一篇文章彻底搞懂python正则表达式
发布时间：2026-10-14 |
5人浏览过
本文系统介绍Python中正则表达式的应用与核心语法。通过解析re模块的编译与匹配机制，详细讲解单字符、多字符及边界匹配规则，并结合findall、sub、split等常用方法，帮助开发者掌握在爬虫及文本处理中高效提取与清洗数据的技术。
前言
当常规字符串匹配方法无法满足需求时，正则表达式成为处理复杂文本匹配的关键工具。由于每次匹配特定模式（如查找以特定字符开头或结尾的字符串）都需要单独编写逻辑，使用正则表达式可以制定统一的匹配规则，从而简化处理流程。
其主要应用场景包括网络爬虫开发。在爬取网页信息时，利用正则表达式可以便捷地从原始HTML或文本数据中提取出所需的关键信息。
1. 正则表达式的基本概念
- 正则表达式是一种使用单个字符串来描述、匹配一系列符合特定语法规则的字符串的工具。
- 从逻辑层面看，它是对字符串操作的一种逻辑公式。
- 其典型应用场景涵盖各类文本处理与数据提取任务。
- 正则表达式的执行过程是：依次将表达式中的字符与文本中的字符进行比较，若所有字符均能成功匹配，则判定匹配成功，否则匹配失败。
2. python的正则表达式re模块
import re
匹配的基本流程为：以原始字符串（如r'imooc'）为基础，先生成Pattern对象，然后从头开始查找，最终得到Match（或Search等）实例，并输出匹配结果。
# 用find和startswith找字符串
str1 = 'imooc python'
print(str1.find('11'))
-1
print(str1.find('imooc'))
0
print(str1.startswith('imooc'))
True
以下是使用正则表达式的具体示例。
import re
pa = re.compile(r'imooc') # compile生成一个pattern对象，r'imooc'读原字符串，否则需要转义
ma = pa.match(str1) # 匹配不到返回为None，返回一个对象
print(ma)
<re.Match object; span=(0, 5), match='imooc'>
print(ma.group()) # 返回一个字符串或字符串组成的元组ma.groups()
imooc
print(ma.span()) # 返回所在字符串的位置
print(ma.string) # 返回原字符串
print(ma.re) # 返回实例
(0, 5)
imooc python
re.compile('imooc')
# 匹配大小写，后面加上大写
pa = re.compile(r'imooc', re.I)
print(pa)
re.compile('imooc', re.IGNORECASE)
ma = pa.match('imooc python')
print(ma.group())
imooc
ma = pa.match('Imooc python')
print(ma.group())
Imooc
# 如果只有一个，可以直接生成一个match对象，也可以达到同样的效果
ma = re.match(r'imooc', str1)
print(ma)
print(ma.group())
<re.Match object; span=(0, 5), match='imooc'>
imooc
3. 正则表达式语法
基本语法具有通用性，适用于多种编程语言。
（1）匹配单个字符
1）'.' 的匹配，可以匹配除了\n外所有字符
ma = re.match(r'a', 'a')
print(ma.group())
ma = re.match(r'a', 'b')
print(type(ma)) # 再调ma.group()则报错
a
<class 'NoneType'>
# 用.匹配字符
ma = re.match(r'.', 'b')
print(ma.group())
ma = re.match(r'.', '0')
print(ma.group())
b
0
# 匹配{}中的字符
ma = re.match(r'{.}', '{0}')
print(ma.group())
ma = re.match(r'{..}', '{01}')
print(ma.group())
{0}
{01}
2）[…]匹配字符集
# []匹配字符集
ma = re.match(r'{[abc]}', '{a}')
print(ma.group())
ma = re.match(r'{[abc]]}', '{d}') # 匹配不到，则报错
print(ma.group())
ma = re.match(r'{[a-z]]}', '{d}')
print(ma.group()) # 匹配a-z中任意一个字符
{a}
{d}
ma = re.match(r'{[a-zA-Z]}', '{A}')
print(ma.group())
{A}
ma = re.match(r'{[a-zA-Z0-9]}', '{0}')
print(ma.group())
{0}
3） \w 匹配a-zA-Z0-9， \W匹配非单词字符
ma = re.match(r'{[\w]}', '{A}')
print(ma.group())
ma = re.match(r'{[\w]}', '{ }')
print(ma.group()) # 匹配不到
ma = re.match(r'{[\W]}', '{ }')
print(ma.group())
{A}
{ }
4）字符集[]匹配
ma = re.match(r'[[\w]]', '[a]')
print(ma.group()) # 匹配不到
# 匹配[]需要加转义\
ma = re.match(r'\[[\w]\]', '[a]')
print(ma.group())
[a]
（2）匹配多个字符
1） *匹配
ma = re.match(r'[A-Z][a-z]', 'Aa')
print(ma.group())
ma = re.match(r'[A-Z][a-z]', 'A')
print(ma.group()) # 匹配不到
ma = re.match(r'[A-Z][a-z]*', 'Aa')
print(ma.group())
ma = re.match(r'[A-Z][a-z]*', 'Aagfagsagaha')
print(ma.group())
ma = re.match(r'[A-Z][a-z]*', 'Aa123')
print(ma.group())
Aa
A
Aagfagsagaha
Aa
2）+匹配
# 匹配下划线或字符开头的无限次
ma = re.match(r'[_a-zA-Z]+[_\w]*', '10')
print(ma.group()) # 匹配不到
ma = re.match(r'[_a-zA-Z]+[_\w]*', '_hte10')
print(ma.group())
_hte10
3）？匹配
# 匹配0-99，01则不对
ma = re.match(r'[1-9]?[0-9]', '90')
print(ma.group())
ma = re.match(r'[1-9]?[0-9]', '9')
print(ma.group())
ma = re.match(r'[1-9]?[0-9]', '09')
print(ma.group()) # 只匹配到0
90
9
0
4）{m} / {mn}匹配
# 匹配邮箱，匹配6次
ma = re.match(r'[a-zA-Z0-9]{6}', 'abc123')
print(ma.group())
abc123
ma = re.match(r'[a-zA-Z0-9]{6}', 'abc12')
print(ma.group()) # 少一个则匹配不到
ma = re.match(r'[a-zA-Z0-9]{6}', 'abc1234')
print(ma.group()) # 多则匹配前6个
abc123
ma = re.match(r'[a-zA-Z0-9]{6}@163.com', 'abc123@163.com')
print(ma.group())
abc123@163.com
# 匹配6-10位的邮箱
ma = re.match(r'[a-zA-Z0-9]{6, 10}@163.com', 'abc123@163.com')
print(ma.group())
4）*？ /+？ /??匹配 (尽可能少匹配)
ma = re.match(r'[0-9][a-z]*', '1abc')
print(ma.group())
ma = re.match(r'[0-9][a-z]*?', '1abc')
print(ma.group()) # 只匹配1
1abc
1
ma = re.match(r'[0-9][a-z]+?', '1abc')
print(ma.group()) # 只匹配一次
1a
（3）边界匹配
ma = re.match(r'[\w]{4,10}@163.com', 'imooc@163.com')
print(ma.group())
imooc@163.com
ma = re.match(r'[\w]{4,10}@163.com', 'imooc@163.comabc') # 后面加上abc,match从头开始匹配，则可以找到
print(ma.group())
imooc@163.com
ma = re.match(r'[\w]{4,10}@163.com&', 'imooc@163.comabc')
print(ma.group()) # 匹配不到
ma = re.match(r'^[\w]{4,10}@163.com&', 'imooc@163.comabc')
print(ma.group()) # 匹配不到
ma = re.match(r'^[\w]{4,10}@163.com&', 'imooc@163.com')
print(ma.group()) # 加上^和$,限制开头结尾
imooc@163.com
# 指定开头结尾
ma = re.match(r'\Aimooc[\w]*', 'imoocpython')
print(ma.group())
ma = re.match(r'\Aimooc[\w]*', 'iimoocpython')
print(ma.group()) # 匹配不到
imoocpython
（4）分组匹配
这里不再举例。
4. re模块相关方法使用
以上举例都是match，从头到尾匹配，查找子串就不合适了
# 在一个字符串中查找匹配
1:search(pattern, string, flags=0)
# 找到匹配，返回所有匹配部分的列表
2:findall(pattern, string, flags=0)
# 将字符串中匹配正则表达式得部分替换为其它,repl可以替换函数
3:sub(pattern, repl, string, count=0, flags=0)
# 根据匹配分割字符串，返回分割字符串组成的列表
4:split(pattern, string, maxsplit=0, flags=0)
# search
import re
str1 = 'imooc videonum = 1000'
print(str1.find('1000')) # 数字改变则失效
17
info = re.search(r'\d+', str1)
print(info.group())
1000
str1 = 'imooc videonum = 10000'
info = re.search(r'\d+', str1)
print(info.group())
10000
# findall
# 当有多个数字时
str2 = 'a=100, b=200, c=300'
info = re.search(r'\d+', str2)
print(info.group())
100
info = re.findall(r'\d+', str2)
print(info.group())
[100, 200, 300]
# sub 替换
str3 = 'imooc videonum = 1000'
info = re.sub(r'\d+', '1001', str3)
print(info)
imooc videonum = 1001
# split
# 分割
str3 = 'imooc：C C++ Java'
print(re.split(r':| ', str4))
[imooc, C, C, Java]
以上即为python中的正则表达式的一些知识总结。
总结
到此这篇关于python正则表达式的文章就介绍到这了,更多相关python正则表达式内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
