17370845950

Python正则表达式重在实践应用：需掌握基础匹配（数字、邮箱、中文）、贪婪/懒惰匹配、大小写控制、分组捕获（含命名与非捕获）、替换技巧（含函数替换）及调试避坑（如raw字符串、match/search区别、编译优化）。

Python正则表达式不是“学了就会”，而是“用对才懂”。掌握核心语法、理解匹配逻辑、避开常见坑，比背熟所有元字符更重要。下面从实际需求出发，讲清楚怎么写、怎么调、怎么修。

基础匹配：从找数字、邮箱到中文

正则本质是“描述文本模式的规则”。比如找连续3位数字：\d{3}；找邮箱：[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}；匹配中文（Unicode）：[\u4e00-\u9fff]+。

• 注意贪婪 vs 懒惰：默认*、+是贪婪匹配，会尽可能多匹配。想匹配最短内容，加?，如a.*?b匹配"a123b"中的整个串，但遇到"a123b456b"时只取第一个"a123b"
• 中文匹配别漏范围：\u4e00-\u9fff覆盖常用汉字，但生僻字、标点（如顿号、省略号）需扩展，例如加上\u3000-\u303f\u3040-\u309f\u30a0-\u30ff
• 大小写敏感默认开启：用re.IGNORECASE或(?i)前缀，如(?i)python能匹配"Python"、"PYTHON"

分组与捕获：提取关键信息的关键

用圆括号()定义分组，配合re.search()或re.findall()提取结构化内容。比如解析日志行："[2025-05-12 14:23:08] ERROR: timeout"：

pattern = r"\[(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})\] (\w+): (.*)"

• group(0)是整个匹配结果，group(1)、group(2)对应第一、二个括号里的内容
• 命名分组更易读：写成(?P...)、(?P...)，之后用m.group("time")直接取值
• 非捕获分组节省资源：只分组不捕获用(?:...)，比如匹配IP但不单独提取每一段：(?:\d{1,3}\.){3}\d{1,3}

替换操作：不只是简单替换，还能动态处理

re.sub()支持字符串、函数甚至lambda作为替换内容。例如把日期格式2025/05/12转为2025-05-12：

re.sub(r"(\d{4})/(\d{2})/(\d{2})", r"\1-\2-\3", text)

• 反向引用要小心：在替换字符串中用\1、\2；若用re.sub(..., lambda m: ...)，则通过m.group(1)获取
• 函数替换更灵活：比如把所有数字加100：re.sub(r"\d+", lambda m: str(int(m.group()) + 100), text)
• 限制替换次数：加count=1参数，只替换第一次出现的位置

调试与避坑：为什么我的正则不生效？

常见问题往往出在细节：

• 字符串前加r避免转义干扰：写r"\d+"，而不是"\\d+"，否则容易少一个反斜杠
• match()只从开头匹配，search()才全局找：想确认是否包含某模式，用re.search()；想验证整串是否符合规则，用re.fullmatch()
• 特殊字符未转义就当字面量用：比如匹配真实句号，必须写\.，否则.表示“任意字符”
• 编译正则提升性能：多次使用同一模式时，先pattern = re.compile(r"...")，再调用pattern.search()或pattern.sub()