Python正则表达式re模块代码举例

一、re 模块的标准调用模式与预编译

在 Python 中编写正则表达式时，强烈建议在声明规则字符串时始终使用原生字符串（Raw String，即前缀 r"..."）。这能够防止 Python 的字符串转义语法（如 、 ）与正则表达式的元字符转义（如 \d、\w、\）发生混淆与二次转义。

re 模块提供两种执行策略：直接调用模块级函数（如 re.search()），或使用 re.compile() 先将正则表达式编译为 Pattern 对象后再执行检索。当同一个正则表达式需要在循环或多次函数调用中重复使用时，预编译能够避免重复解析正则语法树，从而显著提升执行效率。

代码举例：预编译与模块函数直接调用对比

import re

text = "订单编号：ORD20261031-8848，创建时间：2026-10-31"

# 方式一：使用 re.compile 预编译模式（推荐重复使用场景）
order_pattern = re.compile(r"ORD\d{8}-\d{4}")
match_compiled = order_pattern.search(text)

if match_compiled:
    print("方式一提取成功：", match_compiled.group())

# 方式二：直接调用模块级函数（适合单次轻量处理）
match_direct = re.search(r"ORD\d{8}-\d{4}", text)

if match_direct:
    print("方式二提取成功：", match_direct.group())

二、核心单次检索函数：search()、match() 与 fullmatch()

初学者容易混淆 search()、match() 与 fullmatch() 的作用范围。它们都返回一个 re.Match 对象（未匹配时返回 None），但匹配的起始与覆盖范围截然不同：

• re.search(pattern, string)：扫描整个字符串，直到找到第一个符合规则的子串。即使目标不在字符串开头，也能正常捕获。
• re.match(pattern, string)：严格仅从字符串的第一个字符（索引 0）开始比对。若起始字符不吻合，即刻判定匹配失败并返回 None。
• re.fullmatch(pattern, string)：要求整个输入字符串必须从头到尾与正则表达式完全一致，多余的任何前缀或后缀都会导致匹配失败，常用于表单数据严格校验。

代码举例：三种检索函数的边界表现差异

import re

log_line = "2026-10-31 [ERROR] Database connection timed out."

# 1. re.search() 可以在任意位置捕获错误级别
res_search = re.search(r"\[(ERROR|WARNING|INFO)\]", log_line)
if res_search:
    print("search 捕获内容：", res_search.group(0))
    print("search 匹配跨度：", res_search.span())

# 2. re.match() 尝试匹配非首部的错误标签（必然失败返回 None）
res_match_fail = re.match(r"\[(ERROR|WARNING|INFO)\]", log_line)
print("match 检索非开头内容结果：", res_match_fail)

# 3. re.match() 匹配开头日期内容（匹配成功）
res_match_ok = re.match(r"\d{4}-\d{2}-\d{2}", log_line)
if res_match_ok:
    print("match 检索头部内容：", res_match_ok.group(0))

# 4. re.fullmatch() 严格校验手机号格式
phone_candidate = "13800138000"
is_valid_phone = re.fullmatch(r"1[3-9]\d{9}", phone_candidate)
print("标准手机号校验结果：", bool(is_valid_phone))

invalid_phone = "13800138000_extra"
print("附带额外字符校验：", bool(re.fullmatch(r"1[3-9]\d{9}", invalid_phone)))

三、全量检索与迭代：findall() 与 finditer()

当目标文本中存在多个符合规则的子串时，单次检索函数只能捕获第一项。此时可以使用 findall() 或 finditer()。

1. re.findall() 的返回结构特性

re.findall() 会一次性扫描整个字符串，并将所有非重叠的匹配内容作为 list 返回。若未找到匹配项则返回空列表 []。需要特别注意：

• 如果正则表达式中没有括号捕获组，返回的是匹配字符串列表：['str1', 'str2', ...]。
• 如果包含一个捕获组，返回的是该组捕获的内容列表。
• 如果包含多个捕获组，返回的列表元素将变成元组：[('group1', 'group2'), ...]。

2. re.finditer() 的流式遍历优势

当处理大规模日志文本或需要获取每个匹配项的具体字符起止下标（span）时，推荐使用 re.finditer()。它返回一个生成器，逐个产出 Match 对象，内存占用极低且保留了完整的对象方法。

代码举例：批量提取 IP 地址与服务器端口

import re

raw_cluster_info = """
MasterNode: 192.168.1.10:8080 active
WorkerNode1: 192.168.1.11:9092 active
WorkerNode2: 192.168.1.12:9092 offline
"""

# 使用 findall 提取所有完整 IP（无捕获分组）
ip_pattern = r"\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}"
all_ips = re.findall(ip_pattern, raw_cluster_info)
print("提取到的全部 IP：", all_ips)

# 使用 finditer 遍历并提取详细位置与分组
node_pattern = re.compile(r"(?P<ip>\d{1,3}(?:\.\d{1,3}){3}):(?P<port>\d+)")
print("
使用 finditer 逐项迭代：")
for match in node_pattern.finditer(raw_cluster_info):
    node_ip = match.group("ip")
    node_port = match.group("port")
    start_pos, end_pos = match.span()
    print(f"- 发现节点：{node_ip} 端口：{node_port} 位置范围：[{start_pos}, {end_pos}]")

四、分组捕获与结构化解析

圆括号 (...) 在正则表达式中具有双重功能：改变运算优先级，以及将匹配到的子表达式进行分组捕获。Python 的 re 模块支持普通编号捕获组、命名捕获组以及非捕获组。

• 编号捕获组 (...)：按照左括号出现的顺序，从 1 开始编号。m.group(0) 表示整个匹配串，m.group(1) 对应第一个括号。
• 命名捕获组 (?P<name>...)：为捕获组赋予语义化名称。使用 m.group('name') 或直接调用 m.groupdict() 返回键值字典，极大提高代码可读性与健壮性。
• 非捕获组 (?:...)：仅用于逻辑组合（如分支或附加量词），不保存匹配结果，不分配组编号，能减少引擎开销并避免干扰编号序列。

代码举例：解析结构化日志并转为字典

import re

log_record = "2026-10-31 09:30:15 [SERVICE_AUTH] User 'admin' logged in from 10.0.0.8"

# 使用命名捕获组与非捕获组定义解析规则
pattern = re.compile(
    r"^(?P<timestamp>\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2})\s+"
    r"\[(?P<service>[A-Z_]+)\]\s+"
    r"User\s+'(?P<username>\w+)'\s+"
    r"(?:logged in from)\s+"  # 非捕获组，仅用于文本结构匹配
    r"(?P<ip>\d{1,3}(?:\.\d{1,3}){3})"
)

m = pattern.search(log_record)
if m:
    # 直接导出为结构化字典
    record_dict = m.groupdict()
    print("结构化解析结果：")
    for key, val in record_dict.items():
        print(f"  {key}: {val}")
    
    # 也可以按组名单独提取
    print("操作用户：", m.group("username"))

五、文本替换与规则分割：sub() 与 split()

除了检索提取外，字符串清洗与替换也是 re 模块的核心应用场景。

1. re.sub() 替换与反向引用

re.sub(pattern, repl, string, count=0) 能够替换匹配项。repl 可以是普通字符串、带有反向引用的模板字符串（使用 或 \g<name>），甚至可以是一个回调函数，实现动态数值转换或脱敏计算。

2. re.split() 高级分割

Python 原生的 str.split() 只能按单一固定字符切分。当遇到多个连续空格、制表符、分号混杂的输入时，使用 re.split(r"[;\s,]+", text) 能干净利接地完成切分并过滤杂质。

代码举例：手机号掩码脱敏与动态价格换算

import re

# 1. 基础反向引用：手机号中间 4 位脱敏
phone_text = "用户 A: 13912345678, 用户 B: 18887654321"
masked_text = re.sub(r"(\d{3})\d{4}(\d{4})", r"****", phone_text)
print("脱敏后电话：", masked_text)

# 2. 回调函数动态替换：美元价格统一转换为人民币（汇率按 7.2）
price_data = "Item 1: $10.00, Item 2: $25.50, Item 3: $100.00"

def usd_to_cny(match_obj):
    usd_val = float(match_obj.group(1))
    cny_val = usd_val * 7.2
    return f"¥{cny_val:.2f}"

converted_prices = re.sub(r"\$(\d+(?:\.\d{2})?)", usd_to_cny, price_data)
print("汇率换算后：", converted_prices)

# 3. 多重分隔符分割
messy_input = "Python,  Java; C++ ;  Go,Rust"
clean_tags = re.split(r"[,;\s]+", messy_input.strip())
print("清洗分割后列表：", clean_tags)

六、常用修饰符（Flags）与高频避坑清单

修饰符用于改变底层正则引擎的匹配策略，常用标志包括：

• re.IGNORECASE（简写 re.I）：忽略英文字母大小写。
• re.DOTALL（简写 re.S）：使点号 . 能够匹配包括换行符 在内的任意字符（默认不匹配换行）。
• re.MULTILINE（简写 re.M）：多行模式，使 ^ 和 $ 能分别匹配每一行的开头和结尾，而非仅仅整段字符串的头部和尾部。

代码举例：修饰符与贪婪模式对比

import re

html_doc = """<div>段落一</div><div>段落二</div>"""

# 贪婪模式 vs 非贪婪模式
greedy_result = re.findall(r"<div>.*</div>", html_doc)
nongreedy_result = re.findall(r"<div>.*?</div>", html_doc)

print("贪婪模式提取结果（合并为一项）：", greedy_result)
print("非贪婪模式提取结果（独立两项）：", nongreedy_result)

# 跨行文本匹配（re.S 与 re.I 联合使用）
multiline_text = "STATUS:
SUCCESS"
# 默认点号无法匹配换行符
print("未加 re.S 结果：", re.search(r"STATUS:.*SUCCESS", multiline_text))
# 加上 re.S (DOTALL) 与 re.I
m_flags = re.search(r"status:.*success", multiline_text, re.IGNORECASE | re.DOTALL)
if m_flags:
    print("联合 Flags 匹配成功：", repr(m_flags.group(0)))

七、总结

Python re 模块功能全面，使用时只需建立起清晰的选用路径：单次检索优先考虑 re.search()（任意位置）或 re.fullmatch()（严格格式校验）；全量匹配在中小型文本下使用 re.findall() 快速获取列表，在大文本或需要位置信息时使用 re.finditer()；文本修改借助 re.sub() 与回调函数完成复杂逻辑转换。配合原生字符串 r"" 与防御性的 if match: 检查，即可高效、安全地完成各种正则表达式处理任务。