Python 正则表达式核心用法与实战技巧

核心函数详解

Python 的 re 模块提供了多个核心函数来处理正则表达式。

1. 查找所有匹配项 (findall)

re.findall(pattern, string) 返回一个包含所有非重叠匹配的列表。

import re

text = "Contact us at [email protected] or [email protected]"
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
emails = re.findall(pattern, text)
print(emails) 
# 输出：['[email protected]', '[email protected]']

2. 替换文本 (sub)

re.sub(pattern, repl, string) 将匹配到的子串替换为指定内容。

import re

text = "There are 123 apples and 456 oranges."
pattern = r'\d+'
new_text = re.sub(pattern, '*', text)
print(new_text)
# 输出：'There are * apples and * oranges.'

3. 匹配检查 (match / search)

re.match(pattern, string) 仅从字符串开头匹配。 re.search(pattern, string) 扫描整个字符串寻找第一个匹配。

import re

date = '2022-01-01'
pattern = r'\d{4}-\d{2}-\d{2}'

if re.match(pattern, date):
    print('日期格式有效')
else:
    print('日期格式无效')

4. 分割字符串 (split)

re.split(pattern, string) 根据正则表达式分割字符串。

import re

text = "apple,banana;orange grape"
pattern = r'[;, ]+'
result = re.split(pattern, text)
print(result)
# 输出：['apple', 'banana', 'orange', 'grape']

高级技巧：分组与捕获

分组允许我们将匹配的部分提取出来单独使用，这在数据清洗中非常有用。

1. 捕获组

使用圆括号 () 定义捕获组。match.groups() 返回所有捕获组的元组。

import re

pattern = r'(\d{4})-(\d{2})-(\d{2})'
date = '2022-01-01'
match = re.match(pattern, date)

if match:
    year, month, day = match.groups()
    print(f'年份：{year}，月份：{month}，日期：{day}')
else:
    print('日期格式无效')

2. 命名组

使用 (?P<name>...) 语法给组命名，便于后续引用。

import re

pattern = r'(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})'
date = '2022-01-01'
match = re.match(pattern, date)

if match:
    print(match.group('year'))
    print(match.group('month'))
    print(match.group('day'))

标志位 (Flags)

标志位用于修改正则表达式的匹配行为。

示例：忽略大小写匹配。

import re
text = "Python Programming"
pattern = r"python"
# 默认区分大小写，不匹配
print(re.search(pattern, text)) 

# 使用 IGNORECASE 标志
print(re.search(pattern, text, re.I)) 

性能优化与最佳实践

1. 预编译正则：对于重复使用的正则表达式，使用 re.compile() 创建 Pattern 对象，可提升性能。
2. 使用原始字符串：在 Python 代码中定义正则时，建议使用 r'' 原始字符串，避免转义字符冲突。
3. 避免贪婪匹配：尽量使用非贪婪量词（如 *?）以减少回溯开销。
4. 异常处理：正则表达式可能抛出 re.error，建议在关键逻辑中加入 try-except 块。

import re

try:
    pattern = re.compile(r'\d+')
    result = pattern.findall("Test 123")
except re.error as e:
    print(f"正则错误：{e}")

常见应用场景

1. 表单验证：验证邮箱、手机号、身份证号格式。
2. 日志分析：从服务器日志中提取 IP 地址、时间戳、错误码。
3. 数据清洗：去除 HTML 标签、统一日期格式、提取关键词。
4. 文本挖掘：从非结构化文本中提取实体信息。

总结

Python 的正则表达式功能强大且灵活。通过掌握基础元字符、核心函数以及分组技巧，开发者可以显著提升文本处理的效率。建议在实际项目中结合具体需求查阅官方文档，并注重代码的可读性与维护性。