正则表达式（Regular Expression, 简称 Regex）是一种用于匹配字符串中字符模式的强大工具。在Python中，正则表达式由 re 模块支持。正则表达式可以用于搜索、编辑和处理文本。

正则表达式语法

正则表达式由普通字符和特殊字符（元字符）组成。普通字符包括字母、数字和标点符号，匹配其自身。特殊字符用于匹配特定的字符集、位置或重复。

类型	模式	描述	示例
元字符	.	匹配任意单个字符，除换行符	a.b 匹配 aab, a9b
元字符	^	匹配字符串的开头	^abc 匹配 abc
元字符	$	匹配字符串的结尾	abc$ 匹配 abc
元字符	*	匹配前一个字符零次或多次	a* 匹配 a, aaa
元字符	+	匹配前一个字符一次或多次	a+ 匹配 a, aaa
元字符	?	匹配前一个字符零次或一次	a? 匹配 a, 或空
元字符	{n}	匹配前一个字符恰好 n 次	a{3} 匹配 aaa
元字符	{n,}	匹配前一个字符至少 n 次	a{2,} 匹配 aa, aaa
元字符	{n,m}	匹配前一个字符至少 n 次，至多 m 次	a{2,3} 匹配 aa, aaa
元字符	[]	匹配括号内的任意一个字符	[abc] 匹配 a, b, c
元字符	|	当匹配字符串时，如果左边的模式不匹配，会尝试右边的模式	表示“或”操作
元字符	\	转义字符，用于匹配特殊字符或表示特殊序列	\. 匹配 .
特殊序列	\d	匹配任何数字，相当于 [0-9]	\d 匹配 7, 4
特殊序列	\D	匹配任何非数字字符，相当于 [^0-9]	\D 匹配 a, !
特殊序列	\w	匹配任何字母数字字符和下划线，相当于 [a-zA-Z0-9_]	\w 匹配 a, 1, _
特殊序列	\W	匹配任何非字母数字字符和下划线，相当于 [^a-zA-Z0-9_]	\W 匹配 !, @,``
特殊序列	\s	匹配任何空白字符，相当于 [ \t\n\r\f\v]	\s 匹配 ``, \t
特殊序列	\S	匹配任何非空白字符，相当于 [^ \t\n\r\f\v]	\S 匹配 a, 1
特殊序列	\b	匹配单词边界	\bword\b 匹配 word
特殊序列	\B	匹配非单词边界	\Bword\B
分组	()	用括号将表达式括起来作为一个分组	(abc)+ 匹配 abcabc
非捕获分组	(?:…)	用括号将表达式括起来作为一个非捕获分组	(?:abc)+
前向查找	(?=…)	匹配前面是某个模式的文本（不包含该模式）	\d+(?= apples)
后向查找	(?<=…)	匹配后面是某个模式的文本（不包含该模式）	(?<=123 )\w+
非前向查找	(?!..)	匹配前面不是某个模式的文本	\d+(?! apples)
非后向查找	(?<!..)	匹配后面不是某个模式的文本	(?<!123 )\w+

re模块基础

导入 re 模块

import re

基本匹配函数

• re.match(): 从字符串的开头匹配正则表达式模式。

pattern = r'\d+'
string = '123abc456'
match = re.match(pattern, string)
if match:print('Match:', match.group())  # 输出: '123'

• re.search(): 搜索字符串，返回第一个匹配的正则表达式模式。

search = re.search(pattern, string)
if search:print('Search:', search.group())  # 输出: '123'

• re.findall(): 返回字符串中所有匹配正则表达式模式的列表。

findall = re.findall(pattern, string)
print('Findall:', findall)  # 输出: ['123', '456']

• re.finditer(): 返回一个迭代器，包含字符串中所有匹配正则表达式模式的Match对象。

for match in re.finditer(pattern, string):print('Finditer:', match.group())  # 输出: '123' 和 '456'

• re.sub(): 替换字符串中所有匹配正则表达式模式的子串。

sub = re.sub(pattern, '#', string)
print('Sub:', sub)  # 输出: '#abc#'

re模块进阶

分组用括号 () 将表达式的一部分括起来。可以用 group(n) 获取匹配的子串。

pattern = r'(\d+)\s+(\w+)'
string = '123 apples'
match = re.search(pattern, string)
if match:print('Group 1:', match.group(1))  # 输出: '123'print('Group 2:', match.group(2))  # 输出: 'apples'

用 (?:...) 进行非捕获分组，不保存匹配的子串。

pattern = r'(?:\d+)\s+(\w+)'
match = re.search(pattern, string)
if match:print('Group 1:', match.group(1))  # 输出: 'apples'

前后查找

• 前向查找（Lookahead）: 匹配前面是某个模式的文本（不包含该模式）。

pattern = r'\d+(?=\s+apples)'
match = re.search(pattern, string)
if match:print('Lookahead:', match.group())  # 输出: '123'

• 后向查找（Lookbehind）: 匹配后面是某个模式的文本（不包含该模式）。

pattern = r'(?<=123\s)\w+'
match = re.search(pattern, string)
if match:print('Lookbehind:', match.group())  # 输出: 'apples'

re模块高级

使用 re.sub() 函数可以进行更复杂的替换操作，替换字符串可以使用函数。

def replace_func(match):return match.group(1).upper()
pattern = r'(\w+)\s+(\d+)'
string = 'apple 123'
sub = re.sub(pattern, replace_func, string)
print('Sub:', sub)  # 输出: 'APPLE 123'

re.IGNORECASE 或 re.I: 忽略大小写匹配。

re.MULTILINE 或 re.M: 多行模式，^ 和 $ 匹配每一行的开头和结尾。

re.DOTALL 或 re.S: 使 . 匹配包括换行在内的所有字符。

re.VERBOSE 或 re.X: 忽略模式中的空白字符和注释，方便书写复杂正则表达式。

pattern = r'(?i)apple'  # 使用 IGNORECASE
string = 'Apple 123'
match = re.search(pattern, string)
if match:print('Ignorecase:', match.group())  # 输出: 'Apple'
pattern = r'(?m)^apple'  # 使用 MULTILINE
string = 'apple\n123\napple'
matches = re.findall(pattern, string)
print('Multiline:', matches)  # 输出: ['apple', 'apple']

使用 re.compile() 将正则表达式编译成模式对象，以便多次重用，提高效率。

pattern = re.compile(r'\d+')
string = '123 abc 456'
matches = pattern.findall(string)
print('Compiled Findall:', matches)  # 输出: ['123', '456']

示例

使用正则表达式匹配字符串中的时间：

def getTime(text):pattern = re.compile(r'''(\d{4})[.-/年](\d{1,2})[.-/月](\d{1,2})[日]?''', re.VERBOSE)  # YYYY.MM.DD YYYY-MM-DD YYYY/MM/DD YYYY年MM月DD日match = pattern.search(text)  # 查找第一个匹配的日期if match:year, month, day = map(int, match.groups())date = datetime(year, month, day)  # 创建 datetime 对象return dateelse:return None

使用正则表达式匹配字符串中的功率：

def getPower(text):pattern = re.compile(r'(\d+)\s*(千伏|kv|KV|kV)')power = pattern.search(text)if power:return power.groups()[0]else:return None