Python正则表达式学习指南

第一次听到 “正则表达式” 这个词的时候，我还以为是什么高深莫测的数学公式，心里直打鼓，觉得肯定特别难学。后来在数据处理的课程上，老师介绍说它是能轻松搞定各种复杂的文本操作，我才鼓起勇气开始探索这个神秘领域。没想到，一番学习下来，我彻底被它的强大魅力征服了！

一、初遇正则表达式：简单示例开启探索之门

学习正则表达式，就像学开车要先熟悉方向盘和油门一样，得从基础示例入手。在 Python 里，通过re模块就能使用正则表达式，它就像是我们打开文本处理宝库的钥匙。

import re
string = '我今年22岁'
result = re.search('\d+', string)
print(result.group())

运行这段代码，屏幕上显示出22。当时我盯着这个结果，又兴奋又好奇。import re是导入正则表达式模块，就像给程序安装了一个强大的插件；string = '我今年22岁'定义了我们要处理的文本；re.search('\d+', string)用search方法在字符串里找东西，\d+就是我们设定的 “搜索目标”。\d表示数字，+表示一个或多个，连起来就是找连续的数字。最后print(result.group())把找到的数字打印出来。这个简单的例子，让我一下子明白了正则表达式的基本运作方式，就像推开了一扇新世界的大门！​

从这个例子能看出来，学习正则表达式主要得掌握两块内容：一个是re模块里各种方法的用法，另一个是正则表达式本身的匹配规则。这就好比学做菜，既要知道锅碗瓢盆怎么用，又要了解食材的搭配和烹饪技巧。接下来，我就深入学习了这两方面的知识。

二、re 模块：常用方法大揭秘

re模块提供了好多实用的方法，每个方法都像是一把独特的工具，在不同的文本处理场景中发挥着关键作用。我把它们整理成表格，方便记忆和对比：

刚开始学这些方法的时候，我老是搞混，尤其是match和search。记得有一次做课程作业，需要从一段新闻文本中提取标题，我误用了match方法，怎么都得不到想要的结果。后来仔细检查才发现，因为新闻标题不在文本开头，所以match方法直接返回了None。通过大量练习，我才慢慢摸清它们的脾气。findall方法特别常用，能一下子找出所有符合规则的内容，就像用渔网捕鱼，一网下去收获满满；search方法则像精准的鱼钩，只钓起第一条符合要求的 “鱼” 。

三、元字符和操作符：构建匹配模式的基石

正则表达式里的元字符和操作符，是最让我头疼的部分，感觉它们就像神秘的魔法符号，每个都有独特的含义和用法。

看着这些规则，我头都大了，感觉像在背一本复杂的密码本。但老师说，光看规则没用，得结合实际例子练习。于是，我开始在网上找各种文本数据，反复编写代码测试。慢慢发现这些元字符和操作符组合起来，真的能创造出千变万化的匹配模式，就像用不同的积木块搭建出各种奇妙的建筑！比如在提取邮箱地址时，\w+@\w+\.\w+这个表达式，能精准匹配出所有符合规则的邮箱，这种神奇的效果让我惊叹不已。

四、实战演练：在实践中掌握正则表达式

（1）匹配字符串：精准定位的艺术

match和search方法是我最早练习的。记得第一次用match方法，我想在 “today is a sunny day” 里找 “sunny”，写了re.match(r'sunny', 'today is a sunny day')，结果返回None，当时特别困惑。后来才明白，match是从字符串开头匹配，而 “sunny” 不在开头，所以没找到。这就像在一排书架前找书，match必须从第一个书架开始找，找不到就放弃。

import re
# 使用match方法在字符串开头匹配t开头的单词
result1 = re.match(r't\w+', 'today is a sunny day')
if result1:
    print("match方法匹配成功:", result1.group())
else:
    print("match方法匹配失败")
# 使用search方法在字符串中搜索s开头的单词
result2 = re.search(r's\w+', 'today is a sunny day')
if result2:
    print("search方法搜索成功:", result2.group())
else:
    print("search方法搜索失败")

运行结果是：

search方法就灵活多了，它会在整个字符串里找，就像在整个图书馆里找书，只要有符合条件的就能找到。通过这个练习，我彻底分清了它们的区别。

（2）返回所有匹配结果：一网打尽的畅快

findall方法是我最喜欢的，它能把所有符合条件的内容都找出来。有一次处理一个销售数据文件，里面记录着 “商品 A 价格：199 元，商品 B 价格：299 元” 这样的信息，我想用findall提取所有价格。

import re
text = "商品A价格：199元，商品B价格：299元，商品C价格：399元"
prices = re.findall(r'\d+', text)
print("找到的价格:", prices)

看运行结果：

看着这些被准确提取出来的数据，我特别有成就感，就像把散落的珍珠一颗颗串了起来！在后续的数据分析中，这些提取出的数据直接就能用于计算和统计，大大提高了我的工作效率。

（3）替换字符串：批量修改的神器

1.re.sub方法让我告别了一个个手动替换的痛苦。比如一个留言文档，里面好多 “嘿嘿”，换成 “哈哈”。要是手动改，几百条留言不得改到崩溃？用re.sub就轻松多了：

import re
text = "嘿嘿，这个活动好有趣！嘿嘿，下次我还要参加！"
new_text = re.sub(r'嘿嘿', '哈哈', text)
print("原字符串:", text)
print("替换后的字符串:", new_text)

运行结果：

一下子就把所有 “嘿嘿” 都换成了 “哈哈”，效率超高，简直是 “懒人福音”！更神奇的是，它还能结合元字符进行复杂替换。比如把文档里所有以数字开头的句子，将数字替换成 “序号”，re.sub(r'^\d+', '序号', text)就能轻松实现。

2.在处理文本替换时，我还尝试过更复杂的场景。比如将所有中文数字转换为阿拉伯数字，手动替换几百处数字？这得花整整一天时间！正当我对着屏幕发愁时，突然想到正则表达式的re.sub方法或许能解决问题

import re
text = "一到十分别是：一、二、三、四、五、六、七、八、九、十"
# 定义替换函数
def chinese_to_arabic(match):
    chinese_num = match.group(0)
    num_map = {'一': '1', '二': '2', '三': '3', '四': '4', 
               '五': '5', '六': '6', '七': '7', '八': '8', '九': '9', '十': '10'}
    return num_map.get(chinese_num, chinese_num)
# 使用函数进行替换
new_text = re.sub(r'[一二三四五六七八九十]', chinese_to_arabic, text)
print("替换后:", new_text)

输出结构：

这次经历让我真正体会到正则表达式的 “魔法”。它不仅是机械的文本替换工具，更是能理解复杂逻辑的智能助手

（4）字符串的拆分：灵活分割的技巧

1.re.split方法也很实用。有一次收到一份用不同符号分隔的数据，比如 “苹果；香蕉 | 橙子：葡萄”，普通的split方法就不好用了。用re.split就能轻松搞定：

import re
text = "苹果;香蕉|橙子:葡萄"
fruits = re.split(r'[;|:|]', text)
print("分割结果:", fruits)

运行后得到

不管是分号、竖线还是冒号，都能当作分隔符，特别灵活，就像一把万能剪刀，想怎么剪就怎么剪！在处理 CSV 文件数据时，这个方法也派上了大用场，能准确地将混合分隔符的数据拆分开来。

2.处理 CSV 文件时，我遇到个棘手问题：文件里的数据有逗号，用普通split方法，会把不该分开的内容切断。比如csv_line = '1,"Python,正则表达式",2023' ，用csv_line.split(',') ，"Python,正则表达式" 就被拆开了，这根本不是我想要的！​

我尝试用正则表达式解决，找到r',(?=(?:[^"]*"[^"]*")*[^"]*$)' 这个表达式，可它复杂得像 “天书”。经过反复琢磨教程、写测试代码，我才明白，正向预查(?=…) 能判断逗号是否在引号外，(?:[^"]*"[^"]*")* 则用于检查引号对数，确保只分割引号外的逗号。

import re
# CSV行数据，包含引号内的逗号
csv_line = '1,"Python,正则表达式",2023'
# 使用正则表达式分割，忽略引号内的逗号
fields = re.split(r',(?=(?:[^"]*"[^"]*")*[^"]*$)', csv_line)
print("分割结果:", fields)

输出结果：

看到运行结果['1', '"Python,正则表达式"', '2023'] ，我超兴奋！不过也意识到，这个表达式难写又难维护。后来学习csv模块，才发现有更简单专业的方法。

（5）捕获匹配的内容：精准提取的秘诀

1.“捕获” 功能一开始我理解得很费劲，后来通过一个提取邮箱用户名的例子才搞明白。

import re
text = "我的邮箱是：abc123@example.com"
pattern = r'我的邮箱是：(\w+)@example.com'
result = re.search(pattern, text)
if result:
    print("捕获到的用户名:", result.group(1))

看运行结果：

小括号把我们想要的部分 “圈” 起来，就像用渔网网住特定的鱼，只把我们需要的内容提取出来，特别精准！在用户注册信息处理中，用捕获功能提取用户输入的手机号、邮箱等关键信息，方便又快捷。

2.在实际项目中，我还需要从 URL 中提取参数：

import re
url = "https://example.com/search?keyword=python&page=2"
# 提取所有参数
pattern = r'[?&](\w+)=(\w+)'
params = re.findall(pattern, url)
# 转换为字典
param_dict = {key: value for key, value in params}
print("提取的参数:", param_dict)

输出结果：

这个例子展示了如何使用捕获组提取键值对，并将结果转换为字典结构。

（6）贪婪与非贪婪匹配：匹配策略的选择

贪婪和非贪婪匹配是让我印象最深刻的知识点。第一次遇到的时候，我完全被搞懵了。

import re
text = '<div>content1</div><div>content2</div>'
pattern_greedy = r'<div>.*</div>'
pattern_non_greedy = r'<div>.*?</div>'
result_greedy = re.search(pattern_greedy, text)
result_non_greedy = re.search(pattern_non_greedy, text)
print("贪婪匹配结果:", result_greedy.group())
print("非贪婪匹配结果:", result_non_greedy.group())

运行结果：

贪婪匹配就像个贪吃的小孩，看到东西就想多拿，尽可能匹配最长的字符串；非贪婪匹配则比较 “克制”，拿到满足条件的最短字符串就收手。搞清楚这个区别后，在处理 HTML 标签等数据时，我就能根据需求选择合适的匹配方式了。比如在提取网页中的段落内容时，非贪婪匹配能避免误匹配到其他段落的标签。

（7）“|” 或操作符的作用域：灵活匹配的关键

1.“|” 操作符很有趣，但它的作用域一开始也让我犯错。

import re
text1 = "red pen"
text2 = "blue pen"
pattern1 = r'red|blue pen'
pattern2 = r'(red|blue) pen'
result1_1 = re.match(pattern1, text1)
result1_2 = re.match(pattern1, text2)
result2_1 = re.match(pattern2, text1)
result2_2 = re.match(pattern2, text2)
print("未限定作用域匹配text1结果:", result1_1.group())
print("未限定作用域匹配text2结果:", result1_2.group())
print("限定作用域匹配text1结果:", result2_1.group())
print("限定作用域匹配text2结果:", result2_2.group())

运行输出：

没限定作用域时，它匹配得比较随意；用小括号限定后，就能准确匹配我们想要的内容。这就像给匹配范围画了个圈，让匹配更精准。在处理多条件筛选数据时，合理利用 “|” 操作符及其作用域，能快速筛选出符合要求的数据。

2.在处理多语言文本时，我需要同时匹配中文和英文单词：

import re
text = "Hello 你好 World 世界"
# 匹配英文单词或中文词语
pattern = r'[a-zA-Z]+|[\u4e00-\u9fa5]+'
words = re.findall(pattern, text)
print("匹配结果:", words)

输出结果：

“|” 就像个 “万能连接器”，结合字符集，能把不同规则的匹配条件串联起来。

五、学习感悟：从困难到热爱

         学习正则表达式的过程，就像一场充满挑战的冒险。一开始，面对复杂的元字符和操作符，我常常一头雾水，写代码时也总是出错。记得有一次做一个网页爬虫项目，需要提取网页中的所有链接，因为对正则表达式掌握不熟练，调试了整整两天才成功。但随着不断练习，从简单的匹配数字，到复杂的网页数据提取，我逐渐掌握了其中的规律。每解决一个难题，每成功处理一段文本，都让我充满成就感。​

        现在，我已经能熟练运用正则表达式处理很多实际问题了。在做课程作业、处理实验数据时，它成了我的得力助手。甚至在日常生活中，比如整理电脑里的文件命名，我也会用正则表达式批量修改文件名。我也明白了，学习新技术不能害怕困难，只要多实践、多思考，就能攻克难关。正则表达式的世界还有很多奥秘等待我去探索，我相信，随着学习的深入，我还能发现它更多的强大功能！

作者：黄柳丽