Python3正则表达式(RE)核心用法与实战详解

不晚

发布时间：2026-10-13| 6人浏览过

原创

本文详细总结Python3中正则表达式模块re的核心用法。涵盖单字符与数量匹配规则、原始字符串raw在避免转义冲突中的应用、边界匹配技巧，以及分组、分组引用和命名分组的实战案例。通过手机号验证、数字范围匹配及HTML标签提取等示例，帮助开发者掌握正则表达式在爬虫与数据清洗中的关键技能。

Python3正则表达式入门与模块引入

1. 引入正则表达式模块

在Python3中使用正则表达式功能前，必须首先导入内置的re模块。


import re #引入正则表达式

2. 核心方法：match()，用于从左至右进行匹配


#pattern 为要校验的规则
#str 为要进行校验的字符串
result = re.match(pattern, str) 
 
#如果result不为None,则group方法则对result进行数据提取

正则表达式基础语法：单字符与量词

3. 正则表达式基础语法

1️⃣ 单字符匹配规则


字符 功能
.  匹配任意1个字符(除了\n)
[]  匹配[]中列举的字符
\d  匹配数字,也就是0-9
\D  匹配非数字,也就是匹配不是数字的字符
\s  匹配空白符,也就是 空格\tab
\S  匹配非空白符,\s取反
\w  陪陪单词字符, a-z, A-Z, 0-9, _
\W  匹配非单词字符, \w取反

2️⃣ 量词与数量表示规则


字符 功能
*  匹配前一个字符出现0次多次或者无限次,可有可无,可多可少
+  匹配前一个字符出现1次多次或则无限次,直到出现一次
?  匹配前一个字符出现1次或者0次,要么有1次,要么没有
{m}  匹配前一个字符出现m次
{m,} 匹配前一个字符至少出现m次
{m,n} 匹配前一个字符出现m到n次

示例一：验证手机号码格式（暂不考虑边界限制）


#首先清楚手机号的规则
#1.都是数字 2.长度为11 3.第一位是1 4.第二位是35678中的一位
 
pattern = "1[35678]\d{9}"
phoneStr = "18230092223"
 
result = re.match(pattern, phoneStr)
result.group()
 
#执行结果如下图:

原始字符串raw在正则中的应用

4. 原始字符串raw，先看如下实例：

如上图所示，在字符串赋值"\nabc"前添加前缀"r"后，Python解释器会保留该字符串的原始形式，即在"\nabc"前额外添加一个反斜杠"\"。

这使得在打印变量str时，能够直接输出原始字符串的值"\nabc"，而不将\n解析为换行符。

示例二：原始字符串在正则表达式中的应用

若不使用原始字符串前缀r，则需要手动为pattern中的每个反斜杠添加双倍的"\"以抵消转义字符的影响，操作较为繁琐。

使用r前缀定义原始字符串后，无需再处理字符串转义问题，从而能更专注于字符匹配逻辑本身。

边界匹配与分组技术实战

5. 边界匹配规则


字符 功能
^  匹配字符串开头
$  匹配字符串结尾
\b  匹配一个单词的边界
\B  匹配非单词边界

示例三：利用边界规则匹配字符串str="ho ve r"


import re
 
#定义规则匹配str="ho ve r"
#1. 以字母开始
#2. 中间有空字符
#3. ve两边分别限定匹配单词边界
 
pattern = r"^\w+\s\bve\b\sr"
str = "ho ve r"
result = re.match(pattern, str)
result.group()

6. 匹配分组与引用


字符  功能
|   匹配左右任意一个表达式
(ab)  将括号中字符作为一个分组
\num  引用分组num匹配到的字符串
(?P<name>) 分组起别名
(?P=name) 引用别名为name分组匹配到的字符串

示例四：匹配0到100之间的数字


import re
 
#匹配出0-100之间的数字
#首先:正则是从左往又开始匹配
#经过分析: 可以将0-100分为三部分
#1. 0  "0$"
#2. 100  "100$"
#3. 1-99  "[1-9]\d{0,1}$"
#所以整合如下
 
pattern = r"0$|100$|[1-9]\d{0,1}$"
#测试数据为0,3,27,100,123
result = re.match(pattern, "27")
result.group()
 
#将0考虑到1-99上,上述pattern还可以简写为:pattern=r"100$|[1-9]?\d{0,1}$"
#测试结果如下图:

示例五：利用分组提取页面中<h1>标签内的内容


import re
#匹配分组,获取页面<h1>标签中的内容, 爬虫的时候会用到
 
str = "<h1>hello world!<h1>"
pattern = r"<h1>(.*)</h1>"
result = re.match(pattern, str)
result.group()
 
#执行如下图

示例六：利用分组引用精确获取多层嵌套标签内的内容


import re
 
#引用分组,精确获取多个标签内的内容
#"\1"是对第一个分组的引用,同理......
 
str = "<span><h1>hello world!</h1></span>"
pattern = r"<(.+)><(.+)>.*</\2></\1>"
result = re.match(pattern, str)
result.groups()
 
#执行如下图:

示例七-2：为分组设置别名


import re
 
#分组起别名
 
str = "<span><h1>hello world!</h1></span>"
pattern = "<(?P<key1>.+)><(?P<key2>.+)>(?P<nr>.*)</(?P=key2)></(?P=key1)>"
result = re.match(pattern, str)
result.groups()
 
#执行如下图: