Python 正则库 re：常用函数与 flags 详解

正则表达式写好了，但怎么用起来？Python 的 re 模块就是那个搭桥的。说白了一句话：模式写得再漂亮，调不对函数照样跑偏。这一节我把最常用的几个函数和 flags 掰开揉碎讲给你，每个都带上我踩过的坑。

四个主力函数：match、search、findall、sub

我习惯把这四个函数分成两对：查找对（match、search、findall）和替换对（sub）。先聊查找。

re.match() — 从头开始，不回头

match 只从字符串的起始位置匹配。如果开头对不上，直接返回 None。很多新手误以为 match 是全匹配，其实它是“掐头检查”。

import re
text = " 2024-01-15 敏感数据"
pattern = r"\d{4}-\d{2}-\d{2}"
result = re.match(pattern, text)
print(result)  # None
# 因为开头是空格，不是数字

我在做日志解析时吃过这个亏。有一次要提取一行开头的时间戳，写了 match 死活匹配不上，debug 半天才发现日志行首有不可见空格。后来我就学乖了：只要不确定字符串开头，都用 search。

re.search() — 扫全串，找到第一个

search 扫描整个字符串，返回第一个匹配位置。说白了就是“大海捞针，捞到就停”。

result = re.search(pattern, text)
if result:
    print(result.group())  # 输出 "2024-01-15"

你想想看，扫描敏感数据时，我们更关心“有没有”，而不是“从哪开始”。所以我推荐：默认用 search，除非你明确要求从头匹配。

re.findall() — 我要全部，一个不落

findall 返回所有匹配结果的列表。模式里如果有分组，它返回元组列表。这个函数在统计敏感数据出现次数时特别好使。

emails = re.findall(r"[\w.-]+@[\w.-]+\.\w+", long_text)
print(f"共发现 {len(emails)} 个邮箱")

注意：findall 如果包含分组，只返回分组捕获的内容。如果你想同时获取匹配整体和分组，用 finditer（稍后说）。

re.sub() — 替换的艺术

替换敏感数据最常用的就是 sub。它把匹配到的内容替换成你指定的字符串，还能传个计数参数。

# 手机号脱敏：保留前3后4，中间变星号
text = "联系方式：13812345678"
masked = re.sub(r"(\d{3})\d{4}(\d{4})", r"\1****\2", text)
print(masked)  # "联系方式：138****5678"

我在做数据脱敏工具时，sub 配合回调函数可以做到动态替换——比如根据匹配到的身份证号长度决定保留几位。对，sub 第二个参数可以传函数！

re.compile() — 为什么我建议你每次都编译

compil 把正则模式预编译成 Pattern 对象。之后调用 match/search 等方法时，性能会好很多——尤其是同一个模式反复用的时候。

email_pat = re.compile(r"[\w.-]+@[\w.-]+\.\w+", re.IGNORECASE)
for line in huge_file:
    if email_pat.search(line):
        # 处理敏感行
        pass

嗯，这里要注意：编译后的 Pattern 对象还能单独加 flags，不依赖全局。我曾经接手一个项目，全篇用字符串模式到处传参，后来统一改成 compile，代码清晰多了，debug 也快。

flags 详解：控制匹配行为的神器

flags（或叫编译标志）能改变正则的匹配方式。我把它分成三类讲：大小写、换行、其他优化。

进阶：finditer 和 groupdict

findall 返回列表，但如果你需要遍历大量匹配并且每次只处理一个，用 finditer 更省内存。它返回一个迭代器，每个元素是 Match 对象。

pat = re.compile(r"(?P<type>\w+): (?P<value>\S+)")
for m in pat.finditer(raw_data):
    print(m.group("type"), m.group("value"))

搭配命名分组，写出来的代码像读说明书一样清楚。我自己的习惯：只要模式超出 5 个分组，一定用命名分组 + VERBOSE 模式。

知识体系总览

下面这张图把 re 模块的函数和 flags 串起来了。你可以把它贴在工位旁边，写正则的时候扫一眼。

flags 组合使用的常见坑

多个 flags 可以用 | 组合。比如 re.IGNORECASE | re.DOTALL。但要注意顺序不影响结果。我看过有人写成 re.IGNORECASE | re.IGNORECASE，重复了但不会报错，就是多余。

另外一个坑： re.MULTILINE 只影响 ^ 和 $ 的行为。如果你用了 \A 和 \Z，它们仍然只匹配开头和结尾。我曾经写多行正则时，想匹配每行开头但用了 \A，结果只匹配了第一行。教训就是：多行模式一定用 ^ 和 $，别用 \A 和 \Z。