Python正则表达式完整教程：从入门到实战，解决文本匹配所有难题

一、前言在日常Python开发、日志解析、爬虫、数据清洗、大模型文本提取场景中字符串处理是高频需求。普通str内置方法split/replace/find只能处理简单固定文本面对不规则、分段、跨多行、结构化混杂文本时完全无力。正则表达式Regular Expression简称Regex是一套通用文本匹配规则Python内置re模块原生支持正则可实现格式校验、内容提取、批量替换、文本分割四大核心能力。本文覆盖完整学习链路基础语法→re模块六大核心API→标志位重点解决换行匹配坑→分组捕获→贪婪/非贪婪→实战案例→高频踩坑总结全部代码可直接复制运行。二、前置准备re模块与原始字符串r1. 导入模块Python标准库自带re无需额外安装importre2. 必须使用原始字符串 r正则正则大量使用\d、\s、\.等转义符普通字符串\\d需要双重反斜杠极易出错原始字符串r会忽略Python转义推荐全程使用。# 标准写法patternr\d# 不推荐冗余易出错pattern\\d三、正则核心基础语法3.1 通用字符匹配元字符符号含义示例.匹配任意单个字符默认不匹配换行\nra.匹配ab、a9\d数字 0-9r\d{11}匹配手机号\D非数字匹配字母、符号\w字母/数字/下划线 a-z A-Z 0-9 _匹配变量名\W非字母数字下划线匹配空格、逗号\s空白字符空格、制表符、换行匹配任意空白\S非空白字符匹配可见字符[]字符集匹配括号内任意一个[0-9a-z]小写数字[^]取反匹配不在括号内字符[^0-9]匹配非数字3.2 量词控制匹配重复次数符号含义*前面字符匹配 0次或多次前面字符匹配 1次或多次至少1次?前面字符匹配 0次或1次{m}精确匹配m次{m,n}匹配m~n次示例r\d{6}匹配6位数字验证码。3.3 边界锚点限定匹配位置符号作用^字符串开头$字符串结尾\b单词边界字母/数字与符号间隔示例r^1[3-9]\d{9}$完整校验11位手机号。3.4 分组与或逻辑()分组捕获匹配内容单独提取子片段|或匹配左右任意一个表达式# 匹配 http 或 httpsrhttps?://# 分组提取年月日r(\d{4})-(\d{2})-(\d{2})四、re模块六大核心API详解4.1 re.match()仅从字符串开头匹配只校验文本最开头是否符合规则中间匹配不到返回Match对象/None。textabc123defresre.match(r\d,text)print(res)# None开头不是数字res2re.match(rabc,text)print(res2.group())# abc4.2 re.search()全局搜索第一个匹配项扫描整个字符串返回第一个符合规则的内容最常用单条提取场景。text订单号ORD20260707金额999resre.search(r\d,text)print(res.group())# 202607074.3 re.findall()提取所有匹配返回列表高频找出全部匹配子串无匹配返回空列表适合批量提取。text123 456 789numsre.findall(r\d,text)print(nums)# [123, 456, 789]你之前提取多行JSON代码块使用的就是该方法。4.4 re.sub()批量替换文本语法re.sub(正则, 替换内容, 原文本, count0)count0替换全部。text价格100优惠50newre.sub(r\d,***,text)print(new)# 价格***优惠***4.5 re.split()按正则分割字符串比str.split灵活支持按多种符号分割。text苹果,香蕉;橘子 葡萄partsre.split(r[,; ],text)print(parts)# [苹果, 香蕉, 橘子, 葡萄]4.6 re.compile()预编译正则高复用场景优化如果一段正则需要循环调用上千次提前编译提升性能。# 预编译patternre.compile(r\d{11})text_list[13800138000,test123,13912345678]fortintext_list:print(pattern.search(t))五、Match对象取值group()分组捕获当正则存在()分组时可单独提取分组内容group()/group(0)完整匹配内容group(1)第一个括号分组groups()所有分组组成元组text2026-07-07resre.search(r(\d{4})-(\d{2})-(\d{2}),text)print(res.group())# 2026-07-07print(res.group(1))# 2026print(res.groups())# (2026, 07, 07)六、正则标志位flags重点解决换行匹配痛点re.match/search/findall都支持flags参数多个标志用|拼接。6.1 re.S / re.DOTALL重中之重默认.不能匹配换行符\n开启后.匹配所有字符包含换行解决跨多行文本提取空白问题。md json[{name:测试}]“”不加re.S匹配为空res re.findall(rjson(.?), md)print(res) # []开启跨行匹配res re.findall(rjson(.?), md, flagsre.S)print(res[0].strip()) # 完整取出JSON多行内容替代方案无需标志位[\s\S] 等价所有字符 python res re.findall(rjson([\s\S]?), md)6.2 re.M / re.MULTILINE 多行锚点模式仅修改^和$让其匹配每一行开头/结尾不改变.匹配规则无法解决跨行提取。text第一行\n第二行\n第三行# 匹配所有以“第”开头的行resre.findall(r^第.*,text,re.M)print(res)# [第一行, 第二行, 第三行]6.3 re.I / re.IGNORECASE 忽略大小写匹配textApple APPLE appleresre.findall(rapple,text,re.I)print(res)# [Apple, APPLE, apple]七、贪婪匹配与非贪婪匹配开发高频坑7.1 贪婪默认*、、{m,n}默认尽可能匹配最长文本容易匹配范围过大。textdiv内容1/divdiv内容2/div# 贪婪一次性匹配到最后一个/divresre.findall(rdiv(.)/div,text)print(res)# [内容1/divdiv内容2]7.2 非贪婪加?量词后增加?匹配最短符合内容多标签/多代码块场景必备。resre.findall(rdiv(.?)/div,text)print(res)# [内容1, 内容2]八、实战业务案例可直接复用案例1校验手机号完整格式defcheck_phone(phone):patternr^1[3-9]\d{9}$ifre.match(pattern,phone):returnTruereturnFalseprint(check_phone(13812345678))# Trueprint(check_phone(12345678900))# False案例2提取Markdown所有代码块md_text# 测试文档pythondefhello():print(hello){key:value}“”提取代码语言代码内容blocks re.findall(r(\w)\n([\s\S]?)“, md_text)for lang, code in blocks:print(f语言{lang}\n代码\n{code.strip()}\n—”)### 案例3清洗日志提取所有数字 python log 2026-07-07 接口耗时 128ms请求ID 987654错误码 0 nums re.findall(r\d, log) print(nums) # [2026,07,07,128,987654,0]案例4批量隐藏身份证中间数字text张三身份证500101199901011234李四510202200002024567new_textre.sub(r(\d{6})\d{8}(\d{4}),r\1********\2,text)print(new_text)# 张三身份证500101********1234李四510202********4567九、常见踩坑总结跨行文本匹配返回空列表原因.默认不匹配换行解决方案加re.S或替换[\s\S]?。正则包含\被转义失效解决方案全部使用原始字符串r表达式。多个标签/代码块一次性匹配到底原因贪婪匹配解决方案量词后加?改为非贪婪。match只能匹配开头误以为全局搜索区分match从头匹配search全局找第一个findall提取全部。混淆re.M和re.Sre.M只改变行首尾锚点不能解决.无法跨换行问题。匹配结果为空列表直接取res[0]报错规范写法先判断if res:再取值增加容错。十、总结Python通过内置re模块实现正则原始字符串r是规范写法六大核心函数match/search/findall/sub/split/compile按业务场景选用跨行文本提取必用re.S标志位解决.不识别换行的核心痛点多段混杂文本必须使用非贪婪?避免匹配范围溢出分组()配合group()可精准提取结构化片段适合日志、代码块、证件解析正则是文本处理利器爬虫、数据清洗、接口文本过滤、格式校验场景均不可替代。