一、模塊簡(jiǎn)介

re 模塊是 Python 標(biāo)準(zhǔn)庫(kù)中處理正則表達(dá)式的核心工具，提供強(qiáng)大的文本模式匹配、搜索和替換功能。通過(guò)特定的語(yǔ)法規(guī)則，可以快速完成以下任務(wù)：

• 數(shù)據(jù)驗(yàn)證（郵箱/手機(jī)號(hào)格式校驗(yàn)）
• 文本內(nèi)容提取（日志分析/網(wǎng)頁(yè)爬蟲）
• 批量文本處理（格式轉(zhuǎn)換/敏感詞過(guò)濾）
• 復(fù)雜字符串操作（多條件分割/模板替換）

正則表達(dá)式引擎基于 PCRE（Perl Compatible Regular Expressions）實(shí)現(xiàn)

二、核心功能

• 函數(shù)介紹：

三. 功能詳解

1. re.match(pattern, string, flags=0)

特點(diǎn)

• 僅匹配字符串開(kāi)頭，如果不是起始位置匹配成功的話，match() 就返回 None。
• 相當(dāng)于自動(dòng)添加^錨點(diǎn)

參數(shù)說(shuō)明

返回值

• 成功：re.Match對(duì)象,使用 group(num) 或 groups() 匹配對(duì)象函數(shù)來(lái)獲取匹配表達(dá)式
• 失?。?code>None

• 使用案例

# 驗(yàn)證字符串是否以數(shù)字開(kāi)頭,調(diào)用這個(gè)方法等同于 r'^\d+'
# 如果匹配的字符串是c123abc，是匹配不到的
if re.match(r'\d+', '123abc'):
    print("Valid header")
else:
    print("Invalid header")

# 提取開(kāi)頭的版本號(hào)
version = re.match(r'v?(\d+\.\d+)', 'v3.8.1').group(1)  # '3.8'

2. re.search(pattern, string, flags=0)

特點(diǎn)

• 掃描整個(gè)字符串尋找第一個(gè)匹配
• 支持復(fù)雜定位邏輯

參數(shù)與返回：同re.match

使用案例

# 查找第一個(gè)有效數(shù)字串,只匹配第一個(gè)
text = "Total: 1500 items, price $299"
match = re.search(r'\d+', text)
if match:
    print(f"價(jià)格：{match.group()}")  # 1500

# 帶條件的搜索
pattern = r'(?<=ID:)\s*[A-Z0-9]{8}'  # 查找ID后的8位編碼
id_code = re.search(pattern, "User ID: AB3XK9P2").group()  # AB3XK9P2

3. re.compile(pattern, flags=0)

特點(diǎn)

• 預(yù)編譯正則表達(dá)式，生成一個(gè)正則表達(dá)式（ Pattern ）對(duì)象
• 適合高頻調(diào)用場(chǎng)景

參數(shù)說(shuō)明：

• pattern : 一個(gè)字符串形式的正則表達(dá)式
• flags 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數(shù)為：
  • re.IGNORECASE 或 re.I - 使匹配對(duì)大小寫不敏感
  • re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當(dāng)前環(huán)境
  • re.MULTILINE 或 re.M - 多行模式，改變 ^ 和 $ 的行為，使它們匹配字符串的每一行的開(kāi)頭和結(jié)尾。
  • re.DOTALL 或 re.S - 使 . 匹配包括換行符在內(nèi)的任意字符。
  • re.ASCII - 使 \w, \W, \b, \B, \d, \D, \s, \S 僅匹配 ASCII 字符。
  • re.VERBOSE 或 re.X - 忽略空格和注釋，可以更清晰地組織復(fù)雜的正則表達(dá)式。

這些標(biāo)志可以單獨(dú)使用，也可以通過(guò)按位或（|）組合使用。例如，re.IGNORECASE | re.MULTILINE 表示同時(shí)啟用忽略大小寫和多行模式。

返回：re.Pattern對(duì)象

使用案例

# 預(yù)編譯郵箱驗(yàn)證正則
email_re = re.compile(
    r'''(
        [\w\.-]+          # 用戶名
        @ 
        [\w\.-]+          # 域名
        \.
        [a-zA-Z]{2,4}     # 頂級(jí)域名
    )''', re.VERBOSE)

# 復(fù)用編譯對(duì)象
valid = email_re.match('user@example.com') is not None  # True

案例調(diào)用match匹配成功時(shí)返回一個(gè) Match 對(duì)象，其中：

• group([group1, …]) 方法用于獲得一個(gè)或多個(gè)分組匹配的字符串，當(dāng)要獲得整個(gè)匹配的子串時(shí)，可直接使用 group() 或 group(0)；
• start([group]) 方法用于獲取分組匹配的子串在整個(gè)字符串中的起始位置（子串第一個(gè)字符的索引），參數(shù)默認(rèn)值為 0；
• end([group]) 方法用于獲取分組匹配的子串在整個(gè)字符串中的結(jié)束位置（子串最后一個(gè)字符的索引+1），參數(shù)默認(rèn)值為 0；
• span([group]) 方法返回 (start(group), end(group))。

4. re.findall(pattern, string, flags=0)

特點(diǎn)：在字符串中找到正則表達(dá)式所匹配的所有子串，并返回一個(gè)列表，如果有多個(gè)匹配模式，則返回元組列表，如果沒(méi)有找到匹配的，則返回空列表。

^注意： match 和 search 是匹配一次 findall 匹配所有。

參數(shù)說(shuō)明

• pattern 匹配模式。
• string 待匹配的字符串。
• pos 可選參數(shù)，指定字符串的起始位置，默認(rèn)為 0。
• endpos 可選參數(shù)，指定字符串的結(jié)束位置，默認(rèn)為字符串的長(zhǎng)度。

返回值

• 無(wú)分組：匹配字符串列表 [‘a’, ‘b’, …]
• 有分組：分組元組列表 [(‘a’, ‘1’), …]

使用案例

# 提取所有數(shù)字
numbers = re.findall(r'\d+', 'A1B23C456')
print(numbers)  # ['1','23','456']

# 分組提取日期成分
dates = re.findall(r'(\d{4})-(\d{2})-(\d{2})', '2023-08-01, 2025-03-15')
print(dates)  # [('2023','08','01'), ('2025', '03', '15')]

5. re.finditer(pattern, string, flags=0)

特點(diǎn)

• 和 findall 類似，在字符串中找到正則表達(dá)式所匹配的所有子串，并把它們作為一個(gè)迭代器返回
• 處理大文本時(shí)內(nèi)存更高效

• 返回值： callable_iterator對(duì)象
• 使用案例

# 處理100MB日志文件
with open('server.log') as f:
    for match in re.finditer(r'$$(ERROR|WARN)$$.*?(req_id=\w+)', f.read()):
        level = match.group(1)
        req_id = match.group(2)
        print(f"{level}報(bào)警：{req_id}")

6. re.split(pattern, string, maxsplit=0, flags=0)

特點(diǎn)

• split 方法按照能夠匹配的子串將字符串分割后返回列表
• 保留分割符內(nèi)容（使用分組時(shí)）

參數(shù)說(shuō)明

• 使用案例

# 復(fù)雜分隔符分割
text = "apple, banana;cherry|orange"
parts = re.split(r'[,;|]\s*', text)  # ['apple','banana','cherry','orange']

# 帶保留分隔符的分割
re.split(r'([,;])', 'a,b;c')  # ['a', ',', 'b', ';', 'c']

# 控制分割次數(shù)
re.split(r'\d+', 'a1b22c333d', maxsplit=2)  # ['a','b','c333d']

四、綜合應(yīng)用案例

日志分析系統(tǒng)

log_pattern = re.compile(r'''
    (?P<time>\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2})  # 時(shí)間
    \s\|\s
    (?P<level>INFO|ERROR|WARN)                      # 日志級(jí)別
    \s\|\s
    (?P<module>\w+)\.py                             # 模塊
    :(?P<line>\d+)                                  # 行號(hào)
    \s-\s
    (?P<msg>.+)                                     # 消息
''', re.VERBOSE)

for log in open('app.log'):
    if (match := log_pattern.search(log)):
        print(f"{match.group('time')} [{match.group('level')}]", 
              f"{match.group('module')}:{match.group('line')}",
              match.group('msg'))

五、正則表達(dá)式修飾符 - 可選標(biāo)志

正則表達(dá)式可以包含一些可選標(biāo)志修飾符來(lái)控制匹配的模式。

以下標(biāo)志可以單獨(dú)使用，也可以通過(guò)按位或（|）組合使用。

例如：re.IGNORECASE | re.MULTILINE 表示同時(shí)啟用忽略大小寫和多行模式。

最佳實(shí)踐建議

1. ?優(yōu)先使用編譯對(duì)象：當(dāng)正則使用超過(guò)3次時(shí)
2. ?合理使用分組：避免過(guò)多捕獲組影響性能
3. ?注意貪婪匹配：非貪婪模式.*?可避免意外匹配
4. ?處理特殊字符：用re.escape()處理動(dòng)態(tài)輸入
5. 控制回溯次數(shù)：復(fù)雜正則可能引發(fā)性能問(wèn)題

完整API文檔：Python re模塊官方文檔

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論