Python基础：正则表达式入门指南-平芜编程栈

正则表达式（Regular Expression，简称 Regex）是处理字符串的“瑞士军刀”。它能用一套特定的语法规则，高效地完成字符串的匹配、查找、替换和提取。在 Python 中，我们通过内置的`re`模块来使用它。

一、核心方法：match, search, findall, sub

re模块提供了多个方法，其中最常用的是以下四个。理解它们的区别是掌握正则的第一步。

方法	功能描述	返回值
`re.match`	从字符串开头进行匹配。如果开头不符合规则，则匹配失败。	匹配成功返回匹配对象，失败返回`None`。
`re.search`	扫描整个字符串，返回第一个匹配成功的结果，找到后即停止。	匹配成功返回匹配对象，失败返回`None`。
`re.findall`	扫描整个字符串，找到所有匹配项。	返回一个包含所有匹配结果的列表，若无匹配则返回空列表`[]`。
`re.sub`	搜索字符串，并将所有匹配项替换为指定内容。	返回替换后的新字符串。

代码示例：

import re s = "lanshis python lanshishujia123anhuiligpython ong" 1. match: 从开头匹配，失败返回 None print(re.match("python", s)) # 输出: None 2. search: 搜索整个字符串，找到第一个就停 result_search = re.search("python", s) print(result_search) # 输出: <re.Match object; span=(8, 14), match='python'> print(result_search.group()) # 输出: python (获取匹配的值) print(result_search.span()) # 输出: (8, 14) (获取匹配的下标) 3. findall: 找到所有匹配项，返回列表 result_findall = re.findall("python", s) print(result_findall) # 输出: ['python', 'python'] 4. sub: 替换所有匹配项 result_sub = re.sub("python", "999", s) print(result_sub) # 输出: lanshis 999 lanshishujia123anhuilig999 ong

二、元字符速查表

元字符是正则表达式的“积木”，掌握它们是构建复杂规则的关键。

1. 单字符匹配

元字符	功能描述
`.`	匹配任意一个字符（除了换行符`\n`）。
`[]`	匹配`[]`中列举的任意一个字符，如`[abc]`匹配 a, b 或 c。
`\d`	匹配一个数字，等价于`[0-9]`。
`\D`	匹配一个非数字字符。
`\s`	匹配任意空白字符，如空格、Tab 键 (`\t`)、换行符 (`\n`) 等。
`\w`	匹配一个“单词字符”，包括字母、数字和下划线，等价于`[a-zA-Z0-9_]`。
`\W`	匹配一个非单词字符。

2. 数量词匹配

元字符	功能描述
`*`	匹配前一个字符出现0 次或无数次。
`+`	匹配前一个字符出现1 次或无数次。
`?`	匹配前一个字符出现0 次或 1 次。
`{m}`	匹配前一个字符恰好出现 m 次。
`{m,}`	匹配前一个字符至少出现 m 次。
`{m,n}`	匹配前一个字符出现m 到 n 次。

3. 边界与分组匹配

元字符	功能描述
`^`	匹配字符串的开头。
`$`	匹配字符串的结尾。
`\b`	匹配一个单词的边界（如空格或标点与字符之间）。
`\B`	匹配非单词边界。
`(...)`	将括号内的内容作为一个分组，可以提取或后续引用。
`(?:...)`	非捕获分组，将括号内内容作为整体处理，但不保存匹配结果，效率更高。

三、实战案例

下面是一些基于上述元字符的常见应用场景。

1. 提取特定类型字符

import re s = "lanshishujai##@@123456python anhui lig gong7&*" 找出所有数字 print(re.findall(r"\d", s)) 输出: ['1', '2', '3', '4', '5', '6', '7'] 找出所有特殊字符（非单词字符） print(re.findall(r"\W", s)) 输出: ['#', '#', '@', '@', ' ', ' ', ' ', ' ', '&', '*'] 找出所有英文字母 print(re.findall(r"[a-zA-Z]", s)) 输出: ['l', 'a', 'n', 's', 'h', 'i', 's', 'h', 'u', 'j', 'a', 'i', ...]

2. 验证账号格式

需求：账号只能由字母和数字组成，长度限制在 6 到 10 位。

^: 匹配开头
[a-z0-9]: 字符集，匹配小写字母或数字
{6,10}: 数量词，匹配前面的字符集 6 到 10 次
$: 匹配结尾

s = "abc112233" pattern = r"^[a-z0-9]{6,10}$" print(re.findall(pattern, s)) # 输出: ['abc112233'] (匹配成功)

3. 验证 QQ 号格式

需求：纯数字，长度 5-11 位，且第一位不能为 0。

^: 匹配开头
[1-9]: 第一位必须是 1-9 的数字
[0-9]{4,10}: 后面跟着 4 到 10 位的任意数字（加上第一位，总长度为 5-11 位）
$: 匹配结尾

s = "2598144874" pattern = r"^[1-9][0-9]{4,10}$" print(re.findall(pattern, s)) # 输出: ['2598144874'] (匹配成功)

4. 提取网页 URL

这是一个相对复杂的例子，用于从文本中提取以http://或https://开头的网址。

text = "配网页地址ssshttps://sc.chinaz.com/tupian/index_1.html配网页地址" 正则表达式解析： http[s]?:// -> 匹配 "http://" 或 "https://" (?: ... )+ -> 非捕获分组，匹配括号内的任意字符一次或多次 [a-zA-Z]|[0-9] -> 匹配字母或数字 [$-_@.&+] -> 匹配 URL 中常见的特殊符号 [!*\(\)] -> 匹配括号等符号（需要转义） (?:%[0-9a-fA-F][0-9a-fA-F]) -> 匹配 URL 编码，如 %20 url_pattern = r"http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\)]|(?:%[0-9a-fA-F][0-9a-fA-F]))+" result = re.findall(url_pattern, text) print(result) 输出: ['https://sc.chinaz.com/tupian/index_1.html']