📚 课程目录第4章 Python re模块

模式生成与向量格式教程：第 4 章 Python re 模块实战

说到正则表达式，在 Python 里干活，绕不开的就是 re 模块。很多人觉得正则难，其实不是语法难，是不知道用什么函数去匹配。

今天我们就来聊聊 re 模块里的四大金刚：re.match、re.search、re.findall 和 re.sub。我会把每个函数在什么时候用、怎么用，以及我踩过的坑都讲清楚。

1. re.match —— 从开头开始

说白了，re.match 只匹配字符串的开头。它就像个守门员，只在门口检查。

我来举个例子：

import re

text = "Hello World! Hello Python!"
result = re.match(r"Hello", text)
if result:
    print(result.group())  # 输出: Hello

result2 = re.match(r"World", text)
print(result2)  # 输出: None

为什么会这样？因为 World 不在开头。我在日志分析项目里用过很多次，比如检查一行日志是不是以 "ERROR" 开头。用 re.match 就特别合适。如果你需要匹配中间的内容，别用这个。

我的习惯：检查字符串前缀或协议头时，用 re.match 比用 str.startswith() 更灵活，因为它支持正则模式。

2. re.search —— 全局搜索

re.search 就灵活多了。它在整个字符串中搜索，找到第一个匹配就停下来。你想想看，如果要在文本里找电话号码或者邮箱，用这个最合适。

text = "我的邮箱是 alice@example.com，备用邮箱是 bob@test.org"
match = re.search(r"\w+@\w+\.\w+", text)
if match:
    print(match.group())  # 输出: alice@example.com

注意，它只返回第一个匹配。要是你想找所有的邮箱，那就得用下一个函数了。

我曾经在一个爬虫项目里，只用了 re.search 来提取所有链接，结果只拿到一个。后来才意识到，应该用 re.findall。

3. re.findall —— 全部提取

嗯，这里要注意。re.findall 返回所有非重叠匹配的列表。如果模式里有分组，它返回的是元组列表。

text = "手机号: 13800138000, 13912345678"
numbers = re.findall(r"1[3-9]\d{9}", text)
print(numbers)  # 输出: ['13800138000', '13912345678']

# 有分组的情况
text2 = "alice@example.com, bob@test.org"
matches = re.findall(r"(\w+)@(\w+\.\w+)", text2)
print(matches)  # 输出: [('alice', 'example.com'), ('bob', 'test.org')]

我个人习惯在处理日志或者爬虫数据时，优先用 re.findall。它帮你一次性提取完所有目标数据，效率很高。

函数	作用	返回值	适用场景
`re.match`	从开头匹配	Match 对象或 None	检查前缀
`re.search`	查找第一个匹配	Match 对象或 None	查找单个目标
`re.findall`	查找所有匹配	列表（或元组列表）	批量提取
`re.sub`	替换匹配的文本	替换后的字符串	文本清理

4. re.sub —— 替换与清洗

最后这个，re.sub，是文本处理的大杀器。它做的事情很简单：找到匹配的内容，换成你指定的新内容。

text = "今天是2025年01月01日，明天是01月02日"
new_text = re.sub(r"\d{4}年", "2026年", text)
print(new_text)  # 输出: 今天是2026年01月01日，明天是01月02日

# 更复杂的用法：使用回调函数
def replace_date(match):
    month = match.group(1)
    day = match.group(2)
    return f"{day}月{month}日"

text2 = "日期: 05-20, 12-25"
result = re.sub(r"(\d{2})-(\d{2})", replace_date, text2)
print(result)  # 输出: 日期: 20月05, 25月12

嗯，有一次我同事没注意替换的边界，结果把不该改的词也改掉了。用 re.sub 时，正则要写得精准，不然容易误伤。

  核心要点：re.sub 还可以指定替换次数，通过 count 参数控制。默认替换所有匹配，改成 count=1 就只替换第一个。

知识体系图谱

下面这张图总结了这四种函数的核心逻辑和关系：

实际项目中的建议

我建议你在开发前，先想清楚目标：是检查开头（match）、找单个目标（search）、提取所有（findall）还是做替换（sub）。选错函数，代码就得不偿失。

验证输入格式：用 re.match（如检查手机号开头是否是 1）。
提取第一个关键信息：用 re.search（如从一大段文字里找第一个日期）。
爬虫或日志解析：用 re.findall 批量抓取。
数据清洗：用 re.sub 替换脏数据或格式化文本。

还有一个容易被忽略的点：预编译正则。如果你要反复使用同一个模式，先 re.compile 一下，能提升不少性能。

# 预编译示例
pattern = re.compile(r"\d{3}-\d{8}")
texts = ["010-12345678", "021-87654321"]
for t in texts:
    match = pattern.search(t)
    if match:
        print(match.group())

我曾经在处理上万条日志时没用预编译，结果跑了好几分钟。后来改成预编译，几十秒就搞定了。这种细节，能省就省吧。

好了，这四种函数基本覆盖了日常 90% 的正则需求。记住它们的差异，写代码的时候就不会犹豫了。