使用Python的re模块掌握正则表达式！字符串搜索与替换完全指南
要在电脑上通过命令提示符或 PowerShell 运行 Python，需要先下载并安装 Python。
如果你还没有安装，请参考Python安装与开发环境配置一文来完成安装。
在制作网站或处理数据时，你是否经常遇到这样的情况：“想从这段文本中只提取特定模式的字符串！”“想批量整理格式混乱的数据！”？在这种时候，能发挥巨大作用的就是“正则表达式”。听起来很难吗？不不不，只要使用Python的`re`模块，即使是初学者也能惊人地轻松成为字符串操作的高手！
本文将通过大量可直接复制粘贴的代码示例，深入浅出地讲解如何使用Python的`re`模块进行正则表达式的基础到应用操作。希望你首先能通过运行代码，体验到“原来是这样用的啊！”的“可运行”的乐趣。来，让我们一起进入正则表达式的世界吧！
正则表达式和re模块到底是什么？
正则表达式，简单来说，就是“用于描述字符串模式的特殊字符串”。例如，它可以像一种通用语言，用于根据模糊条件（如“三个连续的数字”或“电子邮件地址格式”）来搜索和替换字符串。
而在Python中，用于处理正则表达式的标准功能（库）就是`re`模块。只需导入`re`模块，仅用几行代码就能实现复杂的字符串处理。
从基础开始！用于“查找”字符串的4个函数
`re`模块提供了几个用于搜索字符串的函数，我们先来掌握最常用的四个。这些函数都接受“正则表达式模式”和“要搜索的字符串”作为参数。
1. `re.search()` - 返回第一个找到的匹配项
`re.search()`会扫描整个字符串，并返回与模式首次匹配部分的信息。如果未找到，则返回`None`。这是最常用且最易于使用的搜索函数。
例如，我们来试着从一句话中找出“Python”这个词。
<?php
import re
text = "Hello, this is a pen. I love Python programming!"
pattern = "Python"
# 在字符串中搜索模式
match = re.search(pattern, text)
if match:
print(f"找到了！: '{match.group()}'")
print(f"起始位置: {match.start()}, 结束位置: {match.end()}")
else:
print("未找到。")
# 执行结果:
# 找到了！: 'Python'
# 起始位置: 31, 结束位置: 37
?>2. `re.match()` - 检查字符串“开头”是否匹配
`re.match()`与`re.search()`相似，但有一个主要区别：它只检查模式是否从字符串的开头开始匹配。位于字符串中间的模式将被忽略。
让我们用`re.match()`来处理刚才的句子。它会匹配“Hello”，但不会匹配“Python”。
<?php
import re
text = "Hello, this is a pen. I love Python programming!"
# 模式1: "Hello" (位于字符串开头)
match1 = re.match("Hello", text)
if match1:
print(f"'Hello'的搜索结果: 匹配成功！ -> {match1.group()}")
else:
print("'Hello'的搜索结果: 匹配失败。")
# 模式2: "Python" (位于字符串中间)
match2 = re.match("Python", text)
if match2:
print(f"'Python'的搜索结果: 匹配成功！ -> {match2.group()}")
else:
print("'Python'的搜索结果: 匹配失败。")
# 执行结果:
# 'Hello'的搜索结果: 匹配成功！ -> Hello
# 'Python'的搜索结果: 匹配失败。
?>3. `re.findall()` - 以列表形式返回“所有”匹配项
`re.findall()`会找出所有匹配模式的部分，并以字符串列表的形式返回。当你想从一段文本中提取所有数字时，这个函数非常方便。
在这里，我们使用正则表达式模式`\d+`，它表示“一个或多个连续的数字”。
<?php
import re
text = "商品A单价100元，商品B三个250元。订单号是8801。"
# \d+ 是指“一个或多个连续数字”的正则表达式
pattern = r"\d+"
# 获取所有匹配部分并存入列表
numbers = re.findall(pattern, text)
print(f"找到的数字列表: {numbers}")
# 执行结果:
# 找到的数字列表: ['1', '100', '3', '250', '8801']
?>※ 正则表达式模式前的 `r` 表示“原始字符串”(raw string)，它可以防止反斜杠 `\` 被当作转义字符处理。建议在编写正则表达式时总是加上它，以避免不必要的错误。
4. `re.finditer()` - 以“迭代器”形式返回所有匹配项
`re.finditer()`与`re.findall()`相似，但区别在于它返回的是一个“迭代器”而非列表。迭代器适用于需要逐个处理元素的情况，例如在for循环中。
当你不仅需要匹配的字符串，还需要像`search`或`match`返回的那种匹配对象（包含起始位置等信息）时，这个函数就非常有用。
<?php
import re
text = "我的生日是1995年12月31日，他的生日是2003年5月5日。"
# 查找4位数字
pattern = r"\d{4}"
# 以迭代器形式获取匹配项
matches = re.finditer(pattern, text)
print("找到的公元年份:")
for m in matches:
print(f"- {m.group()} (位置: {m.start()}-{m.end()})")
# 执行结果:
# 找到的公元年份:
# - 1995 (位置: 5-9)
# - 2003 (位置: 21-25)
?>随心所欲地“替换”字符串 - re.sub()
正则表达式的另一个强大功能是“替换”。使用`re.sub()`，你可以将匹配模式的部分批量替换为另一个字符串。
例如，为了保护隐私，让我们把文本中的电话号码替换为字符串“(不公开)”。我们将使用匹配日本电话号码（如 080-1234-5678）的正则表达式`\d{2,4}-\d{2,4}-\d{4}`。
<?php
import re
text = "如有疑问，请联系支持担当佐藤先生（080-1111-2222），或联系营业担当铃木先生（03-3333-4444）。"
# 匹配电话号码的正则表达式
pattern = r"\d{2,4}-\d{2,4}-\d{4}"
replacement = "(不公开)"
# 替换匹配模式的部分
new_text = re.sub(pattern, replacement, text)
print(new_text)
# 执行结果:
# 如有疑问，请联系支持担当佐藤先生（(不公开)），或联系营业担当铃木先生（(不公开)）。
?>进阶篇：使用分组进行替换
`re.sub()`的真正威力在于与正则表达式的“分组”功能结合使用。通过用`()`包围模式的一部分，你就可以在替换字符串中重用那部分（即分组）。
例如，让我们把“姓-名”顺序的名字，调换成“名 姓”的顺序。
<?php
import re
text = "登场人物: Tanjiro-Kamado, Zenitsu-Agatsuma, Inosuke-Hashibira"
# (\w+) 是一个分组。第一个匹配姓，第二个匹配名。
pattern = r"(\w+)-(\w+)"
# \2 引用第二个分组（名），\1 引用第一个分组（姓）。
replacement = r"\2 \1"
new_text = re.sub(pattern, replacement, text)
print(new_text)
# 执行结果:
# 登场人物: Kamado Tanjiro, Agatsuma Zenitsu, Hashibira Inosuke
?>【复制代码就能跑】一起来制作一个正则表达式检查器吧！
利用目前学到的知识，我们来制作一个可以在浏览器上实时确认正则表达式行为的“正则表达式检查器”吧！
请完整复制下面的HTML代码，保存为一个名为`checker.html`的文件，然后在浏览器中打开它。在文本区域输入文本，在正则表达式输入框中输入想尝试的模式（例如 `\d+` 或 `[A-Za-z]+`），然后点击“执行高亮”按钮，匹配的部分就会以浅蓝色高亮显示。这是一个能让你体验“代码跑起来”的绝佳示例！
<!DOCTYPE html>
<html lang="zh">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>正则表达式高亮检查器</title>
<style>
body {
background-color: #202124;
color: #e8eaed;
font-family: sans-serif;
line-height: 1.6;
padding: 20px;
}
.container {
max-width: 800px;
margin: 0 auto;
}
h1 {
color: #669df6;
border-bottom: 1px solid #5f6368;
padding-bottom: 10px;
}
textarea, input[type="text"] {
width: 100%;
padding: 10px;
margin-bottom: 10px;
background-color: #3c4043;
color: #e8eaed;
border: 1px solid #5f6368;
border-radius: 4px;
box-sizing: border-box; /* 使宽度计算包含内边距 */
}
button {
padding: 10px 20px;
background-color: #8ab4f8;
color: #202124;
border: none;
border-radius: 4px;
cursor: pointer;
font-weight: bold;
}
button:hover {
opacity: 0.9;
}
#result {
margin-top: 20px;
padding: 15px;
border: 1px solid #5f6368;
border-radius: 4px;
white-space: pre-wrap; /* 按原样显示换行 */
word-wrap: break-word; /* 长单词换行 */
}
.highlight {
background-color: #3367d6; /* 用亮蓝色高亮 */
color: #ffffff;
border-radius: 3px;
padding: 0 2px;
}
label {
display: block;
margin-bottom: 5px;
font-weight: bold;
}
</style>
</head>
<body>
<div class="container">
<h1>正则表达式高亮检查器</h1>
<label for="text-input">要测试的字符串:</label>
<textarea id="text-input" rows="8">Python 3.10 is the latest version. My email is sample-user@example.com. Please call me at 090-1234-5678. The event is on 2025/07/26.</textarea>
<label for="regex-input">正则表达式模式:</label>
<input type="text" id="regex-input" value="\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b">
<button onclick="highlightMatches()">执行高亮</button>
<label for="result" style="margin-top: 20px;">结果:</label>
<div id="result"></div>
</div>
<script>
function highlightMatches() {
const text = document.getElementById('text-input').value;
const regexPattern = document.getElementById('regex-input').value;
const resultDiv = document.getElementById('result');
if (!text || !regexPattern) {
resultDiv.textContent = '请输入字符串和正则表达式模式。';
return;
}
try {
// 添加g标志（全局搜索）和i标志（不区分大小写）
const regex = new RegExp(regexPattern, 'gi');
const highlightedText = text.replace(regex, (match) => {
return `<span class="highlight">${match}</span>`;
});
resultDiv.innerHTML = highlightedText;
} catch (e) {
resultDiv.textContent = '无效的正则表达式模式: ' + e.message;
}
}
// 初始加载时也执行
document.addEventListener('DOMContentLoaded', highlightMatches);
</script>
</body>
</html>
锦上添花的技巧与注意事项
最后，我们来讲解一些能让你更好地运用正则表达式的技巧，以及初学者容易掉入的陷阱。
贪婪匹配（Greedy）与非贪婪匹配（Non-Greedy）
正则表达式中的 `*` 和 `+` 默认是“贪婪的”(Greedy)。这意味着它们会尝试匹配尽可能长的字符串。
例如，假设你想从字符串 `
contents
` 中只提取 `` 和 `
` 之间的内容。如果使用模式 `<.*>` 会发生什么呢？<?php
import re
html = "<p>first paragraph</p><p>second paragraph</p>"
# 贪婪匹配 (Greedy)
greedy_match = re.search(r"<.*>", html)
print(f"贪婪匹配: {greedy_match.group()}")
# 非贪婪匹配 (Non-Greedy): 在 * 后面加上 ?
non_greedy_match = re.search(r"<.*?>", html)
print(f"非贪婪匹配: {non_greedy_match.group()}")
# 执行结果:
# 贪婪匹配: <p>first paragraph</p><p>second paragraph</p>
# 非贪婪匹配: <p>
?>在贪婪匹配中，它从第一个 `<` 一直匹配到了最后一个 `>`，获取了尽可能长的字符串。而 `*?`（在 `*` 后面加 `?`）则是“非贪婪的”(Non-Greedy)，即尝试匹配尽可能短的字符串。这使得它在遇到第一个 `>` 时就停止了匹配。在解析HTML或XML时，这个区别非常重要。
使用 `re.compile()` 提升性能
如果你在程序中需要反复使用同一个正则表达式模式，建议使用 `re.compile()` 事先“编译”该模式。
这样做可以省去Python每次解析模式的开销，从而提高处理速度。编译后的模式对象拥有 `search()`、`findall()` 等方法。
<?php
import re
# 编译电子邮件地址的模式
email_pattern = re.compile(r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}")
# 使用编译后的对象进行搜索
text1 = "联系方式是 a@b.com。"
match1 = email_pattern.search(text1)
if match1:
print(f"从Text1中发现: {match1.group()}")
text2 = "支持窗口是 support@example.co.jp。"
match2 = email_pattern.search(text2)
if match2:
print(f"从Text2中发现: {match2.group()}")
# 执行结果:
# 从Text1中发现: a@b.com
# 从Text2中发现: support@example.co.jp
?>这样做还有一个好处，就是能让代码更有条理，更清晰易读。
总结
本次我们介绍了使用Python `re`模块的正则表达式基础。刚开始可能会觉得有点难以上手，但一旦你了解了它的强大之处，你就会发现再也离不开它来进行文本处理了。
- `re.search()`: 在字符串中搜索模式的第一次出现。
- `re.match()`: 从字符串的开头检查模式是否匹配。
- `re.findall()`: 获取所有匹配模式的项，并以列表形式返回。
- `re.sub()`: 替换匹配模式的部分。
通过组合这些基础知识并熟练运用元字符，你的数据处理能力将得到飞跃性的提升。请务必复制代码，尝试各种不同的模式，与正则表达式交个朋友吧！
下一步
既然已经能用正则表达式自如地处理文本数据了，接下来不妨挑战一下文件操作吧？特别是CSV文件，它是许多Web应用和数据分析中使用的重要格式。通过下面的文章，来掌握如何使用Python的`csv`模块读写CSV文件吧。