一、Python正则表达式基础
1. 导入模块
Python通过 re 模块实现正则表达式功能，需先导入模块：
import re
2. 核心语法
- 普通字符：直接匹配字面值（如
a匹配字符a）。 - 元字符：
\d：匹配数字（等价于[0-9]）。\w：匹配字母、数字、下划线（等价于[a-zA-Z0-9_]）。\s：匹配空白字符（空格、制表符等）。^和$：分别匹配字符串开头和结尾。\b：单词边界（如\bpython\b匹配独立单词python）。
3. 量词
*：匹配0次或多次（如a*匹配空字符串或多个a）。+：匹配1次或多次（如a+至少匹配一个a）。?：匹配0次或1次（如a?可选a）。{m,n}：匹配m到n次（如\d{3,5}匹配3-5位数字）。
二、常用函数与使用示例
1. 匹配函数
re.match()：从字符串开头匹配，返回Match对象（若匹配失败则返回None）。text = "Hello, World!" match = re.match(r"Hello", text) if match:print(match.group()) # 输出 "Hello"re.search()：在整个字符串中搜索第一个匹配项。match = re.search(r"World", text) print(match.group()) # 输出 "World"re.findall()：返回所有匹配的子串列表。matches = re.findall(r"\w+", text) # 输出 ['Hello', 'World']
2. 替换与分割
re.sub()：替换匹配内容。new_text = re.sub(r"World", "Python", text) # 输出 "Hello, Python!"re.split()：根据模式分割字符串。parts = re.split(r",", text) # 输出 ['Hello', ' World!']
3. 编译正则表达式
预编译可提升多次调用效率：
pattern = re.compile(r"\b\w{3}\b") # 匹配3位单词
matches = pattern.findall("The quick brown fox")
三、分组与捕获
使用 () 分组提取特定内容：
text = "apple, banana, cherry"
match = re.match(r"(\w+), (\w+), (\w+)", text)
print(match.groups()) # 输出 ('apple', 'banana', 'cherry')
非贪婪匹配
添加 ? 实现最小匹配：
text = "2023-04-02T10:11:12Z"
date = re.search(r"\d{4}-\d{2}-\d{2}", text).group() # 输出 "2023-04-02"
四、实际应用场景
1. 数据验证
- 手机号验证：
^1[3-9]\d{9}$（以1开头，第二位3-9，后接9位数字）。 - 邮箱提取：
([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,})。
2. 文本处理
- 日期格式化：将
20230209转为2023.02.09：text = "管理办法20230209(修订).docx" new_text = re.sub(r"(\d{4})(\d{2})(\d{2})", r"\1.\2.\3", text) # 输出 "管理办法2023.02.09(修订).docx"
3. 网页数据抓取
- 提取链接：
import re, requests from bs4 import BeautifulSoup url = "https://example.com" html = requests.get(url).text links = re.findall(r'href\s*=\s*["\']([^"\']+)["\']', html)
五、优化技巧
- 预编译正则表达式：使用
re.compile()减少重复编译开销。 - 避免过度使用
.*：优先用精确匹配（如\d{4}代替.*）。 - 忽略大小写：添加
re.IGNORECASE修饰符（如re.findall(r"python", text, re.I)）。
六、总结
Python的 re 模块提供了强大的正则表达式功能，涵盖匹配、替换、分组等操作。结合预编译和优化技巧，可高效处理文本数据。实际开发中建议使用在线工具（如 Regexr）调试复杂表达式。