Python re 模块

Python3 学习笔记 · 整理自菜鸟教程

一句话

re 模块用正则表达式做字符串的查找、匹配、替换和分割，search 找第一个、findall 找全部、sub 替换。

要点

  • 四个最常用的查找函数：match（从头匹配）、search（任意位置找第一个）、findall（返回全部列表）、finditer（返回迭代器）。
  • sub(pattern, repl, s) 替换、split(pattern, s) 按模式分割。
  • compile(pattern) 预编译，重复使用时更快、更清晰。
  • 匹配结果 Match 对象：group() 取整体，group(n) 取第 n 组，groups() 取所有组元组。
  • 括号 () 是捕获分组，(?:...) 是非捕获分组。
  • 命名分组 (?P<name>...)，用 group('name') 取。
  • 常用函数标志 flags：re.I 忽略大小写、re.M 多行、re.S 让 . 匹配换行。
  • 默认贪婪匹配（尽量多），加 ? 变非贪婪（如 .*?）。
  • 原始字符串 r'\d+' 写正则，避免反斜杠被 Python 二次转义。
  • match 只从开头匹配，位置不对就返回 None，别和 search 混用。

语法 / 常用方法

语法/方法 说明 示例
re.match(p, s) 从开头匹配，失败返回 None re.match(r'\d+', '123abc')
re.search(p, s) 找第一个匹配 re.search(r'\d+', 'ab12cd')
re.findall(p, s) 返回所有匹配的列表 re.findall(r'\d+', 'a1b22')
re.finditer(p, s) 返回 Match 迭代器 适合大文本
re.sub(p, repl, s) 替换匹配部分 re.sub(r'\d+', '#', 'a1b2')
re.sub(p, func, s) 用函数动态替换 回调返回替换串
re.split(p, s) 按模式分割 re.split(r'[,;]', 'a,b;c')
re.compile(p) 预编译模式 pat = re.compile(r'\d+')
pat.match(s) / pat.search(s) 用已编译模式匹配 复用更快
m.group() 整个匹配串 '2026'
m.group(1) 第 1 个捕获组 括号内容
m.groups() 所有组的元组 ('a', 'b')
m.start() / m.end() 匹配起止位置 下标
re.escape(s) 转义正则特殊字符 用户输入做字面匹配
re.I / re.M / re.S 忽略大小写 / 多行 / 点匹配换行 re.findall(p, s, re.I)

常用正则符号

符号 含义 示例
. 任意字符（默认不含换行） a.c
\d / \D 数字 / 非数字 \d+
\w / \W 字母数字下划线 / 反之 \w+
\s / \S 空白 / 非空白 \s+
^ / $ 行首 / 行尾 ^\d
* / + / ? 0次+ / 1次+ / 0或1次 a* a+ a?
{m,n} 重复 m 到 n 次 \d{2,4}
[] 字符集 [aeiou]
| 或 cat|dog
() 捕获分组 (\d+)-(\d+)

代码示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
import re

s = '张三:13800138000, 李四:13900139000'

# 1. search：找第一个
m = re.search(r'\d{11}', s)
print(m.group())                     # 13800138000

# 2. findall：找全部
print(re.findall(r'\d{11}', s))      # ['13800138000', '13900139000']

# 3. match：必须从头匹配
print(re.match(r'\d+', s))           # None（开头是“张”）
print(re.match(r'\d+', '123abc').group())  # 123

# 4. 分组提取：日期拆年月日
m = re.search(r'(\d{4})-(\d{2})-(\d{2})', '今天是 2026-09-10')
print(m.group(0))                    # 2026-09-10
print(m.group(1), m.group(2))        # 2026 09
print(m.groups())                    # ('2026', '09', '10')

# 5. 命名分组
m = re.search(r'(?P<y>\d{4})-(?P<m>\d{2})', '2026-09')
print(m.group('y'), m.group('m'))    # 2026 09

# 6. sub 替换（支持函数动态替换）
masked = re.sub(r'\d{11}', '***********', s)
print(masked)

def up(match):
    return match.group().upper()
print(re.sub(r'\w+', up, 'hello world'))   # HELLO WORLD

# 7. split 分割
print(re.split(r'[,;]\s*', 'a,b; c'))      # ['a', 'b', 'c']

# 8. 编译复用 + 标志
pat = re.compile(r'python', re.I)
print(pat.findall('Python and PYTHON'))    # ['Python', 'PYTHON']

# 9. 贪婪 vs 非贪婪
html = '<b>粗</b><i>斜</i>'
print(re.findall(r'<.*>', html))           # 贪婪：整串
print(re.findall(r'<.*?>', html))          # 非贪婪：逐个标签

易错点

  • match 只从开头匹配，想“任意位置找”要用 search；两者忘了判 None 就 .group() 会崩。
  • 正则字符串不加 r 前缀，\d、\b 等可能被 Python 转义，写法出错。
  • 贪婪匹配吃太多：.* 配到最后一个，需要时改成 .*?。
  • 用 re.sub 替换串里有 \1、\g<name> 时语义特殊，普通反斜杠要 re.escape 或双写。
  • . 默认不匹配换行，跨行匹配要加 re.S。
  • 分组括号改变 findall 结果：有分组时返回的是组内容而非整体。
  • 用用户输入直接当正则，特殊字符会破坏匹配或引发灾难性回溯，先 re.escape。
  • re.match 和 re.fullmatch 不同：前者匹配前缀即可，后者要求整串完全匹配。