Python 正则表达式语法与使用指南

1.3.2 反向引用

1. 组号引用：每个未使用 ?: 的小括号分配一个组号（从 1 开始）。通过 \i 引用前文捕获内容。
2. 组名引用：使用 (?P<name>...) 命名组，通过 (?P=name) 引用。例如 (?P<word>\w+) \s+ (?P=word) 匹配重复单词。

注意：反向引用不能在字符类 [] 中使用。

1.4 断言与标记

断言不消耗文本，仅对位置施加约束。

1.4.1 常用断言

• \b：单词边界。
• \B：非单词边界。
• \A：字符串起始处。
• ^：起始处（MULTILINE 模式下每行开头）。
• \Z：字符串结尾处。
• $：结尾处（MULTILINE 模式下每行结尾）。
• (?=e)：正前瞻（后面紧跟 e）。
• (?!e)：负前瞻（后面不跟 e）。
• (?<=e)：正回顾（前面是 e）。
• (?<!e)：负回顾（前面不是 e）。

示例：查找 hello 但后面必须是 world：

import re
pattern = r"hello\s+(?=world)"
text = "hello world"
print(re.search(pattern, text)) # 匹配成功

1.5 条件匹配

(?(id)yes_exp|no_exp)：若 id 对应的子表达式匹配成功则匹配 yes_exp，否则匹配 no_exp。

1.6 正则表达式标志

1.6.1 使用方法

1. compile 参数：re.compile(r"...", re.IGNORECASE | re.MULTILINE)。
2. 内联标志：(?ms)#[da-z]{6}。

1.6.2 常用标志

• re.A / re.ASCII：使 \d, \s, \w 等仅匹配 ASCII。
• re.I / re.IGNORECASE：忽略大小写。
• re.M / re.MULTILINE：多行匹配，^ 和 $ 匹配每行首尾。
• re.S / re.DOTALL：. 匹配包括换行符在内的所有字符。
• re.X / re.VERBOSE：允许跨行注释和空白，需用 \s 表示空格。

2. Python re 模块使用

2.1 主要功能

1. 匹配：检查字符串是否符合正则（返回 bool 或 Match 对象）。
2. 提取：获取符合要求的文本。
3. 替换：用新字符串替换匹配内容。
4. 分割：按正则规则分割字符串。

2.2 两种调用方式

1. 编译对象：re.compile() 生成对象后可复用，适合复杂或多次使用的场景。
2. 模块方法：直接使用 re.match(), re.search() 等，适合单次使用。

2.3 常用方法详解

2.3.1 findall

返回列表。若无分组，含所有匹配项；若有分组，每项为元组（仅含分组内容）。

import re
rx = re.compile(r"(\d+)")
s = "abc123def456"
result = rx.findall(s)
print(result) # ['123', '456']

2.3.2 finditer

返回可迭代对象，每次迭代返回 Match 对象。可调用 group() 查看内容。

2.3.3 search

返回第一个匹配对象，未匹配返回 None。只匹配一次。

match = re.search(r"\d+", "abc123")
if match:
    print(match.group()) # 123

2.3.4 match

仅在字符串起始处匹配，否则返回 None。

2.3.5 sub

替换匹配内容。x 可为字符串或函数。支持 \g<name> 引用捕获组。

res = re.sub(r"\d+", "X", "price: 100")
print(res) # price: X

2.3.6 split

按正则分割字符串。若存在分组，分组内容也会插入返回列表中。

rx = re.compile(r"(\d)")
s = "ab12dk3"
result = rx.split(s)
print(result) # ['ab', '1', '2', 'dk', '3']

2.4 匹配对象属性与方法

• group(g): 获取第 g 组内容，默认 0 为整体。
• groupdict(): 返回命名组字典。
• groups(): 返回所有捕获组的元组。
• start(g), end(g): 获取匹配起止位置。
• span(): 返回 (start, end) 元组。
• string: 原始匹配字符串。

3. 实战案例

3.1 邮箱验证

email_pattern = r"^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$"
test_email = "[email protected]"
if re.match(email_pattern, test_email):
    print("Valid Email")

3.2 手机号提取

text = "Contact me at 13800138000 or 13900139000"
pattern = r"1[3-9]\d{9}"
phones = re.findall(pattern, text)
print(phones) # ['13800138000', '13900139000']

4. 总结

1. 匹配判断可通过 search/match 返回值是否为 None 实现。
2. 单次搜索用 search/match，多次遍历用 finditer。
3. 替换功能推荐 sub，支持函数处理逻辑。
4. 分割时注意分组内容会保留在结果列表中。
5. 善用 re.VERBOSE 编写可读性强的复杂正则。