# 2024print(match.group("month"))# 05print(match.group("day"))# 25非捕获分组(?:...)
有时候你只是需要用括号来做优先级或量词，不想捕获：
# (?:...) 不创建组match=re.search(r"(?:https?://)([\w.]+)","https://www.example.com")print(match.group(1))# www.example.com（第一组就是域名，没有协议那组）re 模块常用函数
re.search — 找第一个匹配
match=re.search(r"\d+","abc 123 def 456")print(match.group())# 123（只找到第一个）re.match — 从开头匹配
# match 只从字符串开头匹配print(re.match(r"\d+","123abc"))# 匹配成功print(re.match(r"\d+","abc123"))# None（开头不是数字）match跟search的区别：match必须从开头开始匹配，searchanywhere 都行。
re.findall — 找所有匹配
# 找所有数字numbers=re.findall(r"\d+","我有 3 个苹果和 5 个橘子")print(numbers)# ['3', '5']# 如果有分组，返回组的内容dates=re.findall(r"(\d{4})-(\d{2})","2024-01 2024-02 2024-03")print(dates)# [('2024', '01'), ('2024', '02'), ('2024', '03')]re.finditer — 返回迭代器
跟findall类似，但返回 Match 对象的迭代器，适合大量匹配时省内存：
formatchinre.finditer(r"\d+","1 22 333"):print(f"位置{match.start()}-{match.end()}:{match.group()}")# 位置 0-1: 1# 位置 2-4: 22# 位置 5-8: 333re.sub — 替换
# 把数字替换成 *result=re.sub(r"\d+","*","我有 3 个苹果和 5 个橘子")print(result)# 我有 * 个苹果和 * 个橘子# 用函数做替换defdouble(match):returnstr(int(match.group())*2)result=re.sub(r"\d+",double,"3 和 5")print(result)# 6 和 10# 脱敏手机号defmask_phone(match):phone=match.group()returnphone[:3]+"****"+phone[7:]result=re.sub(r"1\d{10}",mask_phone,"号码：13812345678")print(result)# 号码：138****5678re.split — 分割
# 按数字分割parts=re.split(r"\d+","abc123def456ghi")print(parts)# ['abc', 'def', 'ghi']# 按多种分隔符分割parts=re.split(r"[,;|]","a,b;c|d")print(parts)# ['a', 'b', 'c', 'd']编译正则
如果同一个正则要用很多次，先编译可以提高性能：
# 编译一次email_pattern=re.compile(r"[\w.+-]+@[\w-]+\.[\w.]+")# 使用多次print(email_pattern.findall("联系我：a@b.com 或 c@d.org"))print(email_pattern.search("邮箱：test@example.com"))贪婪与非贪婪
量词默认是贪婪的——尽可能多地匹配：
text="<h1>标题</h1>"match=re.search(r"<.+>",text)print(match.group())# <h1>标题</h1>（匹配了整个字符串！）加?变成非贪婪（尽可能少地匹配）：
match=re.search(r"<.+?>",text)print(match.group())# <h1>（只匹配到第一个 >）| 贪婪 | 非贪婪 |
|---|---|
* | *? |
+ | +? |
{n,m} | {n,m}? |
常用标志
在正则末尾或re.compile的第二个参数中设置：
# re.IGNORECASE (re.I) — 忽略大小写re.search(r"hello","HELLO",re.IGNORECASE)# 匹配成功# re.MULTILINE (re.M) — 多行模式，^ 和 $ 匹配每行text="第一行\n第二行\n第三行"re.findall(r"^\w+",text,re.MULTILINE)# ['第一行', '第二行', '第三行']# re.DOTALL (re.S) — 让 . 匹配换行符re.search(r"a.b","a\nb",re.DOTALL)# 匹配成功# 组合使用re.search(r"pattern",text,re.I|re.M)实际例子
验证邮箱
defis_valid_email(email):pattern=r"^[\w.+-]+@[\w-]+\.[\w.]+$"returnbool(re.match(pattern,email))print(is_valid_email("test@example.com"))# Trueprint(is_valid_email("not-an-email"))# False提取 URL
text="请访问 https://www.example.com 或 http://test.org/path?q=1"urls=re.findall(r"https?://[\w./\-?=&]+",text)print(urls)# ['https://www.example.com', 'http://test.org/path?q=1']解析日志
log='[2024-05-25 14:30:00] ERROR: 数据库连接失败 (timeout=30s)'pattern=r'\[(?P<time>[\d\- :]+)\] (?P<level>\w+): (?P<message>.+)'match=re.search(pattern,log)ifmatch:print(f"时间：{match.group('time')}")print(f"级别：{match.group('level')}")print(f"信息：{match.group('message')}")字符串清理
text=" hello world \n\n python "# 多个空白替换为单个空格cleaned=re.sub(r"\s+"," ",text).strip()print(cleaned)# "hello world python"本章小结
\d、\w、\s是最常用的元字符*、+、?、{n,m}控制匹配次数()分组，(?P<name>...)命名分组re.search找第一个，re.findall找所有，re.sub替换- 量词默认贪婪，加
?变非贪婪 - 频繁使用的正则先
re.compile编译
面试题
Q1：re.search和re.match有什么区别？
re.search：在整个字符串中查找第一个匹配，匹配位置不限re.match：只从字符串开头匹配，开头不匹配就返回 None
re.search(r"\d+","abc123")# 匹配成功（123）re.match(r"\d+","abc123")# None（开头不是数字）re.match(r"\d+","123abc")# 匹配成功（123）如果需要 search 但只匹配开头，可以用^锚点：re.search(r"^\d+", text)。
Q2：贪婪匹配和非贪婪匹配有什么区别？
点击查看答案贪婪匹配（默认）尽可能多地匹配字符，非贪婪匹配尽可能少地匹配。
text="<a>hello</a>"re.search(r"<.+>",text).group()# '<a>hello</a>'（贪婪）re.search(r"<.+?>",text).group()# '<a>'（非贪婪）在量词后加?切换为非贪婪模式：*?、+?、{n,m}?。
常见场景：提取 HTML 标签、JSON 字段时通常用非贪婪。
Q3：re.findall在有分组和没分组时返回值有什么不同？
没有分组：返回匹配到的完整字符串列表
re.findall(r"\d+","a1 b22 c333")# ['1', '22', '333']有一个分组：返回组内容的列表
re.findall(r"(\d+)","a1 b22")# ['1', '22']有多个分组：返回元组列表
re.findall(r"(\w+)=(\d+)","a=1 b=2")# [('a', '1'), ('b', '2')]
如果只需要部分匹配结果，用分组可以精确控制返回内容。
Q4：如何匹配一个 IP 地址？
点击查看答案简单版（不验证范围）：
r"\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}"严格版（每段 0-255）：
r"(?:(?:25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d\d?)"实际项目中推荐用ipaddress标准库验证：
importipaddresstry:ipaddress.ip_address("192.168.1.1")# 合法exceptValueError:# 不合法正则适合从文本中提取疑似 IP 的字符串，验证合法性用专用库更可靠。
