做网店有哪些网站西安seo学院
Python 正则表达式通过 re 模块实现模式匹配，是文本处理的核心工具。以下是系统化指南，包含语法详解和实战案例：
一、正则基础语法
1. 元字符速查表
| 符号 | 含义 | 示例 | 匹配结果 |
|---|---|---|---|
. | 任意字符（除换行符） | r"a.c" | “abc”, “a\nc” ❌ |
^ | 行首锚定 | r"^Python" | “Python…” |
$ | 行尾锚定 | r"\.py$" | “file.py” |
\d | 数字 | r"\d{3}-\d{4}" | “010-1234” |
\D | 非数字 | r"\D+@example.com" | “user@example.com” |
\w | 单词字符（字母/数字/_） | r"\w+@\w+\.\w+" | “alice@test.com” |
\s | 空白字符 | r"hello\s+world" | “hello world” |
* | 0次或多次 | r"ab*c" | “ac”, “abc”, “abbc” |
+ | 1次或多次 | r"ab+c" | “abc”, “abbc” |
? | 0次或1次 | r"https?://" | “http://”, “https://” |
{} | 精确次数/范围 | r"\d{3,5}" | “123”, “45678” |
2. 特殊构造
# 分组与捕获
match = re.search(r"(\d{3})-(\d{4})", "010-1234")
print(match.group(1)) # "010"（第一个分组）
print(match.groups()) # ("010", "1234")# 非捕获分组
re.search(r"(?:\d{3}-){2}\d{4}", "010-1234-5678") # 不捕获中间分组# 命名分组
re.search(r"(?P<area>\d{3})-(?P<num>\d{4})", "010-1234").groupdict() # {'area': '010', 'num': '1234'}
二、核心函数详解
1. 匹配与搜索
import re# 全文匹配
re.fullmatch(r"\d{3}-\d{4}", "010-1234") # 必须完全匹配# 搜索首个匹配
re.search(r"\b\w+@\w+\.\w+\b", "Contact: alice@test.com").group() # "alice@test.com"# 搜索所有匹配
re.findall(r"\d+", "订单123，金额456元") # ['123', '456']
2. 替换操作
# 简单替换
re.sub(r"\bPython\b", "Java", "Python is great. Pythonic code.") # "Java is great. Pythonic code."# 函数替换（动态计算）
def hex_replace(match):return hex(int(match.group()))re.sub(r"\d+", hex_replace, "RGB(255,0,128)") # "RGB(0xff,0x0,0x80)"
3. 分割字符串
re.split(r"[,;\s]+", "apple, banana; cherry date") # ['apple', 'banana', 'cherry', 'date']
三、高级模式技巧
1. 贪婪与非贪婪匹配
re.findall(r"<(.*)>", "<a>text</a><b>more</b>") # 贪婪模式：['a>text</a><b>more']
re.findall(r"<(.*?)>", "<a>text</a><b>more</b>") # 非贪婪：['a', 'b']
2. 边界控制
# 单词边界
re.findall(r"\bcat\b", "The cat sat on the mat.") # ['cat']# 多行模式
re.findall(r"^Python", "Java\nPython\nC++", re.MULTILINE) # ['Python']
3. 前瞻断言
# 肯定顺序环视
re.findall(r"\b\w+(?=ing\b)", "Reading writing coding") # ['Read', 'writ', 'cod']# 否定顺序环视
re.findall(r"\b\w+(?!ing\b)", "Play played playing") # ['Play', 'played']
四、实战案例库
1. 数据验证
# 邮箱验证
EMAIL_REGEX = r"^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$"
re.fullmatch(EMAIL_REGEX, "user@example.com") # 有效# URL验证
URL_REGEX = r"https?://(?:www\.)?[^\s/$.?#].[^\s]*"
re.fullmatch(URL_REGEX, "https://www.test.com/path?query=1") # 有效
2. 文本提取
# 提取HTML标签内容
html = "<div class='content'>Hello</div><p>World</p>"
re.findall(r"<([a-z]+)>(.*?)</\1>", html, re.DOTALL) # [('div', 'Hello'), ('p', 'World')]# 解析日志时间戳
log = "2025-05-11 14:30:00 [ERROR] Connection failed"
re.search(r"\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}", log).group() # "2025-05-11 14:30:00"
3. 数据清洗
# 去除多余空格
"Hello World ".strip() # 简单方法
re.sub(r"\s+", " ", text).strip() # 正则更彻底# 隐藏敏感信息
phone = "138-1234-5678"
re.sub(r"(\d{3})\d{4}(\d{4})", r"\1****\2", phone) # "138****5678"
五、性能优化策略
1. 预编译正则对象
# 编译模式（高频使用时提升30%+性能）
email_pattern = re.compile(EMAIL_REGEX)
email_pattern.fullmatch("user@test.com") # 比直接使用re.fullmatch快
2. 避免回溯失控
# 危险模式（可能导致指数级回溯）
re.search(r"^(a+)+$", "a" * 20 + "b") # 极端情况会卡死# 安全模式（使用原子组）
re.search(r"^(?>(a+)+)b$", "aaaaab") # 快速失败
3. 匹配引擎选择
re.search()vsre.match()：后者强制从字符串开头匹配re.finditer()：返回迭代器节省内存（处理大文本时）
六、调试工具推荐
-
在线测试：
- Regex101（实时可视化匹配过程）
- RegExr（内置常用正则库）
-
Python 调试：
# 打印调试信息 pattern = re.compile(r"(\d+)-(\w+)") print(pattern.pattern) # 输出正则表达式 print(pattern.flags) # 显示修饰符标志 print(pattern.groups) # 显示分组数量
七、常见陷阱避坑指南
-
特殊字符转义：
# 错误：直接使用括号 re.search(r"(123)", "test(123)test") # 无法匹配 # 正确：转义元字符 re.search(r"\(123\)", "test(123)test") -
编码问题：
# 处理非ASCII字符时指定UNICODE标志 re.search(r"^\w+$", "中文", re.UNICODE) # Python3默认开启 -
贪婪匹配陷阱：
# 错误：贪婪匹配导致跨标签捕获 re.findall(r"<(.*)>", "<a>1</a><b>2</b>") # ['a>1</a><b>2'] # 正确：使用非贪婪模式 re.findall(r"<(.*?)>", ...) # ['a', '/a', 'b', '/b']
掌握这些技巧后，可处理90%以上的正则需求。对于复杂场景（如多语言混合文本），建议结合regex第三方库（支持Unicode属性、模糊匹配等高级功能）。