正则表达式全解析：从基础到实战（附 Python re 模块用法）
正则表达式（Regular Expression），常简写为regex、regexp或re，是一种独立于编程语言但被主流语言广泛兼容的字符串处理工具。它通过特定模式对字符串进行检索、提取、替换等操作，是处理文本的高效利器。本文将从基础规则到实战应用，全面解析正则表达式的用法。
一、正则表达式基础
1. 本质与工具
正则表达式本质是由特殊字符组成的模式匹配串（Pattern），在 Python 中通过Pattern类表示。
推荐辅助学习工具：RegexBuddy4.exe，可直观测试正则匹配效果。
2. 基础匹配规则
基础规则用于匹配单个字符，核心如下：
| 规则 | 说明 | 示例 |
|---|---|---|
xyz | 匹配字面量xyz（非特殊字符） | abc匹配 "abc" |
[xyz] | 匹配 x、y、z 中的任意一个 | [abc]匹配 "a"、"b" 或 "c" |
[a-z] | 匹配区间内字符（-表示区间，包含两端） | [0-9]匹配任意数字 |
[^xyz] | 匹配除 x、y、z 外的任意字符（^在中括号首位表示 “非”） | [^0-9]匹配非数字 |
\d | 等价于[0-9]（任意数字） | |
\D | 等价于[^0-9]（非数字） | |
\w | 匹配字母、数字、下划线（Python 中含中文） | 等价于[a-zA-Z0-9_] |
\W | 匹配非\w字符 | |
\s | 匹配空白符（空格、\t制表符、\n换行符） | |
\S | 匹配非空白符 | |
\b | 单词边界（需配合其他规则使用） | \bcat\b匹配独立的 "cat" |
. | 匹配除换行符外的任意字符 | |
\. | 转义匹配小数点（特殊字符需用\转义） |
示例：
[0-2457-9]：匹配除 3、6 外的数字（区间与字面量结合）[a-zA-Z0-9]：匹配任意字母或数字
二、多字符与贪婪 / 非贪婪匹配
1. 多字符匹配规则
通过限定符指定字符重复次数（X代表基础规则）：
| 规则 | 说明 | 示例 |
|---|---|---|
X{n} | 匹配 n 个 X | \d{3}匹配 3 个连续数字 |
X{n,} | 至少匹配 n 个 X（尽可能多） | \d{2,}匹配 2 个及以上数字 |
X{n,m} | 匹配 n 到 m 个 X（m≥n） | \d{1,3}匹配 1-3 个数字 |
实战案例：
- 手机号匹配：
1[3-9]\d{9}（1 开头，第 2 位 3-9，后 9 位数字）
2. 贪婪式匹配
默认匹配尽可能多的字符：
| 规则 | 说明 | 等价形式 |
|---|---|---|
X* | 至少 0 个 X | X{0,} |
X+ | 至少 1 个 X | X{1,} |
X? | 最多 1 个 X（0 或 1 个） | X{0,1} |
示例：邮箱匹配（简化版）
[a-zA-Z0-9_]+@[a-zA-Z0-9_]+(\.[a-zA-Z0-9_]+){1,2}
- 账号：至少 1 个字母 / 数字 / 下划线
- 域名：
xx.xx或xx.xx.xx格式
3. 非贪婪式匹配
在贪婪规则后加?，匹配尽可能少的字符（不建议用于正则尾部）：
| 规则 | 说明 |
|---|---|
X*? | 至少 0 个 X（非贪婪） |
X+? | 至少 1 个 X（非贪婪） |
X?? | 最多 1 个 X（非贪婪） |
示例：
3\d+?：匹配 "3" 后接最少 1 个数字（如 "31"）\d+?3：匹配 "3" 前接最少 1 个数字（如 "13"）
三、分组与选择
1. 分组（(...)）
将部分规则视为整体，方便提取匹配结果：
- 普通分组：
(...)，可通过编号引用 - 非捕获分组：
(?:...)，仅作为整体匹配，不参与结果提取 - 命名捕获分组：
(?P<name>...)（Python）或(?<name>...)（Java/JS），通过名称提取
示例：
邮箱命名分组：(?P<account>[a-zA-Z0-9_]+)@[a-zA-Z0-9_]+(?:\.[a-zA-Z0-9_]+){1,2}
可通过account直接获取账号部分。
2. 分组引用（\n）
通过\n引用第 n 个分组的匹配内容：
- 示例：
(\d{2})-(\d{2})-\1，匹配 "12-34-12"（年份重复）
3. 选择（|）
匹配多个规则中的一个，类似 “或” 逻辑：
示例：身份证年份与日期匹配
[0-9]\d{5}(?P<year>(?:19|20)\d{2})(0[1-9]|1[012])(0[1-9]|[12]\d|3[01])\d{3}[0-9Xx]
- 年份：1900-2099
- 月份：01-12
- 日期：01-31
四、限定符与断言
1. 限定符（边界匹配）
^：匹配字符串开头（如^abc匹配以 "abc" 开头的字符串）$：匹配字符串结尾（如abc$匹配以 "abc" 结尾的字符串）- 中文匹配：
[\u4e00-\u9fa5]（匹配任意中文字符）
2. 断言（条件匹配）
根据位置前后的条件匹配，不包含在结果中：
| 类型 | 规则 | 说明 |
|---|---|---|
| 正向确定断言 | X(?=Y) | 匹配 X，且 X 后为 Y |
| 正向否定断言 | X(?!Y) | 匹配 X，且 X 后不为 Y |
| 反向确定断言 | (?<=Y)X | 匹配 X，且 X 前为 Y |
| 反向否定断言 | (?<!Y)X | 匹配 X，且 X 前不为 Y |
示例：
\d+?(?=5)：匹配后面是 5 的数字（如 "125" 中的 "12"）(?<=5)\d+：匹配前面是 5 的数字（如 "512" 中的 "12"）
五、Python re 模块实战
Python 的re模块提供正则表达式操作，核心功能如下：
1. 编译正则（compile）
将字符串正则转为Pattern对象，提高复用效率：
python
import re
pattern = re.compile(r'\d+') # 编译匹配数字的正则
2. 检索与提取
findall(pattern, string)：返回所有匹配结果的列表finditer(pattern, string)：返回匹配结果的迭代器（元素为Match对象）search(pattern, string)：返回第一个匹配的Match对象match(pattern, string)：仅匹配字符串开头，返回Match对象
Match对象方法：
group(n)：获取第 n 个分组的匹配结果（n=0 为整体）groups()：返回所有分组的元组groupdict()：返回命名分组的字典（键为名称）span(n)：返回第 n 个分组的起止索引
3. 匹配校验
fullmatch(pattern, string)：完全匹配字符串（等价于^...$）
4. 字符串操作
split(pattern, string)：按匹配结果拆分字符串python
re.split(r'\d+', 'ab234g465gsf') # 结果：['ab', 'g', 'gsf']sub(pattern, repl, string)：替换匹配内容（repl可为字符串或函数）python
# 隐藏手机号中间4位 re.sub(r'(?<=1[3-9]\d)(\d{4})(?=\d{4})', '****', '13312344321')subn(pattern, repl, string)：返回替换结果和替换次数的元组
5. 修饰符
通过flags参数设置匹配模式：
re.I：忽略大小写re.S（DOTALL）：.匹配包括换行符在内的所有字符re.M（MULTILINE）：多行模式，^和$匹配每行首尾
示例：
python
# 提取每一行以字母开头的数据
string = """
234654dsfsdg
abc34ABD13234
"""
re.findall(r'^[a-zA-Z].+', string, re.M) # 结果：['abc34ABD13234']
六、总结
正则表达式是处理字符串的强大工具，掌握其基础规则、分组逻辑和 Python re 模块的用法，可大幅提升文本处理效率。建议结合RegexBuddy等工具边练边学，从简单匹配逐步过渡到复杂校验（如邮箱、身份证等），实战中加深理解。
希望本文能帮助你快速入门正则表达式，更多进阶技巧可结合具体场景深入探索！