【Python进阶】Python正则表达式：5分钟掌握字符串匹配黑魔法，效率提升100%！

各位小伙伴好，我是唐叔！今天咱们来聊聊Python中的正则表达式——这个让无数程序员又爱又恨的"黑魔法"。正则表达式就像是一把瑞士军刀，能轻松解决字符串匹配、提取、替换等复杂问题。别被它的语法吓到，跟着唐叔学，5分钟就能上手！

一、正则表达式是啥？为啥要用它？

一句话解释：正则表达式（Regular Expression，简称regex）就是用来匹配字符串的规则。比如：

• 检查手机号格式是否正确
• 从网页源码中提取所有链接
• 批量替换文本中的敏感词

不用正则的痛：

# 判断手机号是否合法（11位数字）
phone = "13800138000"
if len(phone) == 11 and phone.isdigit():
    print("合法")
else:
    print("不合法")

用正则的爽：

import re
phone = "13800138000"
if re.match(r"^\d{11}$", phone):
    print("合法")
else:
    print("不合法")

二、5大核心操作，快速上手正则

1. 匹配：re.match() vs re.search()

• match()：从字符串开头匹配
• search()：在字符串中搜索匹配

import re

# match示例
text = "Python is awesome"
print(re.match(r"Python", text))  # 匹配成功
print(re.match(r"awesome", text)) # 匹配失败（因为不是开头）

# search示例
print(re.search(r"awesome", text)) # 匹配成功

记忆口诀：match看开头，search随便搜！

2. 查找所有：re.findall()

提取字符串中所有符合规则的子串：

text = "我的电话是13800138000，你的电话是13912345678"
phones = re.findall(r"\d{11}", text)
print(phones)  # 输出: ['13800138000', '13912345678']

记忆口诀：findall全抓取，返回列表不用愁！

3. 替换：re.sub()

批量替换字符串中的内容：

text = "Python是最好的语言！Java也是最好的语言！"
new_text = re.sub(r"最好的语言", "yyds", text)
print(new_text)  # 输出: Python是yyds！Java也是yyds！

记忆口诀：sub替换忙，一键全改光！

4. 分割：re.split()

按规则切割字符串：

text = "Python,Java;C++|JavaScript"
langs = re.split(r"[,;|]", text)
print(langs)  # 输出: ['Python', 'Java', 'C++', 'JavaScript']

记忆口诀：split切割忙，规则随便放！

5. 分组提取：()

用括号分组，提取特定部分：

text = "姓名: 唐叔, 年龄: 18"
match = re.search(r"姓名: (\w+), 年龄: (\d+)", text)
if match:
    print(f"姓名: {match.group(1)}, 年龄: {match.group(2)}")
# 输出: 姓名: 唐叔, 年龄: 18

记忆口诀：括号来分组，group轻松取！

三、正则表达式语法速记表

记忆口诀：

• \d是数字，\w是字母
• .是任意，*是0到多
• +是1到多，?是0或1
• {n}是固定次数，[]是选一个

四、如何高效自定义正则表达式

正则表达式的强大之处在于它的灵活性，但如何高效地自定义正则表达式呢？唐叔教你几招！

1. 明确需求，分步构建

不要试图一次性写出完美的正则表达式，先分解需求，逐步构建。
示例：匹配一个合法的日期格式（YYYY-MM-DD）

• 第一步：匹配4位年份 \d{4}
• 第二步：匹配分隔符 -
• 第三步：匹配2位月份 \d{2}
• 第四步：匹配2位日期 \d{2}
• 最终组合：\d{4}-\d{2}-\d{2}

2. 使用在线工具调试

推荐使用在线正则表达式调试工具，如 regex101 、 regexr或debuggex，实时查看匹配结果。

当然如果使用VS Code进行开发，也可以考虑使用VS Code插件：Regex Previewer或RegExp Explain。

3. 避免贪婪匹配

默认情况下，正则表达式是贪婪的（尽可能多匹配），可以通过?改为非贪婪模式。
示例：

text = "<div>Python</div><div>Java</div>"
print(re.findall(r"<div>(.*)</div>", text))  # 贪婪：['Python</div><div>Java']
print(re.findall(r"<div>(.*?)</div>", text)) # 非贪婪：['Python', 'Java']

4. 合理使用分组

分组不仅可以提取数据，还能让正则表达式更清晰。
示例：提取URL中的协议和域名

url = "https://www.csdn.net"
match = re.match(r"(https?)://([^/]+)", url)
if match:
    print(f"协议: {match.group(1)}, 域名: {match.group(2)}")
# 输出: 协议: https, 域名: www.csdn.net

5. 预编译正则表达式

如果需要多次使用同一个正则表达式，可以使用re.compile()预编译，提升效率。
示例：

pattern = re.compile(r"\d{11}")
print(pattern.match("13800138000"))  # 匹配成功

五、避坑指南

1. 贪婪匹配：默认是贪婪模式（尽可能多匹配），加?变非贪婪

text = "<div>Python</div><div>Java</div>"
print(re.findall(r"<div>(.*)</div>", text))  # 贪婪：['Python</div><div>Java']
print(re.findall(r"<div>(.*?)</div>", text)) # 非贪婪：['Python', 'Java']

2. 原始字符串：正则表达式前加r，避免转义字符问题

# 错误写法
re.match("\d", "123")  # 报错
# 正确写法
re.match(r"\d", "123")  # 匹配成功

六、实战案例：提取邮箱地址

需求：从一段文本中提取所有合法的邮箱地址。

import re

text = """
联系我们：
客服邮箱：support@csdn.net
投诉邮箱：feedback@csdn.com
无效邮箱：admin@localhost
"""

# 定义邮箱正则规则
email_pattern = r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b"

# 提取邮箱
emails = re.findall(email_pattern, text)
print("提取到的邮箱地址：", emails)

输出结果：

提取到的邮箱地址： ['support@csdn.net', 'feedback@csdn.com']

唐叔总结

正则表达式就像是一把万能钥匙，能打开字符串处理的各种难题。今天咱们从匹配、查找、替换、分割到分组提取，一步步拆解了正则的核心操作。

当然也需要注意，正则表达式就像一把双刃剑：

• 用得好：代码简洁高效，老板直呼内行
• 用不好：同事看到你的正则，连夜提交离职申请

需要牢记：

1. 复杂正则要写注释
2. 超过3行的正则，就该考虑换方法了
3. 能用字符串方法解决的，别用正则（比如str.replace()）

附录：常见正则表达式示例

以下是常见的正则表达式使用场景及其对应的正则规则，帮助大家快速上手：