re模块是Python中用于正则表达式操作的标准库模块。正则表达式(Regular Expression)是一种强大的文本处理工具，可以用来匹配、查找、替换字符串中的特定模式。
1. re模块的基本方法
1.1 re.compile()
将正则表达式模式编译成一个正则表达式对象，可以重复使用。
import repattern = re.compile(r'\d+') # 匹配一个或多个数字1.2 re.match()
从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功则返回None。
result = re.match(r'hello', 'hello world')if result: print("匹配成功:", result.group()) # 输出: 匹配成功: hello1.3 re.search()
扫描整个字符串并返回第一个成功的匹配。
result = re.search(r'world', 'hello world')if result: print("找到匹配:", result.group()) # 输出: 找到匹配: world1.4 re.findall()
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表。
numbers = re.findall(r'\d+', '12 apples, 34 oranges, 56 bananas')print(numbers) # 输出: ['12', '34', '56']1.5 re.finditer()
与findall类似，但返回一个迭代器，包含所有匹配的Match对象。
matches = re.finditer(r'\d+', '12 apples, 34 oranges, 56 bananas')for match in matches: print(match.group(), match.span())1.6 re.sub()
用于替换字符串中的匹配项。
text = re.sub(r'\d+', 'NUM', '12 apples, 34 oranges, 56 bananas')print(text) # 输出: NUM apples, NUM oranges, NUM bananas1.7 re.split()
按照能够匹配的子串将字符串分割后返回列表。
words = re.split(r'\W+', 'Hello, world! This is a test.')print(words) # 输出: ['Hello', 'world', 'This', 'is', 'a', 'test', '']2. 正则表达式对象的方法
编译后的正则表达式对象也有相应的方法：
pattern = re.compile(r'\d+')# 对应的方法pattern.match(string) # 同re.match()pattern.search(string) # 同re.search()pattern.findall(string) # 同re.findall()pattern.finditer(string) # 同re.finditer()pattern.sub(repl, string) # 同re.sub()pattern.split(string) # 同re.split()3. Match对象的方法和属性
匹配成功后返回的Match对象有以下常用方法和属性：
3.1 方法
group([group1, ...]): 返回一个或多个匹配的子组groups(): 返回一个包含所有匹配子组的元组groupdict(): 返回一个包含所有命名子组的字典start([group]): 返回匹配子组的起始位置end([group]): 返回匹配子组的结束位置span([group]): 返回一个元组包含匹配子组的(start, end)位置3.2 属性
pos: 搜索开始的位置endpos: 搜索结束的位置lastindex: 最后一个匹配的捕获组的索引lastgroup: 最后一个匹配的捕获组的名称re: 产生此匹配的正则表达式对象string: 匹配的字符串4. 正则表达式模式语法
4.1 常用元字符
.: 匹配任意字符(除了换行符)^: 匹配字符串的开头$: 匹配字符串的结尾*: 匹配前面的子表达式零次或多次+: 匹配前面的子表达式一次或多次?: 匹配前面的子表达式零次或一次{m}: 匹配前面的子表达式m次{m,n}: 匹配前面的子表达式m到n次[...]: 字符集，匹配其中任意一个字符|: 或，匹配|左右任意一个表达式(...): 分组，标记一个子表达式的开始和结束位置4.2 特殊序列
\d: 匹配任意数字，等价于[0-9]\D: 匹配任意非数字字符\s: 匹配任意空白字符\S: 匹配任意非空白字符\w: 匹配任意字母数字字符，等价于[a-zA-Z0-9_]\W: 匹配任意非字母数字字符\b: 匹配单词边界\B: 匹配非单词边界5. 高级用法
5.1 分组和捕获
pattern = re.compile(r'(\d{3})-(\d{3})-(\d{4})') # 电话号码格式match = pattern.search('我的电话是123-456-7890')if match: print("完整匹配:", match.group(0)) # 123-456-7890 print("区号:", match.group(1)) # 123 print("前三位:", match.group(2)) # 456 print("后四位:", match.group(3)) # 7890 print("所有分组:", match.groups()) # ('123', '456', '7890')5.2 非捕获组
(?:...)表示非捕获组，匹配但不捕获
pattern = re.compile(r'(?:\d{3})-(\d{3})-(\d{4})')match = pattern.search('123-456-7890')print(match.groups()) # 输出: ('456', '7890')5.3 命名组
(?P<name>...)可以给分组命名
pattern = re.compile(r'(?P<area>\d{3})-(?P<first>\d{3})-(?P<last>\d{4})')match = pattern.search('123-456-7890')print(match.groupdict()) # {'area': '123', 'first': '456', 'last': '7890'}5.4 前后查找
(?=...): 正向后查找(?!...): 负向后查找(?<=...): 正向前查找(?<!...): 负向前查找# 匹配后面跟着"bar"的"foo"re.findall(r'foo(?=bar)', 'foobar foobaz') # ['foo']# 匹配后面不跟着"bar"的"foo"re.findall(r'foo(?!bar)', 'foobar foobaz') # ['foo']# 匹配前面是"foo"的"bar"re.findall(r'(?<=foo)bar', 'foobar bazbar') # ['bar']# 匹配前面不是"foo"的"bar"re.findall(r'(?<!foo)bar', 'foobar bazbar') # ['bar']6. 标志参数
re模块支持多个标志参数，可以修改正则表达式的行为：
re.IGNORECASE或re.I: 忽略大小写re.MULTILINE或re.M: 多行模式re.DOTALL或re.S: 使.匹配包括换行符在内的所有字符re.VERBOSE或re.X: 允许编写更易读的正则表达式re.ASCII或re.A: 使\w, \W, \b, \B, \s, \S只匹配ASCII字符re.DEBUG: 显示调试信息# 忽略大小写re.findall(r'hello', 'Hello World', re.I) # ['Hello']# 多行模式text = """first linesecond linethird line"""re.findall(r'^\w+', text, re.M) # ['first', 'second', 'third']# 详细模式，可以添加注释和空白pattern = re.compile(r""" \d{3} # 区号 - # 分隔符 \d{3} # 前三位 - # 分隔符 \d{4} # 后四位""", re.VERBOSE)7. 实际应用示例
7.1 验证电子邮件地址
def is_valid_email(email): pattern = re.compile(r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}$') return bool(pattern.match(email))print(is_valid_email('user@example.com')) # Trueprint(is_valid_email('invalid.email@')) # False7.2 提取URL
text = "访问我的网站 https://www.example.com 或者 http://test.org"urls = re.findall(r'https?://[^\s]+', text)print(urls) # ['https://www.example.com', 'http://test.org']7.3 替换日期格式
text = "今天是2023-05-15，明天是2023-05-16"new_text = re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\2/\3/\1', text)print(new_text) # 今天是05/15/2023，明天是05/16/20237.4 密码强度验证
def check_password_strength(password): if len(password) < 8: return "密码太短" if not re.search(r'[A-Z]', password): return "需要至少一个大写字母" if not re.search(r'[a-z]', password): return "需要至少一个小写字母" if not re.search(r'\d', password): return "需要至少一个数字" if not re.search(r'[^A-Za-z0-9]', password): return "需要至少一个特殊字符" return "密码强度足够"print(check_password_strength('Weak123')) # 密码太短print(check_password_strength('Strong@Password123')) # 密码强度足够8. 性能考虑
- 预编译正则表达式：如果需要多次使用同一个正则表达式，使用
re.compile()预编译可以提高性能。避免贪婪匹配：贪婪匹配(如.*)可能会导致性能问题，尽量使用非贪婪匹配(如.*?)或更具体的模式。使用原子组：(?>...)可以防止回溯，提高性能。避免过度使用捕获组：只捕获需要的内容，使用非捕获组(?:...)减少开销。# 预编译示例pattern = re.compile(r'\d+') # 编译一次for text in large_text_collection: matches = pattern.findall(text) # 多次使用正则表达式是一个强大的工具，但也可能变得复杂难以维护。对于特别复杂的模式，考虑将其分解为多个简单的正则表达式，或者编写专门的解析器。
