Python re 模块完全指南

模块概览

import re

# 主要函数
re.match()      # 从字符串开头匹配
re.search()     # 在整个字符串中搜索
re.findall()    # 找到所有匹配，返回列表
re.finditer()   # 找到所有匹配，返回迭代器
re.sub()        # 替换匹配内容
re.subn()       # 替换并返回替换次数
re.split()      # 按模式分割字符串
re.compile()    # 预编译正则，提升重复使用性能
re.fullmatch()  # 要求整个字符串完全匹配

match vs search vs fullmatch

import re

s = 'hello world'

re.match(r'world', s)      # None（match 从开头开始）
re.search(r'world', s)     # Match（search 搜索整个字符串）
re.fullmatch(r'hello.*', s) # Match（整个字符串必须匹配）

# 实用建议：搜索用 search，验证格式用 fullmatch

Match 对象的方法

m = re.search(r'(\d+)-(\w+)', '编号 42-alpha 序列')
if m:
    m.group()    # '42-alpha'  整个匹配
    m.group(0)   # '42-alpha'  同上
    m.group(1)   # '42'        第1捕获组
    m.group(2)   # 'alpha'     第2捕获组
    m.groups()   # ('42', 'alpha')
    m.start()    # 3   匹配开始位置
    m.end()      # 11  匹配结束位置
    m.span()     # (3, 11)
    m.string     # '编号 42-alpha 序列'  原始字符串

findall 与 finditer

# findall 返回列表
re.findall(r'\d+', 'a1 b22 c333')
# → ['1', '22', '333']

# 有捕获组时，返回捕获组内容的列表
re.findall(r'(\w+)=(\d+)', 'x=1 y=22')
# → [('x', '1'), ('y', '22')]

# finditer 返回 Match 对象迭代器（内存友好）
for m in re.finditer(r'\d+', 'a1 b22 c333'):
    print(m.group(), m.start())

sub 替换

# 简单替换
re.sub(r'\s+', ' ', 'hello   world')   # → 'hello world'

# 用捕获组重组
re.sub(r'(\w+)\s+(\w+)', r'\2 \1', 'hello world')
# → 'world hello'

# 限制替换次数
re.sub(r'\s', '-', 'a b c d', count=2)
# → 'a-b-c d'

# 用函数作为替换参数（动态替换）
def upper_match(m):
    return m.group().upper()

re.sub(r'\b\w{4}\b', upper_match, 'this is a test case')
# → 'THIS is a TEST CASE'

split 分割

# 按空白分割
re.split(r'\s+', '  hello   world  ')
# → ['', 'hello', 'world', '']

# 按多种分隔符分割（包含捕获组时，分隔符也出现在结果中）
re.split(r'[,;]', 'a,b;c,d')
# → ['a', 'b', 'c', 'd']

# 限制分割次数
re.split(r',', 'a,b,c,d', maxsplit=2)
# → ['a', 'b', 'c,d']

编译与重用

# 预编译正则——在循环中大量使用时显著提升性能
pattern = re.compile(r'\d{4}-\d{2}-\d{2}', re.IGNORECASE)

dates = ['2026-03-26', 'invalid', '2025-12-31']
for d in dates:
    m = pattern.fullmatch(d)
    if m:
        print(f'有效日期: {d}')

常见陷阱

# 陷阱1：match 只从开头匹配
re.match(r'\d+', 'abc123')   # None！不是 '123'
re.search(r'\d+', 'abc123')  # Match('123')

# 陷阱2：贪婪导致过度匹配
re.findall(r'<.+>', '<a>text</a>')   # ['<a>text</a>']
re.findall(r'<.+?>', '<a>text</a>')  # ['<a>', '</a>']

# 陷阱3：忘记使用原始字符串
re.search("\d+", text)    # 偶尔可能出现双重转义问题
re.search(r"\d+", text)   # ✅ 始终使用 r"..."

# 陷阱4：findall 有捕获组时行为不同
re.findall(r'\d+', 'a1 b2')          # ['1', '2']
re.findall(r'(\d)+', 'a12 b34')       # ['2', '4']（最后一个捕获）
re.findall(r'(\d+)', 'a12 b34')       # ['12', '34']（正确）

小结

• search 搜索整串；match 只从开头；fullmatch 要求整串匹配
• findall 返回列表（有捕获组时返回元组列表）；finditer 返回迭代器
• sub 支持字符串、反向引用 \1 和函数三种替换方式
• 重复使用的模式应预先 compile()；始终用 r"..." 原始字符串