python re模块常用方法

正则表达式基础语法

正则表达式（Regular Expression）是用于匹配字符串模式的工具，Python通过re模块提供支持。以下为常见语法：

• .：匹配任意字符（除换行符）
• \d：匹配数字（等价于[0-9]）
• \w：匹配字母、数字或下划线（等价于[a-zA-Z0-9_]）
• \s：匹配空白字符（空格、制表符等）
• []：匹配括号内的任意一个字符（如[aeiou]匹配元音字母）
• ^：匹配字符串开头（或在[]内表示取反）
• $：匹配字符串结尾
• *：匹配前一个字符0次或多次
• +：匹配前一个字符1次或多次
• ?：匹配前一个字符0次或1次
• {n}：匹配前一个字符恰好n次
• |：或操作（如a|b匹配a或b）

Python re模块常用方法

Python的re模块提供以下核心函数：

• re.match(pattern, string)：从字符串开头匹配模式，返回Match对象或None。
• re.search(pattern, string)：扫描整个字符串寻找匹配，返回第一个匹配的Match对象。
• re.findall(pattern, string)：返回所有非重叠匹配的列表。
• re.sub(pattern, repl, string)：将匹配的模式替换为指定字符串。
• re.compile(pattern)：预编译正则表达式，提升重复使用效率。

import re
text = "Python 3.10 released on 2021-10-04"
# 提取日期
date_match = re.search(r'\d{4}-\d{2}-\d{2}', text)
print(date_match.group())  # 输出: 2021-10-04

分组与捕获

使用括号()创建捕获组，可通过group()方法获取：

pattern = r'(\w+) (\d+)'
match = re.search(pattern, "Python 3")
print(match.group(1))  # 输出: Python
print(match.group(2))  # 输出: 3

mo

命名分组使用(?P<name>...)语法：

pattern = r'(?P<lang>\w+) (?P<ver>\d+)'
match = re.search(pattern, "Python 3")
print(match.group('lang'))  # 输出: Python

贪婪与非贪婪匹配

默认情况下，量词（*, +, ?, {}）是贪婪的，会尽可能匹配更多字符。添加?转换为非贪婪模式：

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

常用正则表达式示例

• 邮箱验证：

  pattern = r'^[\w\.-]+@[\w\.-]+\.\w+$'
  re.match(pattern, "user@example.com")
  

• URL提取：

  pattern = r'https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+'
  re.findall(pattern, "Visit https://www.example.com")
  

• 电话号码匹配（简单版）：

  pattern = r'\d{3}-\d{3}-\d{4}'
  re.search(pattern, "Call 123-456-7890")
  

性能优化建议

1. 预编译正则：频繁使用的模式应通过re.compile()预编译。

   compiled_pattern = re.compile(r'\d+')
   compiled_pattern.findall("123 abc 456")
   

2. 避免回溯灾难：复杂模式可能导致性能问题，尽量使用具体匹配范围。

3. 使用原始字符串：在模式字符串前加r（如r'\d'）避免转义字符混淆。