异常教程

python re（手把手讲解）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

截止目前， 星球 内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习 ，欢迎点击围观

正则表达式是什么？为什么需要学习 Python re？

正则表达式（Regular Expression，简称 regex）是文本处理的瑞士军刀，它通过特定语法定义字符串匹配规则，帮助开发者快速定位、提取或替换文本中的模式。在 Python 中，re 模块提供了对正则表达式功能的完整支持。无论是验证用户输入、解析日志文件，还是从网页中提取数据，掌握 python re 技巧都能显著提升开发效率。

想象正则表达式如同一张寻宝图：它指引程序在文本的海洋中精准定位目标信息，而 re 模块就是 Python 世界的指南针。接下来，我们将通过循序渐进的方式，探索如何用 python re 解决实际问题。

一、基础语法：匹配字符串的入门指南

1.1 基本匹配规则

正则表达式的核心是模式字符串（Pattern）。例如，要匹配字符串中的 "hello"，只需将模式直接写入：

import re

text = "hello world"
result = re.search(r"hello", text)
print(result.group())  # 输出：hello

这里 r"hello" 表示原始字符串，避免转义字符冲突。re.search() 函数扫描整个字符串，找到第一个匹配项。

1.2 匹配任意字符

使用 . 元字符可以匹配除换行符外的任意单个字符：

text = "a1b"
match = re.search(r".1.", text)
print(match.group())  # 输出：a1b

1.3 开始与结束锚点

  • ^ 表示字符串开始位置
  • $ 表示字符串结束位置
text = "start_end"
print(re.match(r"^start", text))  # 匹配成功
print(re.search(r"end$", text))  # 匹配成功

二、常用元字符详解：构建强大匹配规则

2.1 量词：控制匹配次数的魔法

元字符含义示例
*匹配前一个字符 0 次或多次a*b 匹配 "b", "ab", "aaab"
+匹配前一个字符 1 次或多次a+b 匹配 "ab", "aaab"
?匹配前一个字符 0 次或 1 次a?b 匹配 "b", "ab"
{n}匹配前一个字符恰好 n 次a{2}b 匹配 "aab"
 
text = "aaaab"
print(re.match(r"a+b", text).group())  # 输出：aaaab

2.2 字符组与范围匹配

  • [] 定义字符组，匹配其中任意一个字符
  • [0-9] 匹配数字
  • [^0-9] 匹配非数字字符
phone = "138-1234-5678"
print(re.match(r"\d{3}-\d{4}-\d{4}", phone))  # 匹配成功

2.3 分组与捕获：提取子字符串

使用 () 对匹配内容进行分组：

text = "商品编号：AB123"
match = re.search(r"商品编号：(\w+)", text)
print(match.group(1))  # 输出：AB123

三、进阶技巧：让正则表达式更智能

3.1 预编译：提升性能的利器

当需要多次使用同一模式时，建议预编译：

pattern = re.compile(r"(\d{4})-(\d{2})-(\d{2})")
dates = ["2023-01-15", "2024-03-20"]
for date in dates:
    print(pattern.match(date).groups())

3.2 贪婪与非贪婪模式

默认量词是贪婪的，会尽可能多匹配。添加 ? 可切换为非贪婪模式：

text = "<div>内容1</div><div>内容2</div>"
print(re.match(r"<div>.*</div>", text).group())
print(re.match(r"<div>.*?</div>", text).group())

3.3 多行与忽略大小写模式

  • re.IGNORECASE 忽略大小写
  • re.MULTILINE 启用多行模式
text = "Apple\napple\nAPPLE"
print(re.findall(r"apple", text, re.IGNORECASE))  # 输出：['Apple', 'apple', 'APPLE']

四、实战案例：解决真实世界问题

4.1 提取邮箱地址

email_pattern = r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}"
text = "联系邮箱：user@example.com 和 test@domain.org"
emails = re.findall(email_pattern, text)
print(emails)  # 输出：['user@example.com', 'test@domain.org']

4.2 过滤敏感词

def filter_words(text):
    sensitive_words = ["敏感词1", "敏感词2"]
    pattern = r"\b(" + "|".join(map(re.escape, sensitive_words)) + r")\b"
    return re.sub(pattern, "***", text, flags=re.IGNORECASE)

print(filter_words("这个内容包含敏感词1和敏感词2"))

4.3 解析日志文件

log_line = '2023-03-15 14:22:33 INFO User login'
pattern = r'(\d{4}-\d{2}-\d{2}) (\d{2}:\d{2}:\d{2}) (\w+) (.+)'
match = re.match(pattern, log_line)
print(f"日期：{match[1]}, 时间：{match[2]}, 级别：{match[3]}, 内容：{match[4]}')

五、常见问题与最佳实践

5.1 避免过度复杂化

过于复杂的正则表达式会降低可读性，建议：

  • 分解为多个简单模式
  • 使用注释模式 re.VERBOSE
  • 结合其他文本处理方法

5.2 处理特殊字符

需要匹配特殊元字符时，用反斜杠转义，或使用 re.escape()：

special_str = "+.[]"
escaped = re.escape(special_str)  # 输出：\+\.\[\]

5.3 性能优化

  • 避免使用 .* 这样的贪婪模式
  • 优先使用预编译模式
  • 对小文本优先使用字符串方法（如 str.startswith()）

结语：让正则表达式成为你的文本处理利器

通过本文的系统学习，读者已掌握了从基础语法到实战应用的完整路径。正则表达式如同一把双刃剑：合理使用能极大提升工作效率，但过度复杂化反而会适得其反。建议在开发中遵循以下原则：

  1. 先验证再编写：使用在线工具（如 regex101.com）调试模式
  2. 分步构建：逐步增加匹配规则，而非一次性写出复杂模式
  3. 文档化：为复杂正则表达式添加注释说明

在 Python 的世界中，python re 模块始终是处理文本的得力助手。通过持续练习和实际应用，您将能更自如地驾驭这一强大的文本处理工具。

最新发布

查看更多文章