Python正则表达式与re模块实战指南

1. 正则表达式与re模块概述

正则表达式作为文本处理的瑞士军刀，在数据清洗、日志分析、表单验证等场景中不可或缺。Python内置的re模块提供了完整的正则表达式实现，相比字符串基础方法，它能用更简洁的语法处理复杂模式匹配。我在爬虫开发中曾用一行正则替代了20多行字符串切片代码，效率提升立竿见影。

re模块的核心价值在于：

• 用声明式语法描述文本模式，避免繁琐的过程式操作
• 支持从简单字符匹配到复杂分组捕获的多层级功能
• 通过预编译机制提升重复匹配的性能
• 与Python生态无缝集成，无需额外依赖

2. re模块核心方法解析

2.1 基础匹配方法

re.match()和re.search()是最常用的入门方法：

python复制import re

# match从字符串起始位置匹配
result = re.match(r'\d+', '123abc')  # 匹配成功
print(result.group())  # 输出: 123

# search扫描整个字符串
result = re.search(r'\d+', 'abc123def') 
print(result.group())  # 输出: 123

关键区别：

• match相当于正则表达式开头隐式添加^
• search找到第一个匹配即返回
• 两者都返回Match对象或None

经验：优先使用search除非必须验证字符串开头，match的严格限制在实际业务中容易造成意外匹配失败

2.2 进阶查找方法

re.findall()和re.finditer()适合提取批量数据：

python复制text = "订单号: 1001 金额: ¥200, 订单号: 1002 金额: ¥350"

# findall返回字符串列表
orders = re.findall(r'订单号: (\d+)', text)
print(orders)  # ['1001', '1002']

# finditer返回迭代器
for match in re.finditer(r'¥(\d+)', text):
    print(f"找到金额: {match.group(1)}")

性能对比：

• 小文本：