Python 正则表达式完全指南：从基础语法到实战案例

正则表达式（Regular Expression）是处理字符串匹配、提取、替换的强大工具，在数据清洗、表单验证、文本分析等场景中应用广泛。本文基于 Python 的 re 模块，结合基础语法与实战案例，带你系统掌握正则表达式的使用方法。

一、正则表达式基础语法

正则表达式的核心是 “匹配模式”，通过特定符号组合定义规则，匹配符合条件的字符串。以下是常用语法分类总结：

1. 精确匹配与选择匹配

• 精确匹配：直接写目标字符串，匹配完全一致的内容。
  示例：red 仅匹配字符串 "red"。
• 选择匹配：用 | 分隔多个选项，匹配任意一个选项。
  示例：red|yellow|blue 匹配 "red"、"yellow" 或 "blue"。

2. 模糊匹配（字符集与元字符）

当需要匹配 “某一类字符” 时，使用字符集或元字符（元字符是字符集的简化写法）。

（1）字符集 [ ]

• [abc]：匹配 "a"、"b"、"c" 中的任意一个字符。
• [^abc]：匹配除 "a"、"b"、"c" 以外的任意字符（^ 表示 “非”）。
• [0-9]：匹配 0-9 中的任意一个数字。
• [a-z]/[A-Z]：匹配小写 / 大写英文字母。
• [A-z]：匹配英文字母（含大小写）或下划线 _（注意：ASCII 表中 Z 与 a 之间有特殊字符，实际推荐用 [a-zA-Z_]）。
• [\u4e00-\u9fa5]：匹配任意一个中文汉字（Python 支持 Unicode 编码）。

（2）元字符

元字符是字符集的 “简写形式”，更简洁高效：

3. 量词：控制匹配次数

量词用于定义 “前面的字符 / 表达式需要匹配多少次”，解决 “重复匹配” 问题：

贪婪匹配与非贪婪匹配

• 贪婪匹配：默认行为，尽可能多匹配（“能多不少”）。
  示例：\d{2,4} 匹配 "12345" 时，会优先匹配 4 位数字 "1234"。
• 非贪婪匹配：在量词后加 ?，尽可能少匹配（“能少不多”）。
  示例：\d{2,4}? 匹配 "12345" 时，会优先匹配 2 位数字 "12"。

4. 限定符：锚定匹配位置

限定符用于定义 “匹配的字符串必须在什么位置”，常见的有：

• ^：匹配字符串的开头。
  示例：^abc 仅匹配以 "abc" 开头的字符串（如 "abc123"，不匹配 "123abc"）。
• $：匹配字符串的结尾。
  示例：abc$ 仅匹配以 "abc" 结尾的字符串（如 "123abc"，不匹配 "abc123"）。
• ^abc$：精确匹配整个字符串（只能是 "abc"，长度和内容完全一致）。

5. 分组：提取与复用匹配结果

用 () 对正则表达式分组，可实现 “提取子结果” 和 “复用匹配规则”。

（1）普通分组

每个 () 对应一个分组，分组索引从 1 开始（0 是整个匹配结果）。
示例：(\d{2})([a-z]+) 匹配 "12ab" 时，分组 1 是 "12"，分组 2 是 "ab"。

（2）命名捕获分组

用 (?P<name>re) 给分组命名，后续可通过名称获取结果（更易读）。
示例：(?P<year>\d{4})-(?P<month>\d{2}) 匹配 "2024-05" 时，可通过 "year" 获取 "2024"，"month" 获取 "05"。

（3）非捕获分组

用 (?:re) 取消分组的 “捕获功能”（仅用于分组匹配，不单独提取结果）。
示例：(?:abc)|(?:def) 匹配 "abc" 或 "def"，但不单独捕获分组结果。

（4）反向引用

用 \n（n 是分组索引）复用前面分组的匹配结果，常用于匹配 “重复模式”。
示例：

• (.)(.)\1\2 匹配 "ABAB" 类型（如 "abab"、"1212"）。
• (.)\1(.)\2 匹配 "AABB" 类型（如 "aabb"、"1122"）。

6. 断言：有条件的匹配

断言是 “附加条件的匹配”，不消耗字符，仅判断条件是否满足（也叫 “零宽断言”）。

7. 经典案例：密码强度验证

需求：密码必须包含数字、大小写字母、特殊符号（!@#$%^&*），长度 8-18 位。
正则表达式：^(?=.*[0-9])(?=.*[a-z])(?=.*[A-Z])(?=.*[!@#$%^&*]).{8,18}$
解析：

• (?=.*[0-9])：确保包含至少一个数字。
• (?=.*[a-z])：确保包含至少一个小写字母。
• (?=.*[A-Z])：确保包含至少一个大写字母。
• (?=.*[!@#$%^&*])：确保包含至少一个特殊符号。
• .{8,18}：匹配 8-18 位任意字符（除换行符）。
• ^ 和 $：锚定整个字符串，避免前后有多余字符。

二、Python re 模块核心方法

Python 的 re 模块提供了正则表达式的核心操作，以下是常用方法的详解与示例。

1. match(pattern, string, flags=0)

• 功能：从字符串开头匹配，若开头不匹配则返回 None，匹配成功返回 Match 对象。
• 参数：
  • pattern：正则表达式（字符串或编译后的对象）。
  • string：待匹配的字符串。
  • flags：匹配模式（如 re.I 忽略大小写，re.S 让 . 匹配换行符）。

示例：

import re# 命名捕获分组示例
res = re.match(r'(?P<first>\d{2})(?P<second>\d{2})', '1234ab')
print(res.span())       # 返回匹配区间 (0, 4)（匹配了前4个字符 "1234"）
print(res.groups())     # 返回所有分组元组 ('12', '34')
print(res.group())      # 返回整个匹配结果 '1234'
print(res.group(1))     # 返回第1个分组结果 '12'
print(res.groupdict())  # 返回命名分组字典 {'first': '12', 'second': '34'}

2. fullmatch(pattern, string, flags=0)

• 功能：匹配整个字符串（从开头到结尾），完全符合正则才返回 Match 对象，否则返回 None。
• 场景：用于严格验证（如手机号、身份证号）。

示例：

import re# 验证手机号（11位数字）
res = re.fullmatch(r'\d{11}', '12345678903abc')
print(res)  # None（字符串末尾有 "abc"，不满足11位数字）res = re.fullmatch(r'\d{11}', '12345678903')
print(res)  # <re.Match object; span=(0, 11), match='12345678903'>（匹配成功）

3. findall(pattern, string, flags=0)

• 功能：查找字符串中所有符合正则的子串，返回列表（无匹配则返回空列表）。
• 分组影响：
  • 无分组：返回所有匹配结果的列表。
  • 1 个分组：返回仅包含分组结果的列表。
  • 多个分组：返回列表，每个元素是分组结果的元组。

示例：

import re# 多个分组：提取数字+字母组合
res = re.findall(r'(\d+)([a-z]+)', 'ab12cd34ef')
print(res)  # [('12', 'cd'), ('34', 'ef')]（每个元组是一组数字+字母）# 无分组：提取所有数字
res = re.findall(r'\d+', 'ab12cd34ef')
print(res)  # ['12', '34']

4. search(pattern, string, flags=0)

• 功能：在字符串中任意位置查找第一个符合正则的子串，返回 Match 对象（无匹配则返回 None）。
• 区别于 match：match 仅从开头匹配，search 可匹配任意位置。

示例：

import re# 查找第一个数字+字母组合
res = re.search(r'(\d+)([a-z]+)', 'ab12cd34ef')
print(res.group())    # '12cd'（整个匹配结果）
print(res.groups())   # ('12', 'cd')（分组结果）

5. sub(pattern, repl, string, count=0, flags=0)

• 功能：替换字符串中符合正则的子串，返回替换后的新字符串。
• 参数：
  • repl：替换后的内容（字符串或函数）。
  • count：替换次数（0 表示替换所有，默认 0）。
• 分组引用：在 repl 中用 \n（n 是分组索引）引用分组结果。

示例：

import re# 替换所有数字+字母组合为 "中"
res = re.sub(r'\d+[a-z]+', '中', '12cd34ab')
print(res)  # '中中'# 手机号脱敏：13623456789 → 136****6789
res = re.sub(r'(\d{3})\d{4}(\d{4})', r'\1****\2', '13623456789')
print(res)  # '136****6789'（\1 引用前3位，\2 引用后4位）# 限制替换次数（仅替换1次）
res = re.sub(r'\d+', '中', '12cd34ab', count=1)
print(res)  # '中cd34ab'

6. subn(pattern, repl, string, count=0, flags=0)

• 功能：与 sub 类似，但返回元组 (替换后的字符串, 替换次数)。

示例：

import reres = re.subn(r'\d+', '中', '12cd34ab')
print(res)  # ('中cd中ab', 2)（替换后的字符串 + 替换了2次）

三、实战：任务清单表单验证

结合正则表达式与 re 模块，实现任务清单中的表单验证功能（如手机号、邮箱、任务名长度）：

import redef validate_phone(phone):"""验证手机号（11位数字）"""pattern = r'^\d{11}$'return bool(re.fullmatch(pattern, phone))def validate_email(email):"""验证邮箱（如 xxx@xxx.com）"""pattern = r'^\w+@\w+(\.[a-zA-Z]{2,3}){1,2}$'return bool(re.fullmatch(pattern, email))def validate_task_name(name):"""验证任务名（1-50位字符，不包含特殊符号）"""pattern = r'^[a-zA-Z0-9\u4e00-\u9fa5]{1,50}$'return bool(re.fullmatch(pattern, name))# 测试
print(validate_phone('13623456789'))  # True
print(validate_email('test@163.com')) # True
print(validate_task_name('学习正则表达式！')) # False（包含特殊符号 "！"）

四、常见问题与注意事项

1. 转义字符问题：Python 字符串中的 \ 需要转义（如 \d 需写为 r'\d' 或 '\\d'），推荐用 原始字符串 r'' 避免转义麻烦。
2. 匹配模式 flags：
   • re.I：忽略大小写（如 re.match(r'abc', 'ABC', re.I) 匹配成功）。
   • re.S：让 . 匹配换行符（默认不匹配）。
   • re.M：多行模式（让 ^/$ 匹配每行的开头 / 结尾）。
3. 性能优化：频繁使用的正则表达式，用 re.compile(pattern) 编译为对象，可提高执行效率。