Python中正则表达式从入门到精通详解(这一篇就够了!)

import re

python
# 推荐写法
pattern = r'\d+'  # 匹配数字

# 不推荐（虽然也能用）
pattern = '\\d+'

python
import re

text = '<div>hello</div><p>world</p>'

# 贪婪匹配（默认）——匹配尽可能长的结果
print(re.findall(r'<.*>', text))
# 输出: ['<div>hello</div><p>world</p>']

# 非贪婪匹配（加 ?）——匹配尽可能短的结果
print(re.findall(r'<.*?>', text))
# 输出: ['<div>', '</div>', '<p>', '</p>']

python
import re

# match要求从开头就匹配
result = re.match(r'\d+', '123abc456')
if result:
    print(result.group())  # 输出: 123

# 开头不匹配，返回None
result = re.match(r'\d+', 'abc123')
print(result)  # 输出: None

python
import re

# search在整个字符串中查找
result = re.search(r'\d+', 'abc123def456')
if result:
    print(result.group())  # 输出: 123（只返回第一个）

python
import re

text = '我有3个苹果，5个香蕉，8个橙子'
# 找出所有数字
numbers = re.findall(r'\d+', text)
print(numbers)  # 输出: ['3', '5', '8']

# 找邮箱
text2 = '联系我: test@example.com 或 support@python.org'
emails = re.findall(r'\w+@\w+\.\w+', text2)
print(emails)  # 输出: ['test@example.com', 'support@python.org']

python
import re

text = '价格: 100元, 200元, 300元'
for match in re.finditer(r'\d+', text):
    print(f'找到数字: {match.group()}，位置: {match.span()}')
# 输出:
# 找到数字: 100，位置: (4, 7)
# 找到数字: 200，位置: (9, 12)
# 找到数字: 300，位置: (14, 17)

python
import re

# 将数字替换为 #
result = re.sub(r'\d+', '#', '房间123，楼层4')
print(result)  # 输出: 房间#，楼层#

# 移除所有空白字符
text = 'abc 12\ de 23 \n f45 6'
cleaned = re.sub(r'\s+', '', text)
print(cleaned)  # 输出: abc12de23f456

python
import re

# 按数字分割字符串
text = 'abc123def456ghi'
parts = re.split(r'\d+', text)
print(parts)  # 输出: ['abc', 'def', 'ghi']

# 按多种分隔符分割
text2 = 'apple, banana; orange|grape'
result = re.split(r'[,;|]', text2)
print(result)  # 输出: ['apple', ' banana', ' orange', 'grape']

python
import re

# 编译正则表达式
pattern = re.compile(r'\d+')

# 然后就可以反复使用这个pattern对象了
text1 = '我有10个苹果'
text2 = '他有20个橙子'

print(pattern.findall(text1))  # ['10']
print(pattern.search(text2).group())  # 20
print(pattern.sub('#', '价格123元'))  # 价格#元

python
import re

# 提取电话号码的区号和号码
text = '我的电话是010-12345678'
pattern = r'(\d{3})-(\d{8})'

match = re.search(pattern, text)
if match:
    print(f'区号: {match.group(1)}')   # 输出: 010
    print(f'号码: {match.group(2)}')   # 输出: 12345678
    print(f'完整匹配: {match.group(0)}') # 输出: 010-12345678
    print(f'所有分组: {match.groups()}') # 输出: ('010', '12345678')

python
import re

# 非捕获分组：只分组不捕获
pattern = r'(?:https?://)?(\w+\.\w+)'
text = '访问 https://example.com 和 http://python.org'

matches = re.findall(pattern, text)
print(matches)  # 输出: ['example.com', 'python.org']

python
import re

# 命名分组：使用 (?P<名字>模式) 的格式
pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
text = '今天是2025-03-15'

match = re.search(pattern, text)
if match:
    print(f'年: {match.group("year")}')   # 输出: 2025
    print(f'月: {match.group("month")}')  # 输出: 03
    print(f'日: {match.group("day")}')    # 输出: 15
    print(f'所有命名分组: {match.groupdict()}')
    # 输出: {'year': '2025', 'month': '03', 'day': '15'}

python
import re

# 匹配重复的单词（如 "hello hello"）
pattern = r'\b(\w+)\s+\1\b'
print(re.search(pattern, 'hello world'))    # 输出: None（不匹配）
print(re.search(pattern, 'hello hello'))    # 输出: 匹配成功
print(re.search(pattern, 'good good study')) # 输出: 匹配成功（good good）

python
import re

# 示例1：提取美元符号后面的数字（正向后行断言）
text = '售价￥299，促销价$199'
pattern = r'(?<=\$)\d+'  # 匹配 $ 后面的数字，但 $ 不包含在结果中
print(re.findall(pattern, text))  # 输出: ['199']

# 示例2：排除jpg/png文件（负向先行断言）
files = 'image.jpg backup.zip config.yaml'
pattern = r'\b\w+\.(?!jpg|png)\w{3}\b'  # 匹配不是jpg/png结尾的文件
print(re.findall(pattern, files))  # 输出: ['backup.zip', 'config.yaml']

# 示例3：提取中括号内的内容（前后配合）
log = 'ERROR [2026-01-01] 系统崩溃'
pattern = r'(?<=\[).+?(?=\])'  # 匹配 [ 和 ] 之间的内容
print(re.search(pattern, log).group())  # 输出: 2026-01-01

python
import re

text = 'Python正则表达式入门教程123'
# 匹配中文字符（基本汉字范围）
chinese = re.findall(r'[\u4e00-\u9fff]+', text)
print(chinese)  # 输出: ['正则表达式入门教程']

python
import re

def is_valid_phone(phone):
    pattern = r'^1[3-9]\d{9}$'  # 11位数字，以1开头，第二位是3-9
    return bool(re.match(pattern, phone))

print(is_valid_phone('13812345678'))  # True
print(is_valid_phone('12345678901'))  # False

python
import re

text = '请联系我: test.user@example.com 或 admin@python.org'
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
emails = re.findall(pattern, text)
print(emails)  # 输出: ['test.user@example.com', 'admin@python.org']

python
import re

html = '<div class="content"><p>欢迎来到<span>Python</span>世界！</p></div>'
# 去除所有HTML标签
clean_text = re.sub(r'<[^>]+>', '', html)
print(clean_text)  # 输出: 欢迎来到Python世界！

python
import re

log = '''
2026-04-06 19:23:45 INFO 用户登录成功
2026-04-06 19:25:12 ERROR 数据库连接失败
2026-04-06 19:30:08 WARN 响应时间过长
'''

# 提取所有错误日志的时间和信息
pattern = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}) ERROR (.+)'
errors = re.findall(pattern, log)
for time, msg in errors:
    print(f'错误发生时间: {time}, 错误信息: {msg}')
# 输出: 错误发生时间: 2026-04-06 19:25:12, 错误信息: 数据库连接失败

python
# 错误写法
pattern = '\d+'  # 这里 \d 可能被Python解释器当作转义序列处理

# 正确写法
pattern = r'\d+'  # 使用原生字符串

python
# re.match() 要求从开头匹配
re.match(r'\d+', 'abc123')  # 返回 None

# re.search() 可以在任何位置查找
re.search(r'\d+', 'abc123')  # 返回匹配对象