Python re 模块：匹配、搜索、查找与替换

1. 什么是 re 模块？

Python 的 re 模块 是处理 正则表达式 的标准库，全称为 "regular expressions"。它可以帮助您在文本中查找、匹配、搜索和替换特定的模式，广泛应用于数据清洗、验证输入、信息提取等场景。正则表达式是一种强大的字符串处理工具，让您可以指定复杂的搜索规则。

为什么学习 re 模块？

• 提高效率：快速处理大量文本数据。
• 灵活性：通过模式匹配，可以处理各种复杂的字符串格式。
• 基础技能：许多编程语言都有类似的正则表达式功能，学习 Python 的 re 模块有助于您掌握通用技能。

2. 基本函数介绍

在使用 re 模块之前，请确保导入它：

import re

以下是 re 模块的四个核心功能及其对应函数：

2.1 re.match()：匹配字符串开头

• 作用：从字符串的 开头 匹配一个模式。如果匹配成功，返回一个匹配对象；否则返回 None。
• 适用场景：检查字符串是否以特定模式开头，如验证用户名或 URL。

示例：

import re

# 定义正则表达式模式：以字母开头
pattern = r"^[A-Za-z]+"
string = "Hello123 World"

# 使用 re.match
result = re.match(pattern, string)
if result:
    print(f"匹配成功: {result.group()}")  # 输出: Hello
else:
    print("匹配失败")

解释：模式 r"^[A-Za-z]+" 匹配一个或多个字母，^ 表示字符串开头，r 前缀表示原始字符串，避免转义字符的问题。

2.2 re.search()：搜索整个字符串

• 作用：在 整个字符串 中搜索第一个匹配的模式。与 re.match() 不同，它从任何位置开始匹配。
• 适用场景：查找字符串中的特定子串，如提取邮件地址或电话号码。

示例：

import re

# 搜索数字
pattern = r"\d+"  # 匹配一个或多个数字
string = "商品编号：12345 价格：99"

result = re.search(pattern, string)
if result:
    print(f"找到的数字: {result.group()}")  # 输出: 12345
else:
    print("未找到匹配")

解释：\d+ 表示一个或多个数字字符；re.search 只返回第一个匹配项。

2.3 re.findall() 和 re.finditer()：查找所有匹配

• re.findall()：返回一个列表，包含所有匹配的子字符串。
• re.finditer()：返回一个迭代器，逐个提供匹配对象，适合处理大型文本。

示例：

import re

# 查找所有数字
pattern = r"\d+"
string = "订单：100, 200, 300"

# 使用 re.findall
matches = re.findall(pattern, string)
print(f"所有数字列表: {matches}")  # 输出: ['100', '200', '300']

# 使用 re.finditer
for match in re.finditer(pattern, string):
    print(f"匹配位置: {match.start()}-{match.end()}, 内容: {match.group()}")
# 输出多个行，每个匹配的位置和内容

解释：re.findall 直接返回匹配的字符串列表，re.finditer 提供更多控制，如获取匹配位置。

2.4 re.sub()：替换匹配的文本

• 作用：替换字符串中所有匹配模式的子串，或指定替换次数。
• 适用场景：数据清洗、格式化文本。

示例：

import re

# 替换所有空格为下划线
pattern = r"\s+"  # 匹配一个或多个空白字符
string = "Hello World Python Tutorial"
replacement = "_"

new_string = re.sub(pattern, replacement, string)
print(f"替换后: {new_string}")  # 输出: Hello_World_Python_Tutorial

解释：\s+ 匹配空格、制表符等；re.sub 会返回新字符串，原始字符串不变。

3. 常用正则表达式语法简介

为了有效使用 re 模块，了解一些基本正则表达式符号很重要：

• .：匹配任意单个字符（除了换行符）。
• ^：匹配字符串开头。
• $：匹配字符串结尾。
• *：匹配前面的字符零次或多次。
• +：匹配前面的字符一次或多次。
• ?：匹配前面的字符零次或一次。
• []：字符集，匹配方括号内的任意字符，如 [abc] 匹配 a、b 或 c。
• \d：匹配数字，等价于 [0-9]。
• \s：匹配空白字符。

示例：组合使用这些符号。

import re

# 模式：以字母开头，后跟数字
pattern = r"^[A-Za-z]+\d+"
string = "Test123 End"
result = re.match(pattern, string)
if result:
    print("匹配成功")

4. 实战示例：验证和提取信息

让我们结合例子，练习常见任务。

验证电子邮件地址

import re

pattern = r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$"
email = "user@example.com"
if re.match(pattern, email):
    print("有效邮件地址")
else:
    print("无效邮件地址")

解释：这个模式检查邮件的基本格式，但实际应用中可能需要更复杂的验证。

提取所有 URL

import re

pattern = r"https?://[\w.-]+(?:\/[\w.-]*)*"  # 简化的 URL 模式
text = "访问 https://example.com 和 http://test.org/page"
urls = re.findall(pattern, text)
print(f"找到的 URLs: {urls}")  # 输出: ['https://example.com', 'http://test.org/page']

5. 最佳实践与注意事项

• 使用原始字符串：定义模式时，加 r 前缀，如 r"\d+"，以避免反斜杠转义问题。
• 测试模式：先用简单字符串测试，再应用到复杂场景。
• 注意性能：正则表达式可能较慢，在处理大文本时考虑优化。
• 避免过度使用：对于简单字符串操作，优先使用内置方法，如 str.replace()。

6. 总结

通过本教程，您应该已经掌握了 Python re 模块的核心功能：匹配、搜索、查找和替换文本。正则表达式是强大的工具，但需要实践来精通。建议多写代码示例，并查阅 Python 官方文档以深入学习高级特性。

如果您是 Python 新手，可以从本章节的代码开始，逐步尝试修改模式或应用到自己项目中。祝您学习愉快！

扩展阅读：

• 学习更多正则表达式模式：查阅在线资源或书籍。
• 实践项目：尝试构建一个简单的日志分析器或数据清洗脚本。