模块函数全览
re 模块是 Python 标准库中的正则表达式引擎，基于 NFA 实现，支持 Perl 风格的正则语法。
import re # 主要函数一览 re.match() # 从字符串开头匹配（不是全字符串） re.search() # 在整个字符串中搜索第一个匹配 re.findall() # 找到所有匹配，返回字符串列表 re.finditer() # 找到所有匹配，返回 Match 对象迭代器 re.sub() # 替换所有（或指定次数的）匹配 re.subn() # 替换并返回 (新字符串, 替换次数) 元组 re.split() # 按正则分割字符串 re.compile() # 预编译正则，返回 Pattern 对象 re.fullmatch() # 要求整个字符串完全匹配（Python 3.4+） re.escape() # 转义字符串中的所有特殊字符 re.purge() # 清空编译缓存（一般不需要手动调用）
三个核心函数的区别
match、search、fullmatch 是最常混淆的三个函数：
re.match(pattern, string)
只从字符串开头开始尝试匹配。如果开头不匹配，即使后面有匹配也返回 None。等价于给模式自动加了
^ 锚点，但不加 $——因此 re.match(r'\d+', '123abc') 会匹配 '123'（不要求到末尾）。re.search(pattern, string)
在整个字符串中搜索第一个匹配位置。如果任意位置有匹配，返回第一个 Match 对象。是最通用的搜索函数，等价于 Perl 的默认匹配行为。
re.fullmatch(pattern, string)
要求整个字符串完全匹配模式。等价于给模式两端自动加
^ 和 $。用于验证格式时最合适（如验证邮箱、日期格式是否完全合法）。import re s = 'hello world 123' # match：只从开头 re.match(r'\d+', s) # None（'hello' 不是数字） re.match(r'hello', s) # 匹配 'hello' re.match(r'hello', s).span() # (0, 5) # search：搜索整个字符串 re.search(r'\d+', s) # 匹配 '123'（在字符串末尾） re.search(r'\d+', s).group() # '123' # fullmatch：整个字符串必须完全匹配 re.fullmatch(r'hello.*', s) # 匹配（.* 可以匹配剩余部分） re.fullmatch(r'\d+', s) # None（整串不只是数字） re.fullmatch(r'\d+', '12345') # 匹配（整串都是数字） # 实用建议 # 验证格式用 fullmatch，搜索内容用 search，几乎不用 match
Match 对象的完整 API
m = re.search(r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})', '今天是 2026-03-26 星期四') # 获取匹配内容 m.group() # '2026-03-26' 整个匹配（等价于 m.group(0)） m.group(1) # '2026' 第1个捕获组 m.group(2) # '03' m.group(3) # '26' m.group('year') # '2026' 通过名字访问 m.groups() # ('2026', '03', '26') 所有捕获组元组 m.groupdict() # {'year': '2026', 'month': '03', 'day': '26'} # 获取位置信息 m.start() # 4 整个匹配的开始位置（字符串索引） m.end() # 14 整个匹配的结束位置（不包含） m.span() # (4, 14) (start, end) 元组 m.start(1) # 4 第1组的开始位置 m.span('month') # (9, 11) 'month' 组的位置 # 原始信息 m.string # '今天是 2026-03-26 星期四' 原始字符串 m.re # 编译后的 Pattern 对象 m.lastindex # 3 最后匹配的捕获组编号 m.lastgroup # 'day' 最后匹配的捕获组名字
findall 的行为规则
findall 是最常用的批量提取函数，但其返回值会随捕获组的数量变化：
# 规则1：无捕获组 → 返回整个匹配的字符串列表 re.findall(r'\d+', 'a1 b22 c333') # → ['1', '22', '333'] # 规则2：一个捕获组 → 返回该组内容的列表 re.findall(r'(\d+)', 'a1 b22 c333') # → ['1', '22', '333'] （与无捕获组相同，因为组=整体） re.findall(r'\w+=(\d+)', 'x=1 y=22 z=333') # → ['1', '22', '333'] （只返回 = 后的数字，不含 x=） # 规则3：多个捕获组 → 返回元组列表 re.findall(r'(\w+)=(\d+)', 'x=1 y=22 z=333') # → [('x', '1'), ('y', '22'), ('z', '333')] # 常见陷阱：用捕获组时返回值改变 re.findall(r'(<.+?>)', '<b>text</b>') # → ['<b>', '</b>'] （有捕获组，返回组内容——恰好等于整体） re.findall(r'<(.+?)>', '<b>text</b>') # → ['b', '/b'] （捕获组不含尖括号，只有标签名）
finditer：内存高效的迭代
# findall 一次性返回所有结果（大文件时内存占用大） # finditer 返回迭代器，按需生成 Match 对象（内存友好） for m in re.finditer(r'\d+', 'a1 b22 c333'): print(f'{m.group()} at position {m.start()}') # 1 at position 1 # 22 at position 4 # 333 at position 8 # 处理大日志文件（不占用太多内存） with open('access.log') as f: content = f.read() errors = [m.group() for m in re.finditer(r'ERROR.*', content)]
sub：强大的替换功能
# 基本替换 re.sub(r'\s+', ' ', 'hello world') # → 'hello world' （多个空白压缩为一个） # 用捕获组反向引用重组 re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\2/\3/\1', 'Date: 2026-03-26') # → 'Date: 03/26/2026' # 限制替换次数 re.sub(r'\s', '-', 'a b c d', count=2) # → 'a-b-c d' （只替换前2个） # 用函数作为替换器（动态替换） def double_number(m): return str(int(m.group()) * 2) # 将匹配到的数字乘以2 re.sub(r'\d+', double_number, 'a=5 b=10 c=15') # → 'a=10 b=20 c=30' # 函数替换：格式化货币 def format_currency(m): amount = float(m.group()) return f'¥{amount:,.2f}' re.sub(r'\d+(?:\.\d+)?', format_currency, 'total: 1234567.5') # → 'total: ¥1,234,567.50' # subn 返回替换次数 result, count = re.subn(r'\s+', ' ', 'a b c') # result='a b c', count=2
split：灵活的分割
# 按空白分割（处理多余空格） re.split(r'\s+', ' hello world ') # → ['', 'hello', 'world', ''] （首尾空字符串） # 过滤空字符串 [x for x in re.split(r'\s+', ' hello world ') if x] # → ['hello', 'world'] # 按多种分隔符 re.split(r'[,;|]', 'a,b;c|d') # → ['a', 'b', 'c', 'd'] # 带捕获组：分隔符也出现在结果中 re.split(r'(\s+)', 'hello world') # → ['hello', ' ', 'world'] （空格作为分隔符也保留） # 限制分割次数 re.split(r',', 'a,b,c,d', maxsplit=2) # → ['a', 'b', 'c,d'] （最多分成3份）
compile 与性能优化
re.compile(pattern, flags=0)
预编译正则表达式，返回
Pattern 对象。Pattern 对象拥有与 re 模块相同的方法（match、search、findall 等），但省去了每次调用时重新解析模式的开销。re 模块内部有缓存（默认512个），多次用同一模式字符串调用 re.search() 会自动缓存，但显式 compile() 更明确。# 场景：在循环中重复使用同一正则 # ❌ 低效：每次循环都解析模式字符串（虽然有缓存，但仍有查找开销） for line in large_log_file: re.search(r'\d{4}-\d{2}-\d{2}', line) # ✅ 高效：预编译，循环内直接使用 DATE_RE = re.compile(r'\d{4}-\d{2}-\d{2}') for line in large_log_file: DATE_RE.search(line) # Pattern 对象的方法与 re 模块完全相同 pattern = re.compile(r'(?P<key>\w+)=(?P<value>\S+)') pattern.findall('x=1 y=2 z=3') # → [('x', '1'), ('y', '2'), ('z', '3')] pattern.sub(r'\g<key>: \g<value>', 'x=1 y=2') # → 'x: 1 y: 2'
re.escape：处理用户输入
# 当用户输入包含特殊字符，需要当作字面字符串匹配时 user_input = '2.5 * (3+4) = 17.5' # 直接使用用户输入作为正则是危险的（可能包含元字符） # re.search(user_input, text) ← 错误！ # 正确：转义所有特殊字符 escaped = re.escape(user_input) # → '2\\.5\\ \\*\\ \\(3\\+4\\)\\ \\=\\ 17\\.5' # 常见场景：高亮搜索关键词 def highlight_keyword(text, keyword): pattern = re.compile(re.escape(keyword), re.IGNORECASE) return pattern.sub(f'[{keyword}]', text) highlight_keyword('I love C++ and C#', 'C++') # → 'I love [C++] and C#' （+ 被正确转义，不被解析为量词）
常见陷阱总结
陷阱1：match vs search
# match 只从开头 re.match(r'\d+', 'abc123') # → None！ re.search(r'\d+', 'abc123') # → '123' ✓
陷阱2：findall + 捕获组
# 有捕获组时返回值变了 re.findall(r'(\d+)', 'a1b2') # → ['1', '2']（组内容） # 用非捕获组保留全匹配 re.findall(r'(?:\d+)', 'a1b2') # → ['1', '2'] ✓
陷阱3：忘记原始字符串
# \n 是换行，不是反斜杠n re.search("\n", text) # 匹配换行 # r"\n" 是两个字符 re.search(r"\n", text) # 也匹配换行（re 解析） # 差别在复杂模式中体现 # 始终用 r"..." ！
陷阱4：贪婪过度匹配
# 贪婪导致匹配过多 re.findall(r'".*"', '"a" "b"') # → ['"a" "b"']（整体） # 懒惰或否定类解决 re.findall(r'"[^"]*"', '"a" "b"') # → ['"a"', '"b"'] ✓
小结
本章要点
search搜索整串；match只从开头；fullmatch要求整串完全匹配——验证格式用fullmatch- Match 对象：
group(0/1/2/name)获取内容，groups()获取所有组元组，groupdict()获取命名组字典，span()获取位置 findall：无组→整体，一个组→组内容，多个组→元组列表；finditer大文件时更省内存sub支持字符串（\1反向引用）、函数（动态替换）两种替换方式compile()预编译：循环中重复使用时显著提升性能；代码意图更清晰re.escape()转义用户输入，防止元字符被误解析——处理用户输入的必备工具