24 3 月, 2026 admin 0 Comments 1 category

一、概述

正则表达式（Regular Expression，简称regex/re）是处理字符串的强大工具，它可以用非常简洁的语法实现复杂的字符串匹配、查找、替换、分割等操作，在文本处理、数据清洗、表单验证等场景中应用非常广泛。Python通过标准库re模块提供了完整的正则表达式支持，本文将总结Python中正则表达式的常用技巧以及常见的坑点，帮助大家避免踩坑，写出高效正确的正则表达式。

二、核心知识点

1. 基础语法快速回顾

常用元字符：
– .：匹配除换行符外的任意字符
– ^：匹配字符串开头
– $：匹配字符串结尾
– *：匹配前面的字符0次或多次
– +：匹配前面的字符1次或多次
– ?：匹配前面的字符0次或1次
– {n}：匹配前面的字符n次
– {n,}：匹配前面的字符至少n次
– {n,m}：匹配前面的字符n到m次
– []：字符集，匹配括号内的任意一个字符
– |：或运算符，匹配左右任意一个表达式
– ()：分组，将括号内的内容作为一个整体，匹配结果可以单独提取

常用转义序列：
– \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、换行符等）
– \D：匹配非数字
– \W：匹配非字母数字下划线
– \S：匹配非空白字符

2. 常用操作示例

（1）匹配与查找


import re

# 判断整个字符串是否匹配
pattern = r'^1[3-9]\d{9}$' # 手机号正则
print(re.match(pattern, '13812345678')) # 匹配成功返回Match对象，否则返回None

# 查找第一个匹配项
text = "我的电话是13812345678，邮箱是test@example.com"
phone = re.search(r'1[3-9]\d{9}', text)
print(phone.group()) # 输出：13812345678

# 查找所有匹配项
emails = re.findall(r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}', text)
print(emails) # 输出：['test@example.com']

# 迭代查找所有匹配项
for match in re.finditer(r'\d+', "abc123def456ghi789"):
    print(match.group()) # 依次输出123、456、789

（2）替换与分割


# 替换匹配项
text = "Hello 123 World 456"
result = re.sub(r'\d+', 'NUM', text)
print(result) # 输出：Hello NUM World NUM

# 分割字符串
text = "a,b;c d\te"
result = re.split(r'[,; \t]', text)
print(result) # 输出：['a', 'b', 'c', 'd', 'e']

3. 高级技巧

（1）分组与捕获

使用括号可以对正则进行分组，捕获的内容可以单独提取：


text = "2026-03-24"
pattern = r'(\d{4})-(\d{2})-(\d{2})'
match = re.match(pattern, text)
print(match.group(0)) # 完整匹配：2026-03-24
print(match.group(1)) # 第1组：2026
print(match.group(2)) # 第2组：03
print(match.group(3)) # 第3组：24
print(match.groups()) # 所有组：('2026', '03', '24')

# 命名分组
pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
match = re.match(pattern, text)
print(match.group('year')) # 输出：2026

（2）贪婪与非贪婪匹配

默认情况下*,+,{n,m}都是贪婪匹配，会尽可能匹配最长的字符串；在后面加?就变成非贪婪匹配，尽可能匹配最短的字符串：


text = "<div>hello</div><div>world</div>"
# 贪婪匹配
pattern_greedy = r'<div>.*</div>'
print(re.search(pattern_greedy, text).group()) # 输出：<div>hello</div><div>world</div>

# 非贪婪匹配
pattern_non_greedy = r'<div>.*?</div>'
print(re.search(pattern_non_greedy, text).group()) # 输出：<div>hello</div>

（3）标志位使用

re模块提供了多个标志位来修改匹配行为：
– re.IGNORECASE / re.I：忽略大小写
– re.MULTILINE / re.M：多行模式，^和$匹配每行的开头和结尾
– re.DOTALL / re.S：让.可以匹配换行符
– re.VERBOSE / re.X：允许正则表达式中添加注释和空白，提高可读性 


# 忽略大小写匹配
print(re.search(r'hello', 'Hello World', re.I).group()) # 输出：Hello

# 多行模式
text = "line1\nline2\nline3"
print(re.findall(r'^line\d', text, re.M)) # 输出：['line1', 'line2', 'line3']

# 允许.匹配换行符
text = "hello\nworld"
print(re.search(r'hello.*world', text, re.S).group()) # 匹配成功

#  verbose模式写复杂正则
pattern = re.compile(r'''
    ^                   # 开头
    1[3-9]              # 前两位
    \d{9}              # 后面9位数字
    $                   # 结尾
''', re.X)
print(pattern.match('13812345678')) # 匹配成功

三、常见坑点与避免方法

  1. 元字符转义问题：如果要匹配元字符本身（比如. * + ?等），需要用反斜杠转义，或者使用原始字符串r”避免Python字符串转义和正则转义的冲突。比如匹配点号要用\.或者r’\.’。
  2. 默认不匹配换行符：默认情况下.不会匹配换行符，如果需要跨行匹配，记得加re.S标志位。
  3. 贪婪匹配陷阱：默认的贪婪匹配很容易匹配到多余的内容，在需要匹配最短内容的时候一定要加?改成非贪婪模式。
  4. 字符集的^含义不同：^在字符集[]里面表示“非”，在外面表示字符串开头，比如[^abc]表示匹配不是a、b、c的任意字符。
  5. 零宽断言的使用限制：Python的re模块只支持固定长度的后视断言（lookbehind），不支持可变长度的，比如(?<=a+)会报错，因为a+长度不固定。
  6. 正则效率问题：复杂的正则表达式尤其是含有多个嵌套量词的正则，很容易出现回溯性能问题，处理大文本的时候会非常慢，甚至卡住。建议：
    • 避免使用过于复杂的正则，复杂逻辑可以拆分成多个简单正则处理
    • 尽量精确匹配，减少.*这样的模糊匹配
    • 对于多次使用的正则，提前用re.compile编译，提高匹配速度
  7. 中文匹配问题：在Python3中，\w可以匹配中文，如果要只匹配英文字母，需要用[a-zA-Z]；如果要匹配指定范围的中文，可以用[\u4e00-\u9fa5]。

四、总结

正则表达式是非常强大的文本处理工具，但也很容易写出有bug的正则。掌握常用技巧、避开常见坑点，就能写出高效、正确的正则表达式。对于非常复杂的文本处理场景，也可以考虑用专门的解析库来处理，避免过度依赖正则表达式，降低代码维护成本。

本文为原创技术总结，发布于 2026-03-24，如需转载请注明出处：https://qzdd.net

Tags:
Category: Python开发

Related Posts