正则表达式的使用
正则表达式就是一连串的超级通配符，用来快速“搜查，替换，拆解，验证”文本。
一、 字符含义
1）普通字符
| 符号 | 含义 | 例子 |
|---|---|---|
abc | 完全匹配这三个字母 | "abc" → ✅ "xabc" → ❌ |
import re
## 普通字符
print(re.findall(r'python', 'hello world! I like python!!')) ## ['python']
print(re.findall(r'java', 'hello world! I like python!!')) ## []2）单字符简写
| 符号 | 含义 | 举例 |
|---|---|---|
. | 任意一个字符（换行除外） | a.c → "abc" "a1c" ✅ |
\d | 一位数字 [0-9] | \d → "5" ✅ "a" ❌ |
\D | 非数字 [^0-9] | \D → "a" ✅ "5" ❌ |
\w | 字母/数字/下划线 [A-Za-z0-9_] | \w → "_" "9" ✅ |
\W | 非 \w | \W → "@" ✅ |
\s | 空白字符（空格、Tab、换行） | \s → " " ✅ |
\S | 非空白 | \S → "a" ✅ |
import re
## 单字符简写
txt = "Room 101 is 30.5 m², cat cot ccc cbt"
print(re.findall(r'c.t',txt)) # ['cat', 'cot', 'cbt']
print(re.findall(r'\d+', txt)) # ['101', '30', '5']
print(re.findall(r'\D+', txt)) # ['Room ', ' is ', '.', ' m², cat cot ccc cbt']
print(re.findall(r'\s+', txt)) # [' ', ' ', ' ', ' ', ' ', ' ', ' ', ' ']
print(re.findall(r'\S+', txt)) # ['Room', '101', 'is', '30.5', 'm²,', 'cat', 'cot', 'ccc', 'cbt']
print(re.findall(r'\S', txt)) # ['R', 'o', 'o', 'm', '1', '0', '1', 'i', 's', '3', '0', '.', '5', 'm', '²', ',', 'c', 'a', 't', 'c', 'o', 't', 'c', 'c', 'c', 'c', 'b', 't']
\S+一次抓“一整串”连续非空白字符（单词、数字、符号整体）。
\S只抓“单个”非空白字符（逐字母、逐数字拆开）。
3）数量词
正则引擎是从左到右，一个字符一个字符地滑动尝试匹配。
| 符号 | 含义 | 举例 |
|---|---|---|
* | 0 次或多次 | ab* → "a" "ab" "abb" ✅ |
+ | 1 次或多次 | ab+ → "ab" "abb" ✅ "a" ❌ |
? | 0 或 1 次 | ab? → "a" "ab" ✅ "abb" ❌ |
{n} | 恰好 n 位数字 | \d{4} → "2024" ✅ |
{n,} | 至少 n 位数字 | \d{3,} → "123" "12345" ✅ |
{n,m} | n 到 m 位数字 | \d{2,4} → "12" "123" "1234" ✅ |
## 数量词
print(re.findall(r'ab*', 'a b c ab ba aab abb abbb')) # ['a', 'ab', 'a', 'a', 'ab', 'abb', 'abbb']
print(re.findall(r'ab+', 'a b c ab ba aab abb abbb')) # ['ab', 'ab', 'abb', 'abbb']
print(re.findall(r'ab?', 'a b c ab ba aab abb abbb')) # ['a', 'ab', 'a', 'a', 'ab', 'ab', 'ab']
print(re.findall(r'\d{3}', '11 15 378 666 99 78910')) # ['378', '666', '789']
print(re.findall(r'\d{3,}', '11 15 378 666 99 78910')) # ['378', '666', '78910']
print(re.findall(r'\d{2,4}', '11 15 378 666 99 78910')) # ['11', '15', '378', '666', '99', '7891']4）位置锚点
| 符号 | 含义 | 举例 |
|---|---|---|
^ | 开头 | ^\d → "1abc" ✅ "a1bc" ❌ |
$ | 结尾 | \d$ → "abc1" ✅ "1abc" ❌ |
\b | 单词边界 | \bcat\b → "cat" ✅ "catalog" ❌ |
\B | 非单词边界 | \Bcat → "scat" ✅ |
## 位置锚点
print(bool(re.search(r'^\d+', '123abc'))) # True
print(bool(re.search(r'^\d+', 'abc123'))) # False
print(bool(re.search(r'\d+$', 'abc123'))) # True
print(re.findall(r'\bcat\w*\b', 'cat scat catch ctcat')) # ['cat', 'catch']
print(re.findall(r'\b\w*cat\b', 'cat scat catch ctcat')) # ['cat', 'scat', 'ctcat']
# 用 ^ 和 $ —— 只能匹配整段文本的首尾
print(re.findall(r'^cat\w*', 'cat scat catch ctcat')) # ['cat']
print(re.findall(r'\w*cat$', 'cat scat catch ctcat')) # ['ctcat']⚠️注意：为什么不建议使用^和$来筛选以“cat”开头和以“cat”结尾：
^和$是只对整段文本的开头和结尾，不认每个单词的头或尾。
5）中括号自定义集合
| 符号 | 含义 | 举例 |
|---|---|---|
[abc] | a 或 b 或 c | [abc] → "a" ✅ "d" ❌ |
[a-z] | a 到 z 任意小写字母 | [a-z]+ → "hello" ✅ |
[^abc] | 非 a/b/c | [^abc] → "d" ✅ "a" ❌ |
print(re.findall(r'[aeiou]', 'hello world')) # ['e', 'o', 'o']
print(re.findall(r'[^aeiou]', 'hello')) # ['h', 'l', 'l']6）贪婪 / 非贪婪
| 符号 | 含义 | 举例 |
|---|---|---|
.* | 贪婪 → 尽可能多匹配 | <.*> 在 <a><b></b></a> 会一次吃掉整串 |
.*? | 非贪婪 → 尽可能少匹配 | <.*?> 会分成 <a> <b> </b> </a> |
7）宽度断言
| 符号 | 含义 | 举例 |
|---|---|---|
(?=...) | 正向前瞻 | \d+(?=元) → 匹配后面有“元”的数字 |
(?!...) | 负向前瞻 | \d+(?!元) → 匹配后面没有“元”的数字 |
(?<=...) | 正向后顾 | (?<=￥)\d+ → 匹配前面有“￥”的数字 |
(?<!...) | 负向后顾 | (?<!\d)\d{3} → 匹配前面不是数字的 3 位数字 |
text = "价格100元，优惠200元，积分300"
print(re.findall(r'\d+(?=元)', text)) # ['100', '200']
print(re.findall(r'(?<=价格)\d+', text)) # ['100']
print(re.findall(r'\d+(?!元)', text)) # ['300']8）转义字符
| 符号 | 含义 | 举例 |
|---|---|---|
\ | 转义 | \. 匹配真正的句点 "." |
\\ | 反斜杠本身 | "C:\\path" 正则写成 C:\\\\path |
二、方法名
1）查找所有匹配 - findall
re.findall(r'\d+', '价格123，库存456') # ['123', '456']2）只找一次 - search + 分组提取
m = re.search(r'(\d{4})-(\d{2})', '2024-05')
m.groups() # ('2024', '05')3）从头开始 - match
bool(re.match(r'1[3-9]\d{9}', '13812345678')) # True4） 全文精确格式 - fullmatch
bool(re.fullmatch(r'\d{6}', '123456')) # True5）按正则切分 - split
re.split(r'[;,|\s]+', 'a,b; c|d e') # ['a', 'b', 'c', 'd', 'e']6）替换 - sub
re.sub(r'\d+', '#', '订单123与456') # '订单#与#'7）替换并计算 - subn
re.subn(r'\d', '*', 'a1b2c3') # ('a*b*c*', 3)