正则表达式

橘子coding2026/8/1约 1661 字

在处理字符串时，我们经常会遇到「判断某个字符串是否符合某种规则」的需求：比如检查邮箱格式、手机号格式、提取网页里的日期、把一段混乱的日志切成几段……这些任务如果用 if/else 加字符串方法硬写，代码会又长又容易出错。

正则表达式就是专门用来描述这种「字符串规则」的工具。它本质上是一门小语言：你写一条规则，然后用 Python 的 re 模块去检查字符串是否符合规则。规则对了，匹配、查找、替换、切分都能一句话搞定。

1. 正则表达式基础

正则表达式由普通字符和特殊字符组成。普通字符直接匹配自身，特殊字符则匹配某一类字符。

1.1 常见字符类

\d：匹配一个数字（0-9）。
\w：匹配一个字母、数字或下划线（等价于 [0-9a-zA-Z_]）。
\s：匹配一个空白字符（空格、Tab、换行等）。
.：匹配任意一个字符（除了换行符）。

来看几个例子：

'00\d'      # 匹配 007，不匹配 00A
'\d\d\d'    # 匹配 010
'\w\w\d'    # 匹配 py3
'py.'       # 匹配 pyc、pyo、py! 等

1.2 量词

如果要匹配「若干个」字符，就要用到量词：

符号	含义
`*`	匹配 0 个或多个
`+`	匹配 1 个或多个
`?`	匹配 0 个或 1 个
`{n}`	匹配恰好 n 个
`{n,m}`	匹配 n 到 m 个

比如 \d{3}\s+\d{3,8} 这条规则：

\d{3}：连续 3 个数字，比如 010；
\s+：至少一个空白字符；
\d{3,8}：3 到 8 个数字。

它可以匹配 010 12345、010 1234567 这种带区号的电话号码。

如果要匹配 010-12345，因为 - 是特殊字符，需要转义：

'\d{3}\-\d{3,8}'  # 匹配 010-12345

在 Python 字符串里，正则表达式建议加 r 前缀，比如 r'\d{3}-\d{3,8}'，这样反斜杠不会被 Python 提前转义，写起来更直观。

2. 范围、位置与转义

2.1 字符范围 `[]`

[] 表示一个字符范围，匹配方括号里的任意一个字符。

[0-9a-zA-Z_]      # 匹配一个数字、字母或下划线
[a-z]+            # 匹配一个或多个小写字母
[0-9]{2,4}        # 匹配 2 到 4 个数字

比如判断 Python 变量名可以用：

r'^[a-zA-Z_][0-9a-zA-Z_]*$'

第一个字符必须是字母或下划线，后面跟任意个字母、数字或下划线。

2.2 分支 `|`

A|B 表示匹配 A 或者 B。

r'(P|p)ython'  # 匹配 Python 或 python

2.3 行首和行尾

^ 表示字符串的开头。
$ 表示字符串的结尾。

r'^\d'    # 必须以数字开头
r'\d$'    # 必须以数字结尾
r'^py$'   # 整行只能有 py 两个字符

3. `re` 模块常用方法

Python 里把正则表达式功能都集中在 re 模块里。最常用的方法有这几个。

3.1 判断字符串是否匹配

re.match(pattern, string) 从字符串开头开始匹配，匹配成功返回一个 Match 对象，失败返回 None。

import re

m = re.match(r'^\d{3}-\d{3,8}$', '010-12345')
print(m)  # <re.Match object; span=(0, 9), match='010-12345'>

m = re.match(r'^\d{3}-\d{3,8}$', '010 12345')
print(m)  # None

通常我们会这样写：

if re.match(r'^\d{3}-\d{3,8}$', '010-12345'):
    print('ok')
else:
    print('failed')

3.2 在字符串中搜索

re.search(pattern, string) 会扫描整个字符串，返回第一个匹配到的结果。

import re

m = re.search(r'\d+', 'abc123def456')
print(m.group())  # 123

3.3 找出所有匹配

re.findall(pattern, string) 返回一个列表，包含所有匹配到的字符串。

import re

print(re.findall(r'\d+', 'abc123def456'))  # ['123', '456']
print(re.findall(r'\b\w+\b', 'Hello, Python!'))  # ['Hello', 'Python']

3.4 切分字符串

re.split(pattern, string) 按正则切分字符串，比字符串自带的 split 更灵活。

import re

# 按一个或多个空格切分
print(re.split(r'\s+', 'a b   c'))
# ['a', 'b', 'c']

# 按空格、逗号或分号切分
print(re.split(r'[\s,;]+', 'a,b;; c  d'))
# ['a', 'b', 'c', 'd']

3.5 替换字符串

re.sub(pattern, replacement, string) 会把匹配到的部分替换成新字符串。

import re

# 把所有数字换成 X
print(re.sub(r'\d+', 'X', 'abc123def456'))
# abcXdefX

# 去掉多余空格
print(re.sub(r'\s+', ' ', 'a  b   c    d'))
# a b c d

4. 分组提取

用 () 括号可以把正则表达式的一部分括起来，形成一个「分组」。匹配之后可以单独提取每个分组的内容。

import re

m = re.match(r'^(\d{3})-(\d{3,8})$', '010-12345')
print(m.group(0))  # 010-12345，整个匹配结果
print(m.group(1))  # 010，第一个分组
print(m.group(2))  # 12345，第二个分组
print(m.groups())  # ('010', '12345')

group(0) 永远表示整条正则匹配到的字符串，group(1)、group(2) 分别对应第 1、第 2 个分组。

来个更实际的例子：把时间字符串 19:05:30 拆成时、分、秒。

import re

t = '19:05:30'
regex = r'^([01]\d|2[0-3]):([0-5]\d):([0-5]\d)$'
m = re.match(regex, t)
print(m.groups())  # ('19', '05', '30')

正则擅长做「格式」检查，但像「日期是否合法」这种逻辑判断，比如 2 月 30 号，光靠正则很难写全，建议正则负责格式，程序负责业务校验。

5. 贪婪与非贪婪匹配

正则默认是贪婪的：在能满足整个规则的前提下，它会尽可能多地匹配。

import re

m = re.match(r'^(\d+)(0*)$', '102300')
print(m.groups())  # ('102300', '')

这里的 \d+ 太贪了，把后面的 0 也吃了，导致 0* 只能匹配空字符串。

想让 \d+ 少匹配一点，可以在量词后面加 ?，变成非贪婪模式：

m = re.match(r'^(\d+?)(0*)$', '102300')
print(m.groups())  # ('1023', '00')

? 的含义有点多：在普通字符后表示 0 或 1 次，在量词后面表示「非贪婪」。

6. 编译正则

如果同一个正则表达式要反复用很多次，可以先用 re.compile() 编译成对象，这样能省掉每次编译的开销。

import re

# 编译一次
tel_pattern = re.compile(r'^(\d{3})-(\d{3,8})$')

# 多次使用
m1 = tel_pattern.match('010-12345')
print(m1.groups())  # ('010', '12345')

m2 = tel_pattern.match('010-8086')
print(m2.groups())  # ('010', '8086')

编译后得到的是一个正则对象，调用 match、search、findall、split、sub 时不需要再传正则字符串了。