Python正则表达式实战指南

一 正则表达式库

正则表达式是文本处理中不可或缺的强大工具，Python通过re模块提供了完整的正则表达式支持。本文将详细介绍re模块中最常用的match()、search()和findall()函数，以及贪婪模式与非贪婪模式的区别，帮助读者掌握Python中正则表达式的核心用法。

1. re.match()函数：从字符串开头匹配

re.match()是正则表达式最基本的函数之一，它尝试从字符串的起始位置匹配一个模式。

基本语法与参数

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

• ​pattern​：要匹配的正则表达式字符串或预编译的正则对象
• ​string​：要匹配的目标字符串
• ​flags​：可选标志，用于控制正则表达式的匹配方式

返回值特性

• 匹配成功时返回Match对象
• 匹配失败时返回None

典型使用示例

import rea='1,2,3,4,5'result1=re.match('1,',a)#必须以这个参数开头才行
result2=re.match('2',a)print(result1)    #返回match对象
print(result2)  #结果为空

<re.Match object; span=(0, 2), match='1,'>

其中span参数代表匹配成功 的起始和末尾的位置。match代表匹配的值为什么

2. re.search()函数：扫描整个字符串

与match()不同，re.search()会扫描整个字符串查找第一个匹配项，不限于字符串开头。

基本语法

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

参数与match()相同，但行为不同。

import re
a='1,2,3,4,5,3'
result=re.search('3',a)  #可以不以这个参数开头，但只返回第一个匹配的信息
print(result)

<re.Match object; span=(4, 5), match='3'>

 根据输出结果我们可以看出，search()只返回了第一个查到的值的信息。

与match()的关键区别

特性	re.match()	re.search()
匹配位置	仅字符串开头	字符串任意位置
使用频率	较少	较多
性能	稍快	稍慢
典型用途	验证开头格式	查找内容

3. re.findall()函数：查找所有匹配项

re.findall()返回字符串中所有与模式匹配的非重叠匹配项列表。

基本语法

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

返回值特点

• 返回包含所有匹配子串的列表
• 没有匹配时返回空列表
• 如果正则中有分组，则返回分组元组列表

import re
a='as1m,23f,asd3,23f,112'
res1=re.findall('2',a)
print(res1)

['2', '2', '2']

 可以看出，这个把匹配的所有结果都返回了，但我们也会发现，这个返回的是一个列表形式，很利于处理。

与match/search的区别

• match：只在开头查找单个匹配
• search：在整个字符串查找单个匹配
• findall：查找所有非重叠匹配

前面只是开胃小菜，下面请看他们结合正则表达式所展现的绚丽操作吧

4 表示字符范围

        先举例子再说概念

import re
massage='pig98dog80'
res1=re.findall('[io]',massage)
res2=re.findall('[a-z]',massage)
res3=re.findall('[0-9]',massage)
print(res1)
print(res2)
print(res3)

输出

['i', 'o']
['p', 'i', 'g', 'd', 'o', 'g']
['9', '8', '8', '0']

 根据上面实例我们可以看出

[io]所表示的是在这个字符串中，出现i或o都会被提取出来，类比，我们也可以想到[90]表示的不是90，而是表示这个‘9’和‘0’两个字符

[a-z]所表示的是在这个字符串中，出现在a-z范围中的都会被提取出来

[0-9]所表示的是在这个字符串中，出现在0-9范围中的都会被提取出来

5 表示字符出现的次数

还是先举例子再说概念

import remassage='abcdacdabb'
res=re.findall('ab*',massage)
print('ab*型：',res)res1=re.findall('ab+',massage)
print('ab+型：',res1)res2=re.findall('ab?',massage)
print('ab?型：',res2)

结果

ab*型： ['ab', 'a', 'abb']
ab+型： ['ab', 'abb']
ab?型： ['ab', 'a', 'ab']

 根据这个结果，在格式上我们可以看出区别，b后面跟的分别是*+？，然后结果也很明显，第一种b分别出现了0，1，2次，第二种b分别出线了1，2次，第三种情况出现了1，0，1次

我们我们可以知道

ab*这种类型，可以提取*前面的数据（字母，数字，或者符号）出现任意次数的情况

ab+这种类型，可以提取*前面的数据（字母，数字，或者符号）最少出现一次的类型

ab*这种类型，可以提取*前面的数据（字母，数字，或者符号）出现0-1次的类型

import re
message='0123456'
mes=re.findall('^0',message)
mes1=re.findall('^6',message)
mes2=re.findall('0$',message)
mes3=re.findall('6$',message)
print('^0型',mes)
print('^6型',mes1)
print('0$型',mes2)
print('6$型',mes3)

输出

^0型 ['0']
^6型 []
0$型 []
6$型 ['6']

 我们可以看出在对于同一串字符串，当0在行首时^0就可以识别出来有结果，^6就返回空值，同理$也是

所以

^所选这的是这个字符后面在行首的情况

$所选这的是这个字符前面在行尾的情况

res=re.findall('f[o]{3}',a)
res1=re.findall('f[o]{3,}',a)
res2=re.findall('f[o]{3,6}',a)
print(res)
print(res1)
print(res2)

 结果

['fooo']
['foooooooooooo']
['foooooo']

 这个我们可以看出[o]{3}就对于ooo,[o]{3,}结果就是取了全部的o,[o]{3,6}取了最大6个o

总结

ab*这种类型，可以提取*前面的数据（字母，数字，或者符号）出现任意次数的情况

ab+这种类型，可以提取*前面的数据（字母，数字，或者符号）最少出现一次的类型

ab*这种类型，可以提取*前面的数据（字母，数字，或者符号）出现0-1次的类型

^所选这的是这个字符后面在行首的情况

$所选这的是这个字符前面在行尾的情况

[o]{3} 表示3个

[o]{3,} 表示3个以上

{o]{3,6} 表示3-6个但一般没有参数控制会是6个

6 表示同一类字符

正则表达式元字符详解

以下是对常用正则表达式元字符的解释和用法说明：

\d 匹配任意数字字符，等价于 [0-9]。例如匹配电话号码中的数字部分。

\D 匹配任意非数字字符，等价于 [^0-9]。例如匹配非数字分隔符。

\s 匹配任意空白字符，包括空格、制表符、换行符等。例如匹配文本中的空格分隔符。

\S 匹配任意非空白字符。例如匹配连续的非空白文本。

\w 匹配任意单词字符，包括字母、数字和下划线，等价于 [A-Za-z0-9_]。例如匹配变量名。

\W 匹配任意非单词字符。例如匹配特殊符号。

\b 匹配单词边界。例如精确匹配整个单词 "the" 可以写作 \bthe\b。

\B 匹配非单词边界。例如匹配 "the" 但排除 "there" 中的 "the"。

\f 匹配换页符（Form feed）。

\n 匹配换行符（Line feed）。

\r 匹配回车符（Carriage return）。

\v 匹配垂直制表符（Vertical tab）。

. 匹配除换行符外的任意单个字符。例如匹配 "a.c" 可以匹配 "abc"、"aXc" 等。

使用示例

// 匹配所有数字
a = "123abc".match(/\d/g); // ["1", "2", "3"]// 匹配非数字
b = "123abc".match(/\D/g); // ["a", "b", "c"]// 匹配空白字符
c = "a b\tc".match(/\s/g); // [" ", "\t"]// 匹配单词边界
d = "hello world".match(/\b\w+\b/g); // ["hello", "world"]

这些元字符可以组合使用构建更复杂的正则表达式模式，满足各种文本匹配需求。

6. 贪婪模式与非贪婪模式

正则表达式中的量词（如*, +, ?, {}）默认采用贪婪匹配，会尽可能多地匹配字符。通过在量词后添加?可启用非贪婪匹配，尽可能少地匹配字符。

贪婪匹配示例

text = "Here is <div>sometext</div> with <div>tags</div>."
pattern = r'<.*>'
match = re.search(pattern, text)
print(match.group())  # 输出: <div>sometext</div> with <div>tags</div>

非贪婪匹配示例

pattern = r'<.*?>'
matches = re.findall(pattern, text)
print(matches)  # 输出: ['<div>', '</div>', '<div>', '</div>']

关键区别总结

模式	表示方法	匹配行为	适用场景
贪婪	*, +, ?, {}	尽可能多匹配	提取最大可能内容
非贪婪	*?, +?, ??, {}?	尽可能少匹配	提取最小单位内容

综合应用建议

1. ​性能考虑​：对于频繁使用的正则表达式，使用re.compile()预编译可提高效率
2. ​错误处理​：总是检查匹配结果是否为None再调用group()
3. ​模式选择​：
   • 验证字符串格式→match
   • 查找内容→search
   • 提取所有匹配→findall
4. ​贪婪控制​：处理HTML/XML等嵌套结构时，非贪婪模式通常更安全

通过掌握这些核心函数和模式，您将能够高效处理大多数文本匹配和提取任务。正则表达式虽然复杂，但一旦掌握将成为您文本处理的强大武器。

7 或和组

或用|表示

组用（表达式）

5实战

读取html中的内容

import re
f1=open(r'D:\培训\中国城市名称大全.html','r',encoding='utf-8')
f2=open('城市大全.csv1','w')
ls=[]
for line in f1:# <div class="para" label-module="para">郑州市 洛阳市 焦作市 商丘市 信阳市 周口市 鹤壁市 安阳市 濮阳市 驻马店市</div>res=re.findall('<div class="para" label-module="para">(.+)</div>', line)if len(res)>0:ls = ls+res# print(re.findall("para>(.+)<", line))
for i in ls:f2.write(str(i)+',')# print(i)
f1.close()
f2.close()

二 第三方库 

第三方库，我们用一般用 pip在cmd终端安装，也可以在pycharm终端安装。

主要通过

 

 我们还可以在后面加

-i https://pypi.tuna.tsinghua.edu.cn/simple

来使用清华源的镜像源来安装