Python 正则表达式 re 包

一、正则表达式符号

常规

符号	含义	示例
.	匹配任意单个字符（除了换行）	r"a.c" 可匹配 "abc"、"a1c" 等
\d	匹配任何数字（0-9）	r"\d+" 匹配 "123"、"56"
\w	匹配字母、数字或下划线	r"\w+" 匹配 "hello_123"
\s	匹配空格、制表符等	r"\s+" 匹配 " "
\b	匹配单词边界	r"\bcat\b" 匹配 " cat "不匹配"category"
\B	匹配非单词边界	r"\Bcat\B" 匹配 "category"不匹配" cat "
^	匹配字符串开头	r"^abc" 只能匹配 "abc" 开头的字符串
$	匹配字符串结尾	r"xyz$" 只能匹配 "xyz" 结尾的字符串
*	匹配 零次或多次	r"ab*" 可匹配 "a"、"ab"、"abb"
+	匹配 一次或多次	r"ab+" 匹配 "ab"、"abb"，但不匹配 "a"
?	匹配 零次或一次	r"ab?" 匹配 "a" 或 "ab"
{n}	匹配 指定次数	r"\d{4}" 匹配 "2024"
{m,n}	匹配 一定范围内次数	r"\d{2,4}" 匹配 "20" "202" "2024"
`	`	逻辑 或
()	分组匹配	r"(abc)+" 匹配 "abc"、"abcabc"

高阶

符号	含义	示例
(?=X)	正向预查，用于判断格式 但不消耗字符	r"foo(?=bar)" 匹配 "foo"，但要求其后紧跟 "bar"
(?s)	启用单行模式	r"(?s).*" 匹配任意字符，包括换行符
(?i)	忽略大小写	(?i)hello 匹配 Hello hello hEllo
(?x)	忽略空白字符和允许注释	(?x) \d+ # 匹配一个或多个数字
(量词?)	非贪婪模式，量词主要包括 * 和 +	.*? 匹配尽可能少的字符

二、基础函数功能

re.search()：查找第一个匹配项，没有返回 None

text = "价格是 100 元"
match = re.search(r"\d+", text)
print(match.group())  # 输出: 100

re.findall()：查找所有匹配项，没有返回空list

text = "苹果 5 元，香蕉 10 元"
matches = re.findall(r"\d+", text)
print(matches)  # 输出: ['5', '10']

re.match()：匹配字符串开头，没有返回 None

text = "abc123"
match = re.match(r"abc", text)
print(match.group())  # 输出: abc

  re.fullmatch(): 完全匹配 一个字符串，没有返回 None

text = "AB"
match = re.match(r"AB", text)
print(match.group())  # 输出: AB

re.sub()：替换匹配项

text = "手机号 123-456-7890"
new_text = re.sub(r"\d", "*", text)  # 替换所有数字
print(new_text)  # 输出: 手机号 ***-***-****

re.compile()：预编译正则

pattern = re.compile(r"\d+")
matches = pattern.findall("价格是 50 元")
print(matches)  # 输出: ['50']

三、常用案例

邮箱格式校验

import re

def is_valid_email(email):
    pattern = r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$"
    return bool(re.match(pattern, email))

email = "[email protected]"
print(is_valid_email(email))  # 输出: True

这是匹配邮箱地址的 正则表达式，我们拆解一下：

• ^：匹配字符串开头。

• [a-zA-Z0-9._%+-]+：邮箱的用户名部分，允许 字母、数字、点（.）、下划线（_）、百分号（%）、加号（+）、减号（-）。

• @：邮箱必须包含 @ 符号。

• [a-zA-Z0-9.-]+：域名部分，允许 字母、数字、点（.）和连字符（-）。

• \.：必须包含 .（点），表示域名后缀。

• [a-zA-Z]{2,}$：邮箱后缀（如 .com、.org），要求至少 2 个字母，如 com、net、edu 等。

提取网页中的所有 URL

import re

text = "访问 https://example.com 和 http://test.com 获取更多信息。"
urls = re.findall(r"https?://[a-zA-Z0-9./_-]+", text)
print(urls)  # 输出: ['https://example.com', 'http://test.com']

匹配电话号码

import re

def extract_phone_numbers(text):
    pattern = r"\b\d{3}-\d{4}-\d{4}\b"
    return re.findall(pattern, text)

text = "我的号码是 123-4567-8901，你的号码是 987-6543-2100。"
print(extract_phone_numbers(text))  # 输出: ['123-4567-8901', '987-6543-2100']

这是一条用于匹配 电话号码 的 正则表达式：

• \b：单词边界，确保匹配的电话号码是一个独立的文本片段，而不是嵌在其他字符中。

• \d{3}：匹配 三个数字（区号或首部分，如 123）。

• -：匹配 连字符 -。

• \d{4}：匹配 四个数字（电话号码的中间部分，如 4567）。

• -：匹配 连字符 -。

• \d{4}：匹配 四个数字（电话号码的最后部分，如 8901）。

• \b：单词边界，确保完整匹配。

这套正则表达式要求电话号码的格式必须是 “xxx-xxxx-xxxx”，否则不会匹配。

去除多余的空格

import re

text = "这是    一个    测试   句子。"
clean_text = re.sub(r"\s+", " ", text)
print(clean_text)  # 输出: "这是 一个 测试 句子。"

提取 HTML 标签中的内容

import re

html = "
Hello, World!
"
content = re.findall(r"<.*?>(.*?)<.*?>", html)
print(content)  # 输出: ['Hello, ', 'World']

• .* 是 贪婪匹配，会匹配尽可能多的字符。

• .*? 是 非贪婪匹配，只匹配最小范围的字符，直到遇到 > 关闭标签。

单选、多选答案匹配

import re

pattern = r"(?=[ABCD])A?B?C?D?"
content = re.fullmatch(pattern, "ABC")
print(content.group())  # 输出: "ABC"

• ?=[ABCD] 正向预查，至少包含一个A-D的任意一个字符
• A?B?C?D? 保持A-D字符的顺序约束，且每个字符最多出现一次。